早上看到簡友@向右奔跑 的文章超簡單：快速制作一款高逼格詞云圖，試了一下介紹的工具真心好用，近期剛好想爬些數(shù)據(jù)做詞云藻肄，就嘗試了一下jieba分詞提取txt關(guān)鍵詞生成詞云。
先上效果圖：
用到的工具
- 原始數(shù)據(jù)：《白夜行》小說拒担，txt格式（我是用calibre把原來mobi格式的書轉(zhuǎn)成txt的）嘹屯。后期可以用爬蟲爬點網(wǎng)頁數(shù)據(jù)做原始數(shù)據(jù)。為簡單就先用txt練手好了从撼。
- 提取關(guān)鍵詞：jieba分詞州弟、停用詞表
- 在線詞云生成工具：TAGUL
簡單分析一下
生成詞云最關(guān)鍵的問題是中文分詞，統(tǒng)計分析各個詞的權(quán)重（權(quán)重較高的字體顯示較大）低零。這些問題jieba分詞已經(jīng)幫我們解決了婆翔。我們只需要import jieba.analyse，使用jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())方法即可掏婶，當然只是提取關(guān)鍵詞還是不夠的啃奴，因為有些沒有意義的常用詞諸如“我的”、“或者”雄妥、“一個”等詞最蕾，會出現(xiàn)在結(jié)果里面，還需要一個“停用詞表”來幫我們過濾結(jié)果老厌。
我們的目標是提取關(guān)鍵詞瘟则，并得到“關(guān)鍵詞+制表符+權(quán)重”的文本，這里關(guān)鍵詞和權(quán)重用制表符隔開是為了在用在線工具的時候枝秤，能順利導入權(quán)重的值醋拧，決定詞的大小（size）淀弹。
關(guān)鍵詞和size中間用制表符分開
步驟：
- 安裝jieba
pip install jieba - 準備好txt文件和停用詞表（網(wǎng)上可以下載到丹壕，txt格式即可）
- 編寫代碼
import jieba.analyse
path = '你的txt文件路徑'
file_in = open(path, 'r')
content = file_in.read()
try:
jieba.analyse.set_stop_words('你的停用詞表路徑')
tags = jieba.analyse.extract_tags(content, topK=100, withWeight=True)
for v, n in tags:
#權(quán)重是小數(shù)，為了湊整垦页，乘了一萬
print v + '\t' + str(int(n * 10000))
finally:
file_in.close()
運行結(jié)果如下：
4.打開TAGUL雀费，開始制作詞云干奢，把結(jié)果貼進import words里
5.選個shape（詞云輪廓）
6.在fonts中痊焊，導入一個中文字體，我用的微軟雅黑：
7.點擊visualize即可生成
8.Download and Share里面可以下載需要的格式。
參考文章：
1.TF-IDF與余弦相似性的應用（一）：自動提取關(guān)鍵詞
2.超簡單：快速制作一款高逼格詞云圖
3.jieba的github
