jieba结巴分词--关键词抽取_【python】结巴中文分词生成词云图

【背景】：业务需求，如果需要知道聊天对话中哪些词语或者话题占比最高，就需要词云图的帮助了

【引用】：这几篇博主真的写的非常的清楚了，顺序按我放的顺序看即可~

• 结巴分词并生产词云图的详细代码

python 结巴分词学习 - 柳帅 - 博客园​www.cnblogs.com

CSDN-专业IT技术社区-登录​blog.csdn.net

• 下面的链接是结巴的三种模式

CSDN-专业IT技术社区-登录​blog.csdn.net

【实例】：分成两个：1、生成词云图 2、词频统计并返回权重

1. 生成词云图 ：

1、生成词云图
from wordcloud import WordCloud
import matplotlib.pyplot as plt

import numpy as np
from PIL import Image

import jieba

# 数据获取
with open("C:hhh.txt",'r', encoding='gbk')as f:
    text=f.read()

# with open('dream is possible.txt','r',encoding='gbk')as f:
#     text=f.read()
#图片获取
mask=np.array(Image.open("C:heart.png"))--这是词云的背景图形状

# 数据清洗
# 屏蔽45
# STOPWORDS.add('45')

font=r'C:WindowsFontssimhei.ttf'---（必须引用字体不然代码会报错）
sep_list=jieba.lcut_for_search(text,)---（结巴有三种方式，全模式、精确模式、搜索引擎模式见链接3）
sep_list=" ".join(sep_list)
wc=WordCloud(
    scale=4,#调整图片大小---（如果设置太小图会很模糊）
    font_path=font,#使用的字体库
    max_words=200,  # 词云显示的最大词数
    margin=2,#字体之间的间距
    mask=mask,#背景图片
    background_color='white', #背景颜色
    max_font_size=200,
    # min_font_size=1,
    # stopwords=STOPWORDS, #屏蔽的内容
    collocations=False, #避免重复单词
    width=1600,height=1200 #图像宽高，字间距
)

wc.generate(sep_list) #制作词云
wc.to_file('词云.jpg') #保存到当地文件

# 图片展示
plt.figure(dpi=100) #通过这里可以放大或缩小
plt.imshow(wc,interpolation='catrom')
plt.axis('off')
plt.show()

【效果图1】：

2.词频统计并返回权重

2、词频统计并返回权重
from jieba.analyse import *
data = open("C:hhh.txt",'r', encoding='gbk').read()#读取文件
for keyword, weight in extract_tags(data, topK=30,withWeight=True,allowPOS=()):
    #topK为返回几个TF/IDF权重最大的关键词，默认值为20
    # withWeight为是否一并返回关键词权重值，默认值为False
    # allowPOS仅包括指定词性的词，默认值为空，即不筛选
   print('%s %s' % (keyword, weight))

【效果图2】:

【问题】：写代码的时候中间遇到的问题

1. UTF-8编码报错：我就试了一下gbk ，就可以读取了，所以遇到这类问题，可以多试试编码类型
2. 词云图有重复词语：最后发现自己忘记加collocations=False了
3. 图片太模糊：因为之前设置的scale=1,调成4后就好了