Rwordseg中文分词 画词云图

一、 rJava的环境变量配置和分词代码（网上有具体安装步骤，比较麻烦，我安装了好久了才安装上，我也是好多参考网上还有  朋友帮助才完成的）
1. 下载jre最新版
2. 打开环境变量：控制面板—系统—环境变量 or 我的电脑—属性
a 新增变量“JAVA”，变量值=C:\Program Files\Java\jre6\bin
b  PATH=C:\Program Files\Java\jre6\bin\server
加载rJava包和Rwordseg包
代码：

>install.packages（“rJava”）
>library(rJava)
>install.packages("Rwordseg",repos= "http://R-Forge.R-project.org", type = "source")
>library(Rwordseg)

--可以测试了：

>teststring1 <- "李建督促你将R语言学习到底。"
>word1 <- segmentCN(teststring1)

二、 导入文本、清理文本、词频统计、词云图

library(Rwordseg)                            #分词的包

#导入数据

 sale<-read.csv(file.choose())
neg <- readLines(file.choose(), encoding = 'UTF-8')
data = read.csv("E:/111/wuli.csv",stringsAsFactors=F)
data<-read.csv(file.choose(),stringsAsFactors=F)

#去除数字,英文字符

data = gsub("[a-z0-9A-Z_]","",data)

#分词,Rwordseg包, D:/R-3.3.3/library/Rwordseg

words = segmentCN(data)

#生成停词表stopwordsCN.txt，读入,确保是utf-8编码（E:/111/321123.txt为停词表地址）

stopwordsCN = as.character(readLines("E:/111/321123.txt"))
stopwordsCN = enc2utf8(stopwordsCN)
stopwordsCN<-stopwordsCN[Encoding(stopwordsCN)!="unknown"]

#编写去停词函数

emoveStopWords <- function(x,stopwords) {

  temp <- character(0)
  index <- 1
  xLen <- length(x)
  while (index <= xLen) {
    if (length(stopwords[stopwords==x[index]]) <1)
      temp<- c(temp,x[index])
    index <- index +1
  }
  temp
}

#去停词

words = lapply(words,removeStopWords,stopwordsCN)

#画词云图

install.packages(“wordcloud”)
library(wordcloud)

#计算词频

wordsnum = table(unlist(words))
wordsnum = sort(wordsnum)  #排序

#选出词频最高的250个

wordsnum = tail(wordsnum,250)

#画词云图

wordcloud(names(wordsnum),as.vector(wordsnum),random.order=FALSE,    random.color=FALSE,colors=brewer.pal(8,"Dark2"),family="myFont3")

下面两个图为python爬虫华为手机与三星手机评论的文本数据所制作

华为评论数据

三星评论数据