Python3,我只用了10行代码,就写了一个词云生成器。

简介: 词云生成器,也没有想想的那么难啊。

1、引言

小鱼:小屌丝,你在干啥呢?

小屌丝:鱼哥,你看, 我的PPT写的 高大尚不。

小鱼:这有啥高大尚的啊,

小屌丝:你仔细看, 往下翻一页

小鱼:额。你这那是PPT,就是浴皇大帝、昂科旗等车系的测评吗。

image.png

小屌丝:别管内容了, 鱼哥,你就说,这个样式怎么样, 帅不帅气吧。

小鱼:嗯,样式嘛, 还可以的。

小屌丝:鱼哥,你这么淡定, 你的意思, 你也会?

小鱼:额… 我可没说, 休想套路我。

小屌丝:鱼哥,我这就要说到公道话了, 独乐乐不如众乐乐。

小鱼:有的时候,需要独乐乐。

小屌丝:鱼哥,别整没用的, 你就说分不分享吧?

小鱼:额… 这个… 你说啥?

小屌丝:我说,你把这个代码分享出来呗。

小鱼:你说分享什么啊?

小屌丝:分享词云生成器的代码

小鱼:分享什么代码啊?

小屌丝:去泡温泉…

小鱼:好嘞,早说不就完事了嘛。


2、代码实战

2.1 库介绍

说到词云的制作, 不得不提的第三方库, stylecloud:简洁易用的词云库

当然仅仅有stylecloud 还是不够的, 还需要一个库,即 jieba:中文分词库

所以, 今天我们就用stylecloud 和jieba来完成本次的代码实战。

接下来, 我们先了解 这两个库。


2.1.1 jieba

jieba: 中文分词库


1、运行原理

  • 初始化:加载词典文件,获取每个词语和它出现的词数
  • 切分短语:利用正则,将文本切分为一个个语句,之后对语句进行分词
  • 构建DAG:通过字符串匹配,构建所有可能的分词情况的有向无环图,也就是DAG
  • 构建节点最大路径概率,以及结束位置:计算每个汉字节点到语句结尾的所有路径中的最大概率,并记下最大概率时在DAG中对应的该汉字成词的结束位置。
  • 构建切分组合:根据节点路径,得到词语切分的结果,也就是分词结果。
  • HMM新词处理:对于新词,也就是jieba词典中没有的词语,我们通过统计方法来处理,jieba中采用了HMM(隐马尔科夫模型)来处理。
  • 返回分词结果:通过yield将上面步骤中切分好的词语逐个返回。yield相对于list,可以节约存储空间。


2、主要模式

  • 精确模式:把文本精确的切分开,不存在冗余单词
  • 全模式:把文本中所有可能的词语都扫描出来,有冗余
  • 搜索引擎模式:在精确模式基础上,对长词再次切分


3、主要功能


  • jieba.cut 方法接受四个输入参数:
  • .需要分词的字符串;
  • .cut_all 参数用来控制是否采用全模式;
  • .HMM 参数用来控制是否使用 HMM 模型;
  • .use_paddle 参数用来控制是否使用paddle模式下的分词模式,
  • ..paddle模式采用延迟加载方式,通过enable_paddle接口安装paddlepaddle-tiny,并且import相关代码;


  • jieba.cut_for_search 方法接受两个参数:
  • 需要分词的字符串;
  • 是否使用 HMM 模型。
  • 该方法适合用于搜索引擎构建倒排索引的分词,粒度比较细。


  • jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator,可以使用 for 循环来获得分词后得到的每一个词语(unicode),或者用 jieba.lcut 以及 jieba.lcut_for_search 直接返回 list


  • jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器,可用于同时使用不同词典。


  • jieba.dt 为默认分词器,所有全局分词相关函数都是该分词器的映射。


2.1.2 stylecloud

关于词云生成工具, 常用的无非这3种:


pyecharts

  • 简单易用;
  • 上手快;
  • 不够美观;

wordcloud

  • 使用频次最高;
  • 使用最广泛;

stylecloud

  • 简单易用;
  • 最接近完美;


接下来,我们就使用 sytlecloud第三方库,看看它完美到什么程度。


2.2 库安装

涉及到第三方库,肯定就需要安装

老规矩,pip 安装

pipinstalljiebapipinstallstylecloud


然后就是等待着安装。


其它安装方式,直接看这两篇:


