爬虫笔记：使用python生成词云（八）

什么是词云呢？

词云就是一些关键词组成的一个图片。大家在网上经常看到，下面看一些例子：

那用python生成一个词云的话怎么办呢，首先要有一些词，随便找个吧，用see you again的歌词好了，放到again.txt里面，放着待会用。

然后呢，咱们用 wrodcloud这个模块，他可以实现分词，生成咱们想要的词云图片，直接使用pip install wordcloud安装即可。

 

过程呢，就是先读取到歌词，然后给WordCloud，让他帮咱们分词，分词的意思就是把里面的一些关键词提取出来，以及指定图片的大小，背景颜色，字体等等，废话不多说，直接上代码。

from wordcloud import WordCloud #导入词云模块
words = open('again.txt',encoding='utf-8').read()#打开歌词文件，获取到歌词
wordcloud = WordCloud(width=1000, #图片的宽度
					  height=860,  #高度
					  margin=2,	#边距
					  background_color='black',#指定背景颜色
					  font_path='C:\Windows\Fonts\Sitka Banner\msyh.ttc'#指定字体文件，要有这个字体文件，自己随便想用什么字体，就下载一个，然后指定路径就ok了
					  )
wordcloud.generate(words) #分词
wordcloud.to_file('again.jpg')#保存到图片

　　注意，这个地方可能会报“OSError: cannot open resource”的一个错误，这是由于找不到字体的原因。我上面的字体位置就是系统中字体位置，所以如果报错了，检查一下是否有该字体，更换一下就好。

简单的几行代码就ok拉，下面是生成的效果图

 

但是wordcloud这个模块对中文分词支持不怎么好，因为英文每个单词都是空格分开的，但是中文每个词语并部署，另外有个模块，对中文分词的比较好，这个模块是jieba，直接pip install jieba即可。

下面咱们再找个歌词，来个中文的，找到一路向北的歌词，保存到ylxb.txt里面，然后先使用wordcloud分词，保存到，ylxb1.jpg里面，再用jiba来分词，保存到ylxb2.jpg里面，看看差别

第一张，wordcloud自带的分词之后的词云

第二张，使用jieba分词之后的词云

 

明显就能看出来第一个基本就没有分词，使用jieba之后，把歌词里面的一些词语提取了出来，下面是代码。

import jieba
from wordcloud import WordCloud #导入词云模块
words = open('ylxb',encoding='utf-8').read()#打开歌词文件，获取到歌词
new_words = ' '.join(jieba.cut(words))#使用jieba.cut分词，然后把分好的词变成一个字符串，每个词用空格隔开
wordcloud = WordCloud(width=1000, #图片的宽度
					  height=860,  #高度
					  margin=2,	#边距
					  background_color='black',#指定背景颜色
					  font_path='C:\Windows\Fonts\Sitka Banner\msyh.ttc'#指定字体文件，要有这个字体文件，自己随便想用什么字体，就下载一个，然后指定路径就ok了；刚才的字体适用于英文字体，用在中文字体上会报错，所以换了一个中文字体
					  )
wordcloud.generate(new_words) #分词
wordcloud.to_file('ylxb2.jpg')#保存到图片

　　ok，词云已经生成了，很完美。但是我看到别人的词云，都是各种形状的，为啥咱们都是一个矩形呢。当然是可以解决的了，咱们想让它成什么形状就是什么形状，需要先找到一个有形状的图片，我这里找了一棵树的图片作为例子，然后需要用到PIL模块，处理图片，用numpy把这个图片的各种属性转成数字，这2个模块需要安装，都是用pip安装即可，pip install PIL，pip install  numpy。先看下图片

原来的高跟鞋参照物

下面是产生高跟鞋形状的词云

下面直接上代码

import jieba,numpy
from PIL import Image#导入PIL模块处理图片
from wordcloud import WordCloud #导入词云模块
words = open('ylxb.txt',encoding='utf-8').read()#打开歌词文件，获取到歌词
new_words = ' '.join(jieba.cut(words))#使用jieba.cut分词，然后把分好的词变成一个字符串，每个词用空格隔开
alice_mask = numpy.array(Image.open('gaogenxie.jpg'))
#使用pil模块打开这个图片，然后用numpy获取到这个图片各种乱八七糟的属性
wordcloud = WordCloud(width=1000, #图片的宽度
					  height=860,  #高度
					  margin=2,	#边距
					  mask=alice_mask,
					  background_color='#d4ff80',#指定背景颜色，这里用的是颜色代码
					  font_path='C:\Windows\Fonts\Sitka Banner\msyh.ttc'#指定字体文件，要有这个字体文件，自己随便想用什么字体，就下载一个，然后指定路径就ok了
					  )
wordcloud.generate(new_words) #分词
wordcloud.to_file('ylxb3.jpg')#保存到图片