文章高频词生成词云的方法

最近在学python3一直遇到这个错误，在网上查了很多，说是windows系统的问题云云。

import jieba
import wordcloud
from scipy.misc import imread
mask=imread("C:\\Users\\sgl\\Pictures\Fivestar.jpg") #添加图片，图片需要改为白底
f=open("新时代中国特色社会主义.txt","r", encoding="gbk") #如utf-8报错则改为 gbk
t=f.read()
f.close()
ls=jieba.lcut(t) #分词，赋值给列表
txt=" ".join(ls) #词与词之间加空格
w = wordcloud.WordCloud(width=1000, font_path="msyhl.ttc", height=700, background_color="white", mask=mask, max_words=1255)
w.generate(txt)
w.to_file("wordcloud.png")

 

此程序执行之后出现错误，说是无法转成utf-8。

解决方法：
将utf-8改成gbk

f=open("关于实施乡村振兴战略的意见.txt",'r+',encoding='gbk')
1
2
运行程序结果如下，不再报错。

utf-8与gbk的区别与联系：
字符均使用双字节来表示，只不过为区分中文，将其最高位都定成1。
至于UTF－8编码则是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24位（三个字节）来编码。对于英文字符较多的论坛则用UTF－8节省空间。
GBK包含全部中文字符；UTF-8则包含全世界所有国家需要用到的字符。
GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准（好像还不是国家标准）
UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。
比如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。 所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。
UTF8是国际编码，它的通用性比较好，外国人也可以浏览论坛，GBK是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBK大
---------------------
作者：wardseptember
来源：CSDN
原文：https://blog.csdn.net/wardseptember/article/details/80198857
版权声明：本文为博主原创文章，转载请附上博文链接！

转载于:https://www.cnblogs.com/CSUT-Ryan/p/11174921.html