1、引言
小魚：小屌絲，你在干啥呢？
小屌絲：魚哥，你看， 我的PPT寫的 高大尚不。
小魚：這有啥高大尚的啊，
小屌絲：你仔細看， 往下翻一頁
小魚：額。你這那是PPT，就是浴皇大帝、昂科旗等車系的測評嗎。
小屌絲：別管內(nèi)容了， 魚哥，你就說，這個樣式怎么樣， 帥不帥氣吧。
小魚：嗯，樣式嘛， 還可以的。
小屌絲：魚哥，你這么淡定， 你的意思， 你也會？
小魚：額… 我可沒說， 休想套路我。
小屌絲：魚哥，我這就要說到公道話了， 獨樂樂不如眾樂樂。
小魚：有的時候，需要獨樂樂。
小屌絲：魚哥，別整沒用的， 你就說分不分享吧？
小魚：額… 這個… 你說啥？
小屌絲：我說，你把這個代碼分享出來唄。
小魚：你說分享什么??？
小屌絲：分享詞云生成器的代碼
小魚：分享什么代碼??？
小屌絲：去泡溫泉…
小魚：好嘞，早說不就完事了嘛。
2、代碼實戰(zhàn)
2.1 庫介紹
說到詞云的制作， 不得不提的第三方庫， stylecloud：簡潔易用的詞云庫
當然僅僅有stylecloud 還是不夠的， 還需要一個庫，即 jieba：中文分詞庫
所以， 今天我們就用stylecloud 和jieba來完成本次的代碼實戰(zhàn)。
接下來， 我們先了解 這兩個庫。
2.1.1 jieba
jieba： 中文分詞庫
1、運行原理
- 初始化：加載詞典文件，獲取每個詞語和它出現(xiàn)的詞數(shù)
- 切分短語:利用正則，將文本切分為一個個語句，之后對語句進行分詞
- 構(gòu)建DAG：通過字符串匹配，構(gòu)建所有可能的分詞情況的有向無環(huán)圖，也就是DAG
- 構(gòu)建節(jié)點最大路徑概率，以及結(jié)束位置：計算每個漢字節(jié)點到語句結(jié)尾的所有路徑中的最大概率，并記下最大概率時在DAG中對應的該漢字成詞的結(jié)束位置。
- 構(gòu)建切分組合：根據(jù)節(jié)點路徑，得到詞語切分的結(jié)果，也就是分詞結(jié)果。
- HMM新詞處理：對于新詞，也就是jieba詞典中沒有的詞語，我們通過統(tǒng)計方法來處理，jieba中采用了HMM（隱馬爾科夫模型）來處理。
- 返回分詞結(jié)果：通過yield將上面步驟中切分好的詞語逐個返回。yield相對于list，可以節(jié)約存儲空間。
2、主要模式
- 精確模式：把文本精確的切分開，不存在冗余單詞
- 全模式：把文本中所有可能的詞語都掃描出來，有冗余
- 搜索引擎模式：在精確模式基礎上，對長詞再次切分
3、主要功能
-
jieba.cut 方法接受四個輸入?yún)?shù):
- 需要分詞的字符串；
- cut_all 參數(shù)用來控制是否采用全模式；
- HMM 參數(shù)用來控制是否使用 HMM 模型；
- use_paddle 參數(shù)用來控制是否使用paddle模式下的分詞模式，
- paddle模式采用延遲加載方式，通過enable_paddle接口安裝paddlepaddle-tiny，并且import相關代碼；
-
jieba.cut_for_search 方法接受兩個參數(shù)：
- 需要分詞的字符串；
- 是否使用 HMM 模型。
- 該方法適合用于搜索引擎構(gòu)建倒排索引的分詞，粒度比較細
-
jieba.cut 以及 jieba.cut_for_search 返回的結(jié)構(gòu)都是一個可迭代的 generator，可以使用 for 循環(huán)來獲得分詞后得到的每一個詞語(unicode)，或者用 jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
-
jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定義分詞器，可用于同時使用不同詞典。
-
jieba.dt 為默認分詞器，所有全局分詞相關函數(shù)都是該分詞器的映射。
2.1.2 stylecloud
關于詞云生成工具， 常用的無非這3種：
-
pyecharts
- 簡單易用；
- 上手快；
- 不夠美觀；
-
wordcloud
- 使用頻次最高；
- 使用最廣泛；
-
stylecloud
- 簡單易用
- 最接近完美
接下來，我們就使用 sytlecloud第三方庫，看看它完美到什么程度。
2.2 庫安裝
涉及到第三方庫，肯定就需要安裝
老規(guī)矩，pip 安裝
pip install jieba
pip install stylecloud
然后就是等待著安裝。
其它安裝方式，直接看這兩篇:
