Python3:执代码之笔，书词云华章

共计 3219 个字符，预计需要花费 9 分钟才能阅读完成。

在数字化信息爆炸的时代，文本数据如潮水般涌来。你是否渴望一种独特的方式，让这些看似平淡的文字瞬间绽放出绚丽光彩？本文将带你走进Python3的奇妙世界，通过一个精心编写的脚本，领略词云生成的无限魅力。从代码的巧妙构思到词云的惊艳呈现，每一步都蕴含着技术与艺术的完美融合。无论你是编程新手还是经验丰富的开发者，都能在这里找到乐趣与启发，一同探索如何用Python3将文字转化为令人叹为观止的可视化盛宴 。

Reasoned for a couple of seconds

这段代码生成了一个基于文本文件内容的中文词云，并且通过自定义的背景图来影响词云的颜色。下面是这段代码的逐步解析以及详细注释：

from os import path
from imageio import imread  # 更新imread来源
import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud, ImageColorGenerator

# 路径配置
d = path.dirname(__file__)  # 确保在IDE中运行时路径正确
back_coloring_path = "New folder/alice_color.jpg"  # 背景图路径
text_path = 'New folder/alice.txt'  # 文本文件路径
font_path = r'C:\Users\BCY\Desktop\New folder\MFJinHei_Noncommercial-Regular.otf'  # 中文字体路径
stopwords_path = r'C:\Users\BCY\Desktop\New folder\stopwords1893.txt'  # 停用词表路径
imgname1 = "WordCloudDefautColors.png"  # 默认颜色的词云图名称
imgname2 = "WordCloudColorsByImg.png"  # 通过背景图颜色生成的词云图名称

# 加载用户词典（可选）
my_words_list = ['中国人']  # 添加自定义词汇到jieba词典中
for word in my_words_list:
    jieba.add_word(word)

# 读取背景图
back_coloring = imread(path.join(d, back_coloring_path))  # 读取背景图片，用作词云的形状和颜色参考

# 初始化词云对象
wc = WordCloud(
    font_path=font_path,  # 设置中文字体
    background_color="white",  # 设置背景颜色为白色
    max_words=2000,  # 限制词云中最多展示的单词数
    mask=back_coloring,  # 设置词云的背景形状
    max_font_size=100,  # 设置最大字体大小
    random_state=42,  # 设置随机种子，确保每次生成相同的词云
    width=1000, height=860, margin=2  # 设置生成的词云图像的大小和边距
)

# 读取文本并进行分词处理
def jiebaclearText(text):
    mywordlist = []
    seg_list = jieba.cut(text, cut_all=False)  # 使用jieba进行精确模式分词
    liststr = "/ ".join(seg_list)  # 将分词后的内容连接成一个字符串

    # 读取停用词（指定编码）
    with open(stopwords_path, 'r', encoding='utf-8') as f_stop:
        f_stop_seg_list = f_stop.read().splitlines()  # 读取停用词文件并按行存储为列表

    # 过滤停用词
    for myword in liststr.split('/'):
        word = myword.strip()  # 去掉空格
        if word not in f_stop_seg_list and len(word) > 1:  # 排除停用词和长度为1的词
            mywordlist.append(word)  # 将有效词加入结果列表
    return ' '.join(mywordlist)  # 返回处理后的文本

# 处理文本
with open(path.join(d, text_path), 'r', encoding='utf-8') as f:
    text = f.read()  # 读取文本内容
text = jiebaclearText(text)  # 处理文本，进行分词和停用词过滤

# 生成词云
wc.generate(text)  # 根据处理后的文本生成词云

# 显示默认颜色词云
plt.figure(figsize=(10, 8))  # 设置画布大小
plt.imshow(wc, interpolation='bilinear')  # 显示词云图
plt.axis("off")  # 关闭坐标轴显示
plt.savefig(path.join(d, imgname1), bbox_inches='tight')  # 保存第一张图，名称为WordCloudDefautColors.png
plt.show()  # 显示词云图

# 根据背景图颜色生成词云
image_colors = ImageColorGenerator(back_coloring)  # 使用背景图的颜色来生成词云
plt.figure(figsize=(10, 8))
plt.imshow(wc.recolor(color_func=image_colors), interpolation='bilinear')  # 使用背景图的颜色重新着色词云
plt.axis("off")
plt.savefig(path.join(d, imgname2), bbox_inches='tight')  # 保存第二张图，名称为WordCloudColorsByImg.png
plt.show()  # 显示第二张词云图

代码解析

1. 路径配置：

   • 代码开始时配置了背景图片、文本文件、字体、停用词文件的路径。确保文件路径正确，并适应运行环境。

2. 自定义字典：

   • 使用 jieba.add_word() 方法将自定义词汇（如“中国人”）添加到 jieba 的分词词典中，确保在分词时该词能够被正确识别。

3. 背景图片读取：

   • imread 方法加载背景图，用作词云的形状和颜色参考。

4. 词云对象初始化：

   • 使用 WordCloud 类初始化词云对象，设置了一些参数：
     • font_path：指定中文字体，确保中文能够正确显示。
     • background_color：词云的背景颜色设置为白色。
     • mask：将背景图用作词云的形状。
     • max_words：限制词云最多展示的单词数为 2000。
     • width 和 height：设置词云图的宽高。

5. 文本处理：

   • 使用 jieba.cut() 对文本进行分词。
   • 通过读取停用词文件（如“的”，“和”等）来去除无意义的常用词。
   • 过滤掉长度为 1 的词（如标点符号）和停用词。

6. 生成词云：

   • 使用 wc.generate(text) 根据处理后的文本生成词云。

7. 词云显示与保存：

   • 默认颜色词云：显示和保存为 WordCloudDefautColors.png。
   • 根据背景图颜色生成的词云：使用背景图的颜色重新着色词云，并保存为 WordCloudColorsByImg.png。

结果

• 代码将生成两个词云图：
  1. 默认颜色的词云。
  2. 使用背景图颜色生成的词云。