使用 Python 制作定制词云知识问答游戏

原创于 2025-11-23 09:49:19 发布 · 587 阅读

9 ·

CC 4.0 BY-SA版权

License CC BY-NC-SA 4.0 / 自豪地采用谷歌翻译

文章标签：

#榛樿鍒嗙被

榛樿鍒嗙被专栏收录该内容

1022 篇文章

订阅专栏

部署运行你感兴趣的模型镜像

原文：towardsdatascience.com/craft-a-customized-word-cloud-trivia-game-with-python-cff7df28501d

快速成功数据科学

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/80372824ab73a4f7d5a65ea4838db838.png

游戏之夜词云（作者制作）

你厌倦了游戏之夜的老套桌游了吗？如果你懂一点 Python，你可以轻松制作一个带有词云的定制知识问答游戏。

词云是一种用于显示文本数据的视觉表示，用于在网站上显示称为标签的关键字元数据。在词云中，字体大小或颜色显示了每个标签或单词的重要性。

这里有三个示例词云测验；你能猜出两部电影和一首歌（答案在本篇文章的末尾）：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/02ed8fbf3fd766a23d651fd34d5e4d1e.png

一部电影词云（作者制作）

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/5dd0993f3867a172affcf6434e7cf7e8.png

另一部电影词云（作者制作）

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/4ca76e38aa0a9ae6bb1bd31663b2eb4e.png

一首流行歌曲词云（作者制作）

你可以使用这种技术为电影、音乐、小说、历史事件等生成定制测验。它们也适用于更严肃的应用，如培训练习。最好的是，它们可以根据你想要的任何主题进行定制。

在这个快速成功数据科学项目中，我们将制作电影知识问答游戏的测验卡和答题卡。作为这个过程的一部分，我们将直接从维基百科电影页面抓取数据。使用这个基本模板，你应该能够将程序适应到其他用途。

安装库

除了 Python 之外，你还需要以下库：

NumPy: 用于创建数组。
Matplotlib: 用于绘图。
pillow: 用于处理词云图像。
requests: 用于发起 HTTP 请求。
beautifulsoup4: 用于从 HTML 文件中提取数据。

你可以在之前的链接中找到pip的安装说明。

如果你使用 Anaconda，请创建并激活 conda 环境，然后在命令行中输入以下内容：

conda install numpy matplotlib pillow requests beautifulsoup4

然后是：

pip install wordcloud

代码

以下代码是在 JupyterLab 中编写的，可以从这个Gist下载。

导入库和添加链接及停用词

以下代码导入第三方库，创建电影名称及其维基百科页面链接的字典，并创建一个停用词集合。停用词是简短的非上下文单词（如“so”、“if”和“the”），我们不希望它们使我们的词云杂乱。

import matplotlib.pyplot as plt
from matplotlib import patches  
import requests
from bs4 import BeautifulSoup
from wordcloud import WordCloud, STOPWORDS

# Create a dictionary of movie Wikipedia pages:
urls = {'avengers infinity war': 'https://w.wiki/3hxu',
        'avengers end game': 'https://w.wiki/3hHY',
        'deathly hallows 1': 'https://w.wiki/9PuP',
        'deathly hallows 2': 'https://w.wiki/8u8Y'}

# Capture stopwords for later removal:
stopwords = set(STOPWORDS)
# stopwords.update(['us', 'one']  # Add additional stopwords if needed. 

