词云分析

使用模块：

jieba(结巴)：切割中文的模块;
wordcloud:
pillow: python3中专门用来处理图像的模块;
numpy:
matplotlib:

1. 处理英文

实现处理英文的词云比较简单

# 1. 切割和处理英文字符,
data = []
with open('/tmp/passwd') as f:
   for line in f:
       result1 = re.split(r'\s|:|/', line)
       # 如果item存在数据并且不是空格或者数字， 则继续进行处理;
       result2 = [item for item in result1 if not re.findall(r'\s+|\d+', item) and item]
       # print(result2)
       data.extend(result2)


# 2). 打开图片， 获取图片的数据信息;
imgObj = Image.open('./doc/wordcloud.jpg')
img_mask = np.array(imgObj)
# print(img_mask)
#
# 3). 创建词云对象， 设置属性
wcObj = wordcloud.WordCloud(
   mask = img_mask,
   background_color="snow",
   min_font_size=5,
   max_font_size=50,
   width=1000,
   height=1000,
   )
# 4). 生成图片;
# 词云绘制时， 默认之处理字符串类型， 怎么分隔每个单词? 必须以逗号分隔符分割
wcObj.generate(",".join(data))
wcObj.to_file('doc/wcObj.png')

处理中文

import re
import jieba
from PIL import Image
from wordcloud import wordcloud
import numpy as np

def gen_wordcloud(text, filename):


   # 1). 强调分割中有问题的词;
   jieba.suggest_freq(('微博'), True)
   jieba.suggest_freq(('热搜'), True)

   #  2). 难点: 如何切割中文, jieba, lcut
   result = jieba.lcut(text)
  # print(result)

   # 绘制词云
   # 3). 打开图片， 获取图片的数据信息;
   imgObj = Image.open('./doc/wordcloud.jpg')
   img_mask = np.array(imgObj)
   # print(img_mask)
   # 4). 创建词云对象， 设置属性
   wcObj = wordcloud.WordCloud(
       mask = img_mask,   # 数据如何填充到图片
       background_color="snow",  # 北京颜色
       font_path="/usr/share/fonts/wqy-zenhei/wqy-zenhei.ttc",  # 如果是中文， 指定字体库(fc-list :lang=zh)
       min_font_size=5,  # 图片中最小的字体大小
       max_font_size=50,   # 图片中最小的字体大小
       width=1000,  # 图片宽度
       height=1000, # 高
       )
   # 5). 生成图片;
   # 词云绘制时， 默认之处理字符串类型， 怎么分隔每个单词? 必须以逗号分隔符分割
   wcObj.generate(",".join(result))
   wcObj.to_file(filename)


if __name__ == '__main__':
   text = "马云曾公开表态称对钱没兴趣称其从来没碰过钱上了微博热搜"
   filename = 'doc/wcObj.png'
   gen_wordcloud(text, filename)