Python实现中文词云（wordcloud），根据背景图片生成词云

Python实现词云的库有很多，较为常见的就是wordcloud
这个库基于PIL，PIL是必不可少的，需要用的还有matplotlib和numpy

本文使用解释器为python2.7.13 32位

安装

pip install wordcloud

使用

针对库示例做了一个简单修改，直接使用generate_from_frequencies方法，而没有使用generate()方法。有这样几个原因，generate_from_frequencies是基础的方法，generate()仍然还是要调用generate_from_frequencies方法；实验比较直接。

库的使用方法很简单，但是中文使用的话会有几个问题，一个是字符编码问题，二是字体问题，默认的字体不支持中文，因此需要加入font_path = "simfang.ttf"指定字体，这是把字体指定为同一个文件夹下的simfang.ttf。

#encoding=utf-8
from os import path
from wordcloud import WordCloud
import sys
reload(sys)
sys.setdefaultencoding('utf-8')


fre={"哈哈".decode('utf-8'): 1.2,"呵呵".decode('utf-8'):6}
wordcloud = WordCloud(font_path = "simfang.ttf").generate_from_frequencies(fre)

import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

后续的工作还可以将引入分词工具直接进行分词。

结合我前面的做的例子
先抽取网页的文本，然后再进行分词，将分词结果根据频率作为字典传给generate_from_frequencies，生成词云。
更简单，比如直接抽取文章的关键词，比如博客每篇文章就有关键词，用Counter库，直接生成频率调用。

使用背景图片生成词云

对上面的代码做了一点简单的改动

#encoding=utf-8

from os import path
from wordcloud import WordCloud
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

d = path.dirname(__file__)
text = open(path.join(d, 'constitution.txt')).read().decode('utf-8')

import numpy as np
from PIL import Image
football = np.array(Image.open(path.join(d, "timg.jpg")))

fre={"哈哈".decode('utf-8'): 1.2,"呵呵".decode('utf-8'):6,"咯咯".decode('utf-8'):6,
"呵呵".decode('utf-8'):6,"咯咯".decode('utf-8'):6,
"啦啦".decode('utf-8'):1,"哦哦".decode('utf-8'):6,
"恩恩".decode('utf-8'):3,"呃呃".decode('utf-8'):6,
"饿饿".decode('utf-8'):3,"嗯嗯".decode('utf-8'):6,
"哼哼".decode('utf-8'):5,"丽丽".decode('utf-8'):6,
"咔咔".decode('utf-8'):7,"咳咳".decode('utf-8'):6,
"乐乐".decode('utf-8'):6,"呐呐".decode('utf-8'):6,
"嘎嘎".decode('utf-8'):6,"嘻嘻".decode('utf-8'):6}
#wordcloud = WordCloud(font_path = "simfang.ttf").generate(text)
wordcloud = WordCloud(font_path = "simfang.ttf",mask=football).generate_from_frequencies(fre)

import matplotlib.pyplot as plt
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()