# colormap = 'Dark2'  # Option to change default color scheme.

要获取 URL，我导航到相应的维基百科页面，然后点击工具菜单，接着点击获取缩短的 URL。这样做可以保持行长度不会变得过长和难以处理。

还要注意，你可以向从词云库获得的预填充列表中添加停用词。只需取消注释上一个单元格中的stopwords.update()行，并将新单词添加到列表中。你只需要在发现某些词云中遗漏了无用的单词时这样做。

最后，如果你想更改词云的颜色方案，取消注释最后一行并提供颜色映射。你可以在这个网站找到示例颜色映射。

定义一个从维基百科提取文本的函数

以下代码定义了一个函数，用于加载维基百科页面 URL，提取“Plot”标题下的电影简介，并将文本作为字符串返回。我们将使用此文本来构建词云。

def extract_plot_text(url):
    """Extract text from 'Plot' section of Wikipedia film page."""
    response = requests.get(url, timeout=10)  # 10 second timeout.
    soup = BeautifulSoup(response.content, 'html.parser')    
    plot_header = soup.find('span', {'id': 'Plot'})

    if plot_header:
        plot_text = ''
        next_element = plot_header.find_next()

        while next_element and next_element.name != "h2":
            if next_element.name == "p":
                plot_text += next_element.get_text() + "n"
            next_element = next_element.find_next()

        return plot_text.strip()

该函数使用 requests 库获取 URL，并使用 BeautifulSoup 解析输出。我们使用 BeautifulSoup 查找具有“Plot”ID的span元素。如果找到图表标题，我们初始化一个字符串（plot_text）来保存文本。

接下来，我们开始遍历结果，查找被标记为p的段落并将它们连接到字符串中。然后我们使用strip()字符串方法在返回字符串之前移除前导和尾随空白字符。

定义一个制作词云的函数

接下来，我们定义一个函数，该函数使用词云库从提取的文本中制作词云。

def make_wordcloud(text):
    """Return a word cloud object for a corpus."""
    return WordCloud(max_words=50, 
                     width=800,
                     height=500,
                     relative_scaling=0.2, 
                     mask=None,
                     background_color='white', 
                     stopwords=stopwords, 
                     margin=5, 
                     random_state=1).generate(text)

这里的一些关键参数包括max_words，它决定了云中的单词数量，stopwords，它过滤掉我们的停用词集合，以及random_state，它设置随机种子数，以便我们可以重现词云。要查看所有可用参数的列表和描述，请访问这个网站。

如果你选择使用非默认的颜色映射，如前所述，在调用WordCloud()时需要添加以下参数：

colormap=colormap

定义一个绘制图形轮廓的函数

现在我们定义一个函数，该函数使用 Matplotlib patches在每一个词云周围绘制矩形轮廓。

def add_outline_to_figure(fig):
    """Add a black outline to the given figure."""
    rect = patches.Rectangle((0, 0), 1, 1, 
                             transform=fig.transFigure, 
                             fill=False, 
                             color='black', 
                             linewidth=2, 
                             zorder=1000)
    fig.add_artist(rect)

此函数直接在现有图形上工作，因此不返回任何内容。

定义一个生成测验的函数

最终的函数将所有内容整合在一起，制作词云卡片和答案键。卡片以 PNG 文件保存，答案键以文本文件保存。

def make_quiz(url_dict):
    """Generate final figures and return answer key."""
    answers = []

    for i, (key, value) in enumerate(url_dict.items()):
        answers.append((i + 1, key))
        plot = extract_plot_text(value)
        wc = make_wordcloud(plot)

        # Convert cloud into NumPy array to use with matplotlib:
        colors = wc.to_array()  

        # Make the word cloud figure:
        fig = plt.figure()
        plt.title(f'Quiz #{i + 1}')
        plt.imshow(colors, interpolation="bilinear")
        plt.axis("off")
        plt.tight_layout()

        # Add outline with dimensions of the figure:
        add_outline_to_figure(fig)

        # Save and show figure:
        fig.savefig(f'{key}.png', dpi=600)
        plt.show()

    return answers

注意，我们在每张卡片上添加了一个标题，例如，“测验 1”，这样我们就可以将其与答案键匹配。

运行程序

以下代码首先调用前面的函数，然后将答案键保存为文本文件。

# Generate the figures and answer key:
answer_key = make_quiz(urls)

# Save the answers as a text file:
with open('answer_key.txt', 'w') as f:
    for item in answer_key:
        print(f"Quiz {item[0]}: {item[1]}", file=f)