爬虫生成中文词云代码

#coding=utf8                                          # Python3.0+以后，可写可不写。

from wordcloud import WordCloud, ImageColorGenerator  # 引入词云WordCloud

import jieba                                          # 引入分词的词典
import matplotlib.pyplot as plt                       # 制图包， as作用是重命名长度大的程序，方便引用写码


text = open('test2.txt','r',encoding='utf-8').read()
ls = []
words = jieba.lcut(text)
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word, 0) + 1



items = list(counts.items())
items.sort(key=lambda x: x[1], reverse=True)
for i in range(20):
    word, count = items[i]
    print("{:<10}{:>5}".format(word, count))
cut_text = ' '.join(jieba.cut(text))                   # 让jieba把文本进行分词，从而词云显示“词组”而不是“句子“”。并重新命名为cut_text，以示区别。




wordcloud = WordCloud(

    background_color='white',                          # 默认为图片背景为黑色，英文White表示输出的词云图片背景为白色。
    scale=15,                                           # 默认之为1。可以理解为生成的图片像素密度值，值越大，图片密度越高，越清楚。
    font_path='c:\windows\Fonts\simhei.ttf',           # 写明地址，指定文字的类型为中文黑体。
).generate(cut_text)



# 运行成功后显示图片
plt.imshow(wordcloud, interpolation='bilinear')        # Bilinear：双线性插值算法，用来缩放显示图片。缩放就是把原图片的像素应用坐标系统，用坐标表示，双线性插值算法就是把一个坐标不是整数的点的坐标，用最近的四个整数点坐标指示出来；

plt.axis('off')                                        # 不显示坐标尺度
plt.show()