python绘制词云全流程解析，jieba库，NLP分词，搭配词频统计输出。

关键库说明：

• re 文本数据处理 替换字符串内字符数据
• jieba 文本分词库 ，语句拆分
• WordCloud 词云图片生产库
• PIL 图像处理相，强大且历史悠久的库
• matplotlib 绘图库，无需多言

代码逻辑

• 1 读入NLP 的停用词文件 ，为了提高效率，将该数据组织为字典结构
• 2 读入待分析统计的文本数据
• 3 使用jieba进行分词操作， 包括去除空格、去掉标点符号、增加专业名词等
• 4 对分词结果进行统计汇总(数据结构set去重)
• 5 对统计结果按照频率进行排序（数据结构dic检索统计）
• 6 输出文本统计结果
• 7 读入词云形状图片，（虽然是PNG但实际要的是非透明的图片，标准的PNG数据无法使用）
• 8 按照统计结果绘制词云图像

* 其他注意事项：

• 文本编码格式为了便于处理，全部选择utf—8统一处理
• 停用词词库可以通过github去找，也可以自己制作，推荐使用：https://blog.csdn.net/woshishui68892/article/details/108203121所提供的停用词表，stopword合并后版本。

上代码：

import re
import jieba
from wordcloud import WordCloud
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

# 把停用词做成字典
stopwords = {
   }
fstop = open(r"\\vmware-host\Shared Folders\mod\ok\stopword.txt", 'r',encoding='utf-8')
for eachWord in fstop:
    stopwords[eachWord