Python wordcloud 库 自学3

1、中文分词第三方模块 jieba

1. 首先导入 jieba 模块
2. 利用 jieba 模块的 lcut 方法将一串字符串进行分词
3. 分词得到的结果是一个列表

import jieba
textlist1 = jieba.lcut("你是一头小猪猪")
print(textlist1)

# output：['你', '是', '一头', '小猪猪']

4. 利用字符串的 .join 方法将一个列表重新拼接成一个字符串

import jieba
textlist1 = jieba.lcut("你是一头小猪猪")
textlist2 = " ".join(textlist1)
print(textlist2)

# output：你 是 一头 小猪猪

2、中文分词库 jieba 的常用方法

精确模式

• 每个词只用一遍，不存在冗杂词汇

import jieba
textlist1 = jieba.lcut("你是一头小猪猪")
print(textlist1)

# output：['你', '是', '一头', '小猪猪']

全模式

• 把每个词可能形成的词汇都提取出来，可能形成冗杂

import jieba
textlist1 = jieba.lcut("你是一头小猪猪", cut_all=True)
print(textlist1)

# output：['你', '是', '一头', '小猪', '小猪猪', '猪猪']

搜索引擎模式

• 将全模式分词的结果从短到长排列好

import jieba
textlist1 = jieba.lcut_for_search("你是一头小猪猪")
print(textlist1)

# output：['你', '是', '一头', '小猪', '猪猪', '小猪猪']

3、中文分词（不需要写 open 方法）程序举例

3.1、源代码

import wordcloud
import jieba
# 导入词云制作第三方库 wordcloud 和中文分词库第三方库 jieba

w = wordcloud.WordCloud(width=400, height=200, background_color="white", font_path="msyh.ttc")
# 构建词云对象 w、设置词云图片宽、高、字体、背景颜色等参数

txt = "其实乌鸦和人有一种共生关系，它们热爱人类，循其足迹，蹭吃蹭喝。有人类的弱点，怕孤独，呼啸成群。"\
      "它们肯定有自己的社会结构，只不过人对此没有耐心罢了：天下乌鸦一般黑。"
# 创建一个文本变量、用来存储一段文本

txtlist = jieba.lcut(txt)
# 利用 jieba 将文本 txt 进行分词、并形成一个列表传递给变量 txtlist

string = " ".join(txtlist)
# 利用字符串的 .join 方法将列表重新转换成字符串

w.generate(string)
# 将分词后的文本 string 变量传入 w 的 generate() 方法

w.to_file("wordcloud4.png")
# 将生成的词云保存为 wordcloud3.png 图片文件、保存出到当前文件夹中

3.2、导出图片

4、中文分词（需要写 open 方法）程序举例

4.1、源代码

import wordcloud
import jieba
# 导入词云制作第三方库 wordcloud 和中文分词库第三方库 jieba

w = wordcloud.WordCloud(width=400, height=200, background_color="white", font_path="msyh.ttc")
# 构建词云对象 w、设置词云图片宽、高、字体、背景颜色等参数

f = open("北岛 《蓝房子》.txt", encoding="utf-8")
txt = f.read()
# 创建一个文本变量、用来存储一段文本

txtlist = jieba.lcut(txt)
# 利用 jieba 将文本 txt 进行分词、并形成一个列表传递给变量 txtlist

string = " ".join(txtlist)
# 利用字符串的 .join 方法将列表重新转换成字符串

w.generate(string)
# 将分词后的文本 string 变量传入 w 的 generate() 方法

w.to_file("wordcloud4.png")
# 将生成的词云保存为 wordcloud3.png 图片文件、保存出到当前文件夹中

4.2、导出图片

5、对导出图片文字横竖排版的介绍

1. 此处涉及到另一个参数 prefer_horizontal
2. 参数默认值为 0.9（是一个浮点数）
3. 表示在水平方向放置不合适，那么就竖着排
4. 水平放置的词数占比 90%
5. 当参数取 1 的时候，全是横着排版的
6. 当参数取 0 的时候，基本是竖着排版的
7. 以此类推，基本竖着排版（0）——全是横着排版（1）

prefer_horizontal 参数取 1

• 源代码

import wordcloud
import jieba
# 导入词云制作第三方库 wordcloud 和中文分词库第三方库 jieba

w = wordcloud.WordCloud(width=400, height=200, background_color="white", font_path="msyh.ttc", prefer_horizontal=1)
# 构建词云对象 w、设置词云图片宽、高、字体、背景颜色等参数

f = open("北岛 《蓝房子》.txt", encoding="utf-8")
txt = f.read()
# 创建一个文本变量、用来存储一段文本

txtlist = jieba.lcut(txt)
# 利用 jieba 将文本 txt 进行分词、并形成一个列表传递给变量 txtlist

string = " ".join(txtlist)
# 利用字符串的 .join 方法将列表重新转换成字符串

w.generate(string)
# 将分词后的文本 string 变量传入 w 的 generate() 方法

w.to_file("wordcloud4.png")
# 将生成的词云保存为 wordcloud4.png 图片文件、保存出到当前文件夹中

• 导出图片
  
  prefer_horizontal 参数取 0
• 源代码

import wordcloud
import jieba
# 导入词云制作第三方库 wordcloud 和中文分词库第三方库 jieba

w = wordcloud.WordCloud(width=400, height=200, background_color="white", font_path="msyh.ttc", prefer_horizontal=0)
# 构建词云对象 w、设置词云图片宽、高、字体、背景颜色等参数

f = open("北岛 《蓝房子》.txt", encoding="utf-8")
txt = f.read()
# 创建一个文本变量、用来存储一段文本

txtlist = jieba.lcut(txt)
# 利用 jieba 将文本 txt 进行分词、并形成一个列表传递给变量 txtlist

string = " ".join(txtlist)
# 利用字符串的 .join 方法将列表重新转换成字符串

w.generate(string)
# 将分词后的文本 string 变量传入 w 的 generate() 方法

w.to_file("wordcloud4.png")
# 将生成的词云保存为 wordcloud4.png 图片文件、保存出到当前文件夹中

• 导出图片