- 《Python3，選擇Python自動安裝第三方庫，從此跟pip說拜拜！！》
- 《Python3：我低調(diào)的只用一行代碼，就導入Python所有庫！》
2.2 代碼實戰(zhàn)
代碼示例
# -*- coding:utf-8 -*-
# @Time : 2023-01-10
# @Author : Carl_DJ
'''
實現(xiàn)功能：
詞云生成器
'''
import json
import stylecloud
import codecs
import jieba
from collections import Counter
#過濾掉高頻出現(xiàn)的詞匯
passwords = set()
#讀取詞匯文檔
content = [line.strip() for line in open('./data/passwords.txt', 'r',encoding='utf8').readlines()]
passwords.update(content)
#獲取文檔詞匯， 并截取長度為3個
def make_words(txt):
make_list = jieba.cut(txt)
c = Counter()
words_list = []
#獲取詞匯文本
for x in make_list:
#長度為3，超過截取
if len(x) == 3 and x !='\r\n':
c[x] += 1
words_list.append(x)
for k,v in c.most_common(50):
if k not in passwords:
# print(f'{k,v}')
#組合詞云內(nèi)容
return " ".join(words_list)
#讀取中大型suv測評.txt內(nèi)容
with codecs.open('./data/中大型suv測評.txt','r','utf8') as f: #格式需要utf8 否則會報錯
txt = f.read()
#
words_txt = make_words(txt)
#設置詞云展示的樣式，字體，生成文件名稱等，
stylecloud.gen_stylecloud(text=words_txt,custom_stopwords=content,
background_color='#1A1A1A',
colors=['#dd4444', '#fec42c', '#fac858'],
max_font_size=100,
output_name='xt6測評.jpg',
font_path="C:/Windows/Fonts/FZSTK.TTF"
)
結(jié)果展示
注：
這里需要準備兩個文件
- password.txt : 過濾文本中出現(xiàn)太多次數(shù)的詞匯；
- suv測評.txt：詞云的主要顯示的文本內(nèi)容；
文本內(nèi)容示例：
這里強調(diào)一點：
- 文本的內(nèi)容，你可以一行寫很多字，
- 但是，為了詞云展示的內(nèi)容更豐富， 列數(shù)，一定要多。
當然，文檔內(nèi)容， 也可以是下載的小說，或者你自己寫的任何內(nèi)容。
3、總結(jié)
看到這里， 今天的分享就要結(jié)束了。
回頭看一下，
其實詞云生成器，并不難。
主要就是對 jieba、stylecloud 這兩個庫的使用。
這里我僅僅列舉了 stylecloud 第三方庫，
當然，如果你有興趣，也可以使用 pyecharts、 wordcloud ，看看生成的詞云如何。
也就當是你自己的練手了。
好了，就嘮叨這里了。
我是小魚：
- CSDN 博客專家；
- 阿里云 專家博主；
- 51CTO博客專家；
- 51認證講師；
- 金牌面試官；
關注小魚，帶你學習更多更有趣的python知識。
當然，
- 如果你想晉升自己的技能，；
- 如果你想提升自己的面試成功率；
- 如果你現(xiàn)在處在職業(yè)迷茫期，想重新規(guī)劃職業(yè)生涯；
都可以找小魚聊聊的。文章來源：http://www.zghlxwxcb.cn/news/detail-456680.html
CSDN 私信留言， 或者掃描小魚主頁的二維碼，都可以找到的。文章來源地址http://www.zghlxwxcb.cn/news/detail-456680.html
到了這里，關于Python3，我只用一段代碼，就寫了個詞云生成器，功能強大到懷疑人生。的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
