2021-04-07

三国演义词云图

“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出， 形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网 页者只要一眼扫过文本就可以领略文本的主旨。
实验目的:

熟悉文件的读取
熟悉中文分词及词频统计
理解数据清洗
熟练使用词云进行文本信息的展示
理解文本处理、文本分析、文本可视化的基本思想 实验内容:
编写程序，找出《三国演义》这本小说的人物关键词，并对“关键词渲染” 形成词云图。
实验要求:
在提供的文本中选择其中的一个文本，提取关键词，并对“关键词渲染” 形成词云图。

import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud

txt = open(‘threekingdoms.txt’, ‘r’, encoding=‘utf-8’).read()
print(txt)
words = jieba.lcut(txt)
counts = {}
for word in words:
if len(word) == 1:
continue
elif word == “诸葛亮” or word == “孔明曰”:
rword = “孔明”
elif word == “关公” or word == “云长”:
rword = “关羽”
elif word == “玄德” or word == “玄德曰”:
rword = “刘备”
elif word == “孟德” or word == “丞相”:
rword = “曹操”
else:
rword = word
counts[rword] = counts.get(rword, 0) + 1
excludes = {“将军”, “却说”, “荆州”, “二人”, “不可”, “不能”, “如此”}
for word in excludes:
del counts[word]

items = list(counts.items())
c = list()
items.sort(key=lambda x: x[1], reverse=True)
for i in range(50):
word, count = items[i]
print("{0:<10}{1:>5}".format(word, count))
c.append(word)
text = " ".join©
font_path = ‘simkai.ttf’
w = WordCloud(width=600, height=400,font_path=font_path,
background_color=“white”, max_words=50)
w.generate(text) # 生成词云
w.to_file(‘res.png’)
plt.imshow(w)

#用词云图片
plt.axis(‘off’) #不显示坐标
plt.show()
#显示生成的词云图w.to_file(“threekingdoms.png”) #保存到本地

此外 了解到jieba第三方库的一些应用，可以进行分词
jieba.lcut() 精确分词模式
jieba.lcut(s.cut_all=True) 全模式分词
jieba.lcut_for_search(s) 搜索引擎模式