2.2 代码实战

代码示例

# -*- coding:utf-8 -*-# @Time   : 2023-02-02# @Author : Carl_DJ'''实现功能:    词云生成器'''importjsonimportstylecloudimportcodecsimportjiebafromcollectionsimportCounter#过滤掉高频出现的词汇passwords=set()
#读取词汇文档content= [line.strip() forlineinopen('./data/passwords.txt', 'r',encoding='utf8').readlines()]
passwords.update(content)
#获取文档词汇, 并截取长度为3个defmake_words(txt):
make_list=jieba.cut(txt)
c=Counter()
words_list= []
#获取词汇文本forxinmake_list:
#长度为3,超过截取iflen(x) ==3andx!='\r\n':
c[x]  +=1words_list.append(x)
fork,vinc.most_common(50):
ifknotinpasswords:
# print(f'{k,v}')#组合词云内容return" ".join(words_list)
#读取中大型suv测评.txt内容withcodecs.open('./data/中大型suv测评.txt','r','utf8') asf: #格式需要utf8 否则会报错txt=f.read()
#words_txt=make_words(txt)
#设置词云展示的样式,字体,生成文件名称等,stylecloud.gen_stylecloud(text=words_txt,custom_stopwords=content,
background_color='#1A1A1A',
colors=['#dd4444', '#fec42c', '#fac858'],
max_font_size=100,
output_name='xt6测评.jpg',
font_path="C:/Windows/Fonts/FZSTK.TTF"                          )


结果展示

image.png

注:

这里需要准备两个文件

  • password.txt : 过滤文本中出现太多次数的词汇;
  • suv测评.txt:词云的主要显示的文本内容;

文本内容示例:

image.png

这里强调一点:

  • 文本的内容,你可以一行写很多字,
  • 但是,为了词云展示的内容更丰富, 列数,一定要多。


当然,文档内容, 也可以是下载的小说,或者你自己写的任何内容。


3、总结

看到这里, 今天的分享就要结束了。

回头看一下,

其实词云生成器,并不难。

主要就是对 jieba、stylecloud 这两个库的使用。

这里我仅仅列举了 stylecloud 第三方库,

当然,如果你有兴趣,也可以使用 pyecharts、 wordcloud ,看看生成的词云如何。

也就当是你自己的练手了。


好了,就唠叨这里了。

我是奕然

  • CSDN 博客专家;
  • 阿里云 专家博主;
  • 51CTO博客专家;
  • 51认证讲师;
  • 企业金牌面试官;

关注小鱼,带你学习更多更有趣的python知识。


当然,

如果你想晋升自己的技能,;

如果你想提升自己的面试成功率;

如果你现在处在职业迷茫期,想重新规划职业生涯;

都可以找小鱼聊聊的。


目录
相关文章
|
2月前
|
开发框架 数据建模 中间件
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
55 6
|
15天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
50 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
2月前
|
Python
课程设计项目之基于Python实现围棋游戏代码
游戏进去默认为九路玩法,当然也可以选择十三路或是十九路玩法 使用pycharam打开项目,pip安装模块并引用,然后运行即可, 代码每行都有详细的注释,可以做课程设计或者毕业设计项目参考
73 33
|
2月前
|
JavaScript API C#
【Azure Developer】Python代码调用Graph API将外部用户添加到组,结果无效,也无错误信息
根据Graph API文档,在单个请求中将多个成员添加到组时,Python代码示例中的`members@odata.bind`被错误写为`members@odata_bind`,导致用户未成功添加。
50 10
|
2月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
100 8
|
2月前
|
API Python
【Azure Developer】分享一段Python代码调用Graph API创建用户的示例
分享一段Python代码调用Graph API创建用户的示例
66 11
|
2月前
|
测试技术 Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界中,装饰器是那些能够为我们的代码增添魔力的小精灵。它们不仅让代码看起来更加优雅,还能在不改变原有函数定义的情况下,增加额外的功能。本文将通过生动的例子和易于理解的语言,带你领略装饰器的奥秘,从基础概念到实际应用,一起开启Python装饰器的奇妙旅程。
55 11
|
2月前
|
Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!
|
2月前
|
程序员 测试技术 数据安全/隐私保护
深入理解Python装饰器:提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例,帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要,本文将以一个实际的软件开发场景引入,逐步揭示装饰器如何优化代码结构,提高开发效率和代码质量。
72 6
|
2月前
|
Python
如何提高Python代码的可读性?
如何提高Python代码的可读性?
68 4