java 标签云_简单标签云的实现

标签云是数据可视化的有效方法。标签云中根据标签的衡量指标，呈现时设置不同的字体大小或者颜色来表达标签的重要性，能够方便的表达博客的关注点。

下面是我自己实现一个简单标签云的过程，在我的标签云中，实现了用不同的字体大小来表达标签被引用的次数。当然其实有很多现成的工具可以用，不过自己对于实现原理比较好奇，也就想自己实现个，最后效果是有了，也不知道是不是常规手段。

在开工的时候我考虑了这么个问题：标签的被引用次数我很容易得到，我只需要几个简单的SQL就可以统计出各标签的的使用次数，但是问题在于难道我的标签’Java’被引用了100次,标签’切糕’仅仅被引用1次，在显示的时候就让’Java’比 ‘切糕’大一百倍？那切糕肯定不满意了，好歹切糕也很火啊。而且更实际的问题是，我们的页面在展示标签时的空间是有大小的，不可能任由字体任意大。

那么现在缕缕思路，实现标签云，我先要做下面的工作：

1、统计出各标签的引用次数

2、合理的显示标签大小

哦，前面忘记说了，基于标签云的实现，我的数据模型是这样的：1张Post表, 1张Tag表，还有一张Post和Tag的关联表

统计标签的引用次数

统计很简单，一句SQL就可以实现，我使用的Django，查询的话就这样：

tag_list = Tag.objects.annotate(num_post=Count('post_tag'))

合理显示标签大小

什么叫做合理呢？起码不能太大吧，起码也不能小的看不见吧。那么就只能规定一个取值的范围。

标签的引用次数可能会差别很大，如果直接用引用次数来作为最终标签的字体大小的话，也不是不可以，只不过有的字体会特别大,有的呢又特别小。

如果直接表示大小不行，那么我就是用倍数来表示。比如我只能接受最大的字体是最小字体的3倍，那么如何将差别很大的引用次数映射到1 ~ 3的范围之间呢？

首先来个假设，假设现在我有一组标签的引用次数A = [1, 3, 5, 6, 10],接下来的过程其实也就是找到一个合适的函数来完成这个映射。思路就是讲我们的数字逐步的往[1, 3]上靠。

先找出A中的最大值maxA,然后将A中的每个数值除以maxA， 结果也就是

A’ = [0.1, 0.3, 0.5, 0.6, 1]， 现在已经成功的将值域缩小到[0, 1]之间，继续向[1, 3]上靠。

现在对于A’中的每个数字n,都满足0 <= n <= 1,不等式两边同时乘以2，则取值范围变为0 <= 2n <= 2， 再将不等式两边同时加上1则等于, 1 <= 2n + 1 < = 3。

现在我数组A中原来的引用次数已经转化为[1, 3]之间。但是这只是个特例，我还需要更通用的公式才能满足不同区间的需求。

根据上面的步骤，可以抽象为一下步骤

A’*x + y

假设目标区间是[L, U],那么利用两个端点值，可以得到两个方程：

A’max * x + y = U

A’min * x + y = L

解方程组的：

x = ( U – L ) / (A’max – A’min) (注意分母为0的情况)

y = U – x

公式有了，接下来实现就方便了。再用前面的例子A = [1, 3, 5, 6, 10]来总结下计算过程：

1、A中每个元素除以A中最大值 的A’ [0.1, 0.3, 0.5, 0.6, 1]

2、求出A’中最大最小值A’max, A’min

3、运用公式x = ( U – L ) / (A’max – A’min) , y = U – x计算两个变量x, y的值

4、对A’中每个元素运用公式A’*x + y计算换算后的倍数M

通过上面步骤, A = [1, 3, 5, 6, 10]计算结果为M = [1.0，1.2，1.4，1.8，2.1，3.0]

有了M在前端展示的时候就可以设置style时使用 “font-size: M em;”来设置字体大小了

我的Python实现如下：

# coding=utf-8

from tumblelog.tumbleutils import TumbleLogUtils

class TagCloud(object):

''' 根据标签被引用次数计算标签最终的显示的字号'''

def __init__(self, tag_list):

self.tag_list = tag_list

self.MAX_FONT_RATE = 3.0

self.MIN_FONT_RATE = 1.0

def calculateTagFont(self):

maxE = self.maxElement()

minE = self.minElement()

normalizegList = self.normalize(maxE)

targetList = []

x = self.getBootFactor(maxE, minE)

y = self.getOffset(maxE, minE)

colorUtil = TumbleLogUtils() #一个工具类, 主要用于生成随机颜色

for i in range(0, len(normalizegList)):

normalizegList[i].num_post = normalizegList[i].num_post * x + y

normalizegList[i].color = colorUtil.getRandomColor()

targetList.append(normalizegList[i])

return targetList

def normalize(self, maxE):

''' 预处理标签引用次数, 将标签次数的值域缩小到[0,1]'''

# 只有最大值非零时才进行此操作

if maxE:

for i in xrange(0, len(self.tag_list)):

self.tag_list[i].num_post = self.tag_list[i].num_post / maxE

return self.tag_list

def getBootFactor(self, maxE, minE):

''' 计算公式中的系数 x, 如果最大最小值相等, 就返回0, 否则返回按公式的计算结果'''

if not maxE - minE:

return 0

return (self.MAX_FONT_RATE - self.MIN_FONT_RATE) / (maxE - minE) * maxE

def getOffset(self, maxE, minE):

''' 计算公式中的系数 y, 如果最大最小值相等, 就返回1, 否则返回按公式的计算结果'''

if not maxE - minE:

return 1

return self.MAX_FONT_RATE - self.getBootFactor(maxE, minE)

def maxElement(self):

tmpTags = self.tag_list.order_by('-num_post')

return float(tmpTags[0].num_post)

def minElement(self):

tmpTags = self.tag_list.order_by('-num_post')

return float(tmpTags[len(tmpTags) - 1].num_post) 对应的模版中的代码

{% for tag in tag_list%}

{{ tag.title }}

{% endfor %} 效果图

拓展思考：

1、除了用标签的引用次数来计算，还可以自己给标签一些权重，这样的话需要对公式进行调整。

2、复杂的标签云，类似下面这样的还不知道怎么弄。