统计QQ聊天记录进阶版（分词+统计关键字出现的次数+根据词频制作词云）

最新推荐文章于 2023-01-12 22:05:35 发布

Joyceyang_999

最新推荐文章于 2023-01-12 22:05:35 发布

阅读量7.1k

点赞数 3

分类专栏： python爬虫文章标签：爬虫

本文链接：https://blog.csdn.net/Joyceyang_999/article/details/80056372

版权

python爬虫专栏收录该内容

4 篇文章 0 订阅

订阅专栏

继上个博客统计关键字次数的进阶，将关键词的次数制作成词云保存到图片。之前说过的部分现在就不说了，这里主要讲根据词频制作词云。

1.安装wordcloud（这里要注意坑）

这个安装的过程比jieba复杂，因为直接用pip install wordcloud会安装失败，要先下载对应的python版本对应的wordcloud。这里因为我之前有单独装过python3.7所以第一次我是下载了python3.7对应的wordcloud，然后它提示平台不支持。后来我想起来我的Anaconda3用的不是python3.7,在Anaconda Navigator中查看python对应的版本为3.6下载如下

用pip install安装

2.文件配置

1.txt为聊天记录文件,SimHei.ttf为字体格式、r.jpg为图片样式

3.词云

词云的生成可以按照词频以及以通常的方式生成。

词频使用 .generate_from_frequencies(字典类型)

通常方法使用.generate（关键字字串）

可以设置词云的相关属性：

font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'
width : int (default=400) //输出的画布宽度，默认为400像素
height : int (default=200) //输出的画布高度，默认为200像素
prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）
mask : nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。
scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
min_font_size : int (default=4) //显示的最小的字体大小
font_step : int (default=1) //字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差。
max_words : number (default=200) //要显示的词的最大个数
stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS
background_color : color value (default=”black”) //背景颜色，如background_color='white',背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时，背景为透明。
relative_scaling : float (default=.5) //词频和字体大小的关联性
color_func : callable, default=None //生成新颜色的函数，如果为空，则使用 self.color_func
regexp : string or None (optional) //使用正则表达式分隔输入的文本
collocations : bool, default=True //是否包括两个词的搭配
colormap : string or matplotlib colormap, default=”viridis” //给每个单词随机分配颜色，若指定color_func，则忽略该方法。
fit_words(frequencies) //根据词频生成词云
generate(text) //根据文本生成词云
generate_from_frequencies(frequencies[, ...]) //根据词频生成词云
generate_from_text(text) //根据文本生成词云
process_text(text) //将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap]) //对现有输出重新着色。重新上色会比重新生成整个词云快很多。
to_array() //转化为 numpy array

to_file(filename) //输出到文件

my_wordcloud = WordCloud(  
        background_color='white',  #设置背景颜色
        max_words=200,  #设置最大实现的字数
        font_path=r'SimHei.ttf',  #设置字体格式，如不设置显示不了中文
        mask=imread('timg.jpg'),  #设置图片样式
        width=800,
        height=800,
    ).generate_from_frequencies(data)
    plt.figure()
    plt.imshow(my_wordcloud)
    plt.axis('off')
    plt.show()  # 展示词云
    my_wordcloud.to_file('z.jpg')

4.完整代码

import jieba
from wordcloud import WordCloud
from scipy.misc import imread
from collections import Counter
import matplotlib.pyplot as plt

def main():
    fr=open('1.txt','r',encoding='utf-8')
    
    frequencies=[]  
    s=""
    data={}
   
    for line in fr:
        line=line.strip()
        if len(line)==0:
            continue
        if line[0]=='2':
            continue
        for x in range(0,len(line)):
            if line[x] in [' ','\t','\n','。','，','[', ']', '（', '）', ':', '-',
    '？', '！', '《', '》', '、', '；', '“', '”', '……','0','1','2','3','4','5','6','7','8','9','=','~','…']:
                continue
            s+=str(line[x])

    seg_list = jieba.cut(s, cut_all=False, HMM=True)
    for word in seg_list:
        if len(word)>=2:
            if not data.__contains__(word):
                data[word]=0
            data[word]+=1
    #data=sorted(data.items(),key=lambda d:d[1],reverse=True) 这里必须要注释，不然会报错
    #print(data) 
   
    my_wordcloud = WordCloud(  
        background_color='white',  #设置背景颜色
        max_words=200,  #设置最大实现的字数
        font_path=r'SimHei.ttf',  #设置字体格式，如不设置显示不了中文
        mask=imread('r.jpg'),  #设置图片样式
        width=800,
        height=800,
    ).generate_from_frequencies(data)
    plt.figure()
    plt.imshow(my_wordcloud)
    plt.axis('off')
    plt.show()  # 展示词云
    my_wordcloud.to_file('z.jpg')
    fr.close()
  
  
main()