用Python做简易的中文词云

前言

在上一篇文章中，我们讲解了在Ubuntu环境下安装Anaconda，并且做出了英文的简易词云。
可能会有的同学尝试把文章换成中文的，做出中文词云。我想大家得到的结果肯定是这样的

中文与英文在编码上是存在很多区别的，而且我们做英文词云的时候，在一篇文章中，单词之间是通过空格分开的，
但是中文并没有使用空格。所有就有了上面的图片。那么中文如何分词呢？我们需要用到一款工具，jieba（结巴）

准备工作

１．文本数据，作为分析的对象。这是必须的，这次我选用的是上一次相关的文本数据
　　我有一个梦想的中文版本。做成Dream.txt文件，保存在和代码相同的目录下。
２．Anaconda工具套装，上一篇文章已经讲过如何安装和使用，这里不在啰嗦。
３．worldcloud ,作词云用的Python扩展工具包。
４．jieba      中文分词用的扩展包。
５．simsum.tty　　中文字体包，用于显示中文。

第一步

打开终端输入以下命令，安装jieba扩展包

pip install jieba   //安装很简单，没什么可说的

继续在终端输入

jupyter notebook     //打开代码编辑器，并切换到存放Dream.txt的目录下

如果你做了上次那个因为词云，那就用上次那个目录就可以了，在代码编辑器输入以下代码

file = open('Dream.txt')
text = file.read()
text

出现这样的字样，说明文本数据没有问题，可以正常打开。

分词

在第二和第三行之间，插入以下代码，进行分词操作

import jieba　　　　　　　　　　　　　　　　　　　//导入jieba分词包
text = ' '.join(jieba.cut(text))　　　　　　 　//对中文进行分词

你将会看到以下的画面，说明分词成功了

词云生成

注释掉代码最后的text,以防干扰。继续在编辑器里输入

from wordcloud import WordCloud
wordcloud = WordCloud().generate(text)

此时如果没有报错，也没有任何输出，那是不是词云就已经分析完成了呢？
并不是，但这次和上次的英文不一样，因为我们要输出中文的词云，所以我们
准备了simsum.tty的字体包，把它放在代码相同的目录下，然后在代码编辑器输入以下代码：

from wordcloud import WordCloud
wordcloud = WordCloud(font_path="simsun.ttf").generate(mytext)

依然没有输出，但这次离成功不远了。

词云输出

在代码编辑器里面输入以下代码：

%pylab inline
import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")

你将看到以下结果，请无视警告

　　　　　　　　一张简易的中文词云就做好啦！！！