閑暇時(shí)間喜歡看小說(shuō)，就想著給小說(shuō)做詞云，展示小說(shuō)的主要內(nèi)容。開(kāi)發(fā)語(yǔ)言是Python，主要用到的庫(kù)有wordcloud、jieba、scipy。代碼很簡(jiǎn)單，首先用jieba.cut()函數(shù)做分詞，生成以空格分割的字符串，然后新建WordCloud類(lèi)，保存為圖片。

1 #coding:utf-8

2 importsys3 importjieba4 importmatplotlib.pyplot as plt5 from wordcloud importWordCloud,ImageColorGenerator6 from scipy.misc importimread7 from datetime importdatetime8

9 novel=sys.argv[1] #'assz.txt'

10 imgmask=sys.argv[2] #'assz.jpg'

11 t=datetime.now()12 resimg="word_"+novel.split('.')[0]+"_"+str(t.month)+str(t.day)+str(t.hour)+str(t.minute)+str(t.second)+".jpg"

13

14 novletext=open(novel).read()15 hmseg=jieba.cut(novletext)16

17 seg_space=' '.join(hmseg)18

19 alice_color=imread(imgmask)20#wordcloud默認(rèn)不支持中文，這里的font_path需要指向中文字體，不然得到的詞云全是亂碼

21 fwc=WordCloud(font_path='msyh.ttc',max_words=700,background_color='white',mask=alice_color,max_font_size=100,font_step=1).generate(seg_space)22 imagecolor=ImageColorGenerator(alice_color)23 plt.imshow(fwc.recolor(color_func=imagecolor))24 plt.axis("off")25 plt.show()26 fwc.to_file(resimg)

結(jié)果如下

得到的結(jié)果很不理想，一是角色的名字被分割開(kāi)，比如“路西恩”被分割成了“路西”、“恩”或者“路”、“西恩”；二是“這樣”、“那樣”、“他們”這樣的常用詞太多，蓋住了其他詞語(yǔ)，讓人無(wú)法確定小說(shuō)的內(nèi)容。

因此在生成詞云之前，還得先生成一個(gè)過(guò)濾表，把“這樣”、“那樣”、“他們”這樣的常用詞去掉，不參與詞云展示。這里我選了《斗破蒼穹》《回到過(guò)去