python image stiching_Python自然语言处理，词云图生成

自然语言处理

本节介绍如何使用Python中的库，生成词云图，涉及自然语言处理的相关问题， 自然语言处理是 计算机 科学领域与 人工智能 领域中的一个重要方向。它研究能实现人与 计算机 之间用自然语言进行有效通信的各种理论和方法，自然语言处理是一门融 语言学 、计算机 科学 、 数学 于一体的 科学 。

自然语言处理(NLP)是计算机科学，人工智能，语言学关注计算机和人类(自然)语言之间的相互作用的领域。

代码示例

首先导入基本的库，这里选择jiebe分词库，对于文本进行分词处理。

import jiebaprint(list(jieba.cut("自然语言是计算机科学领域与人工智能领域中的一个重要方向。")))

代码运行结果如下，实现了将每一条语句进行分词处理。

['自然语言', '是', '计算机科学', '领域', '与', '人工智能', '领域', '中', '的', '一个', '重要', '方向', '。']接下来读入我们需要做词云的实验文本。

#读入文本with open(r"C:\Users\shangtianqiang\Desktop\实验文本.txt" ,encoding="utf-8")as file:    text=file.read()    print(text)

这里将导入的实验文本进行分词处理，并且分隔符为空。

#文本分词wordlist_jieba=jieba.cut(text)space_wordlist=" ".join(wordlist_jieba)print(space_wordlist)

对于语句成功分词后，就可以定义分词函数，这个在后文会用到。

#文本分词def chinese_jieba(text):    wordlist_jieba=jieba.cut(text)    space_wordlist=" ".join(wordlist_jieba)    return space_wordlistspace_wordlist

紧接着导入词云库，读取文本内容后，设置词云的背景颜色，图片的大小，控制显示的词数等。

from wordcloud import WordCloud#读取文本内容with open(r"C:\Users\shangtianqiang\Desktop\实验文本.txt" ,encoding="utf-8")as file:    text=file.read()#设置词云的背景颜色、宽高、字数  wordcloud=WordCloud(font_path="C:/Windows/Fonts/simfang.ttf",background_color="white",width=600,height=300,max_words=30).generate(text)#生成图片image=wordcloud.to_image()#显示图片image.show()

最后，将调试的代码进行封装，一起看一下最后生成的结果。

# 将文本进行分词，并添加图片背景from wordcloud import WordCloudimport jiebaimport numpyimport PIL.Image as Image#将字符串切分def chinese_jieba(text):    wordlist_jieba=jieba.cut(text)    space_wordlist=" ".join(wordlist_jieba)    return space_wordlist#读取文本内容with open(r"C:\Users\shangtianqiang\Desktop\实验文本.txt" ,encoding="utf-8")as file:    text=file.read()text=chinese_jieba(text)#这里需要自己导入一张图片作为背景图片mask_pic=numpy.array(Image.open(r"C:\Users\shangtianqiang\Desktop\图片1.png"))#将参数mask设值为：mask_picwordcloud = WordCloud(font_path="C:/Windows/Fonts/simfang.ttf",background_color="white",width=600,height=300,max_words=30,mask=mask_pic).generate(text)#生成图片image=wordcloud.to_image()#显示图片image.show()

这里所显示的词云结果并不直观，通过改变我们的背景图，以及将实验的文本词变得更加单一，多多调试几次，即可得出如下的结果。

要得出一个完美的词云结果，需要我们耐心的调试，控制词数，颜色等。