中文分词、词频统计和词云图制作

1. 自定义找一个舆情热点，保存为news.txt文本
2. 根据news.txt文本,编程实现中文分词、去除停用词、词频统计、绘制词云图。

   import re  # 正则表达式库
   import collections  # 词频统计库
   import numpy as np  # numpy数据处理库
   import jieba  # 结巴分词
   import wordcloud  # 词云展示库
   from PIL import Image  # 图像处理库
   import matplotlib.pyplot as plt  # 图像展示库
   
   #  读取文件
   fn = open('D://Application/FileRecv/huiyi.txt', 'r', encoding='utf-8')  # 打开文件
   
   string_data = fn.read()  # 读出整个文件
   fn.close()  # 关闭文件
   #  文本预处理
   pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')  # 定义正则表达式匹配模式
   string_data = re.sub(pattern, '', string_data)  # 将符合模式的字符去除
   #  文本分词
   seg_list_exact = jieba.cut(string_data, cut_all=False)  # 精确模式分词
   object_list = []
   remove_words = [u'的', u'，', u'和', u'是', u'随着', u'对于', u'对', u'等', u'能', u'都', u'。', u' ', u'、', u'中', u'在',
                   u'了', u'通常', u'如果', u'我们', u'需要']  # 自定义去除词库
   for word in seg_list_exact:  # 循环读出每个分词
       if word not in remove_words:  # 如果不在去除词库中
           object_list.append(word)  # 分词追加到列表
   #  词频统计
   word_counts = collections.Counter(object_list)  # 对分词做词频统计
   word_counts_top10 = word_counts.most_common(10)  # 获取前10最高频的词
   print(word_counts_top10)  # 输出检查
   #  词频展示
   mask = np.array(Image.open('D://Application/FileRecv/true.jpg'))  # 定义词频背景
   wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/simkai.ttf',  # 设置字体格式
                            mask=mask,  # 设置背景图
                            max_words=200,  # 最多显示词数
                            max_font_size=100  # 字体最大值
                            )
   wc.generate_from_frequencies(word_counts)  # 从字典生成词云
   image_colors = wordcloud.ImageColorGenerator(mask)  # 从背景图建立颜色方案
   wc.recolor(color_func=image_colors)  # 将词云颜色设置为背景图方案
   plt.imshow(wc)  # 显示词云
   plt.axis('off')  # 关闭坐标轴
   plt.show()  # 显示图像