jieba库与好玩的词云的学习与应用实现

经过了一些学习与一些十分有意义的锻（zhe）炼（mo），我决定尝试一手新接触的python第三方库

——jieba库！

这是一个极其优秀且强大的第三方库，可以对一个文本文件的所有内容进行识别，分词，甚至是根据猜测的词义形成字典！

这么好用的库不去了解实在是可惜啊！！！

那么第一步，我们当然是先安装它了！

步骤很简单！

就是我们以往的cmd命令行安装即可；

接下来让我们了解一下它的基本语法吧！

jieba库有三个基本的模式：精确模式、全模式、搜索引擎模式

精确模式：试图将语句最精确的切分，不存在冗余数据，适合做文本分析

全模式：将语句中所有可能是词的词语都切分出来，速度很快，但是存在冗余数据

搜索引擎模式：在精确模式的基础上，对长词再次进行切分 

于是我们来尝试一下：

第一步：首先是精准模式：
上图

哇！！真的可以准确地分词诶！！不过……我知道我可以很伟大……但也没必要拆了我名字把……哈哈哈哈

第二步：全模式

哟～好吧，我用亲生经历告诉大家，其实这ｊｉｅｂａ库还是有它识别的局限的，我现在又“伟大”，又“大帅”了哈哈哈

不过我发现，该模式下，一个标点符号后就会多出“／／”来区分断点，而且少掉了标点符号，显然它是对主体的词汇进行操作了！

第三步：搜索引擎模式

虽然不知道是什么模式，不过听上去就很高大上！

不多说，先试！

ｅｍｍｍ……看这输出结果我并不能看出与第一步模式有什么不同，也许我还得深入研究！

 接下来我看可以开始一些简单的应用了，

下面贴一段代码：

def get_text():
    txt = open("NEWS.txt", "r", encoding='UTF-8').read()
    txt = txt.lower()
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':
        txt = txt.replace(ch, " ")      # 将文本中特殊字符替换为空格
    return txt

file_txt = get_text()
words = file_txt.split()    # 对字符串进行分割，获得单词列表
counts = {}

for word in words:
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word, 0) + 1 

items = list(counts.items())    
items.sort(key=lambda x: x[1], reverse=True)      

for i in range(5):
    word, count = items[i]
    print("{0:<5}->{1:>5}".format(word, count))

很显然，我在桌面上放了一个名为“NEWS”的ｔｘｔ文件（其实是Python目录里的一个说明的一部分哈哈哈），然后用着代码去计算里面一些长度的词的个数（该代码适合英文）

 结果是：

挺好用！

当然，在这里介绍的只是一些初步，jieba库还有好多值得一试的好玩功能，你甚至可以结合字典，搜索关键字等等……

接下来！！！是词云部分的制作！

虽然我们有很多词云自动生成的网站，但是自己编写出来的可运行程序会不会更加有成就感呢！

有一种形式：

（1）打开taglue官网，点击import words，把运行的结果copy过来。
（2）选择形状，在这里是网上下载的图片进行的导入。
（3）选择字体。
（4）点击Visualize生成图片。

当然啦~其实这也不是什么高深莫测的题目，我们可是拥有强大的第三方python库的啊！！wordcloud——你值得拥有！

一样滴先cmd安装，接着还有确保jieba库和matploylib的安装

下面是代码实现：

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
 
def create_word_cloud(filename):
    text = open("百年孤独.txt".format(filename)).read()
    
    wordlist = jieba.cut(text, cut_all=True) 
    wl = " ".join(wordlist)
 

    wc = WordCloud(
        background_color="black",
        max_words=2000,
        font_path='simsun.ttf',
        height=1200,
        width=1600,
        max_font_size=100,
        random_state=100,
    )
 
    myword = wc.generate(wl) 
    plt.imshow(myword)
    plt.axis("off")
    plt.show()
    wc.to_file('img_book.png')

if __name__ == '__main__':
    create_word_cloud('mytext')

通过放在桌面的《百年孤独》文本搜索素材

效果如图：

 

我还发现了下面的按钮还有一些比较好玩的功能比如调节大小

在这个数值下会覆盖全框哦！

是不是很赞呢~快去自己试试看怎么实现吧~~