使用 Python 生成《红楼梦》词云

本文介绍如何使用python绘制《红楼梦》的词云。

“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
“词云”——网络内容发布新招式 ．人民网

0.摘要

本文建议在电脑上打开，边阅读边操作。

  1. 安装python词云工具wordcloud，画图软件matplotlib
  2. 准备红楼梦文本
  3. 编写python代码并运行
  4. 展示词云结果

1.安装wordcloud

可以在cmd窗口输入

pip install wordcloud matplotlib

2.准备红楼梦文本

文本可以用下面链接下载

https://github.com/flypythoncom/flypython/blob/master/wordcloud_hlm_seg.txt

或者可以自己写代码，对文本进行清洗，分词。
这里需要安装jieba分词，pip install jieba

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import jieba
import re

special_character_removal = re.compile(r'[，。、【 】“”：；（）《》‘’{}？！⑦%>℃.^-——=&#@￥『』]', re.IGNORECASE)

fw=open("hlm_seg.txt","w",encoding="utf-8")

with open('hlm.txt',encoding="utf-8") as fp:
    for line in fp:
        l = special_character_removal.sub('', line.strip())
        words=jieba.cut(l)
        t=" ".join(words)
        fw.write(t)
        fw.write("\n")

fw.close()

3. 编写词云python代码并运行

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

from os import path  
from wordcloud import WordCloud

d = path.dirname(__file__)  
# Read the whole text.  
text = open(path.join(d, 'hlm_seg.txt'),encoding="utf-8").read()  
# Generate a word cloud image  
# font=path.join(d, "simkai.ttf")  
font='C:/Windows/Fonts/simkai.ttf'  
wordcloud = WordCloud(font_path=font,#设置中文字体，不指定就会出现中文不显示  
  width=1024,#宽  
  height=840,#高  
  background_color='white',#设置背景色   
  # max_words=100,#最大词汇数  
  # max_font_size=100#最大号字体  
  ).generate(text)  
  
# Display the generated image:  
# the matplotlib way:  
import matplotlib.pyplot as plt  
  
plt.figure()  
plt.imshow(wordcloud)  
plt.axis("off")  
plt.show()

结果：

词云运行结果

后台回复“词云”获得完整运行代码

人生苦短，我用python早下班。如果觉得不错，对你工作中有帮助，请加我微信公众号flypython，我们一起探讨python相关问题

flypython微信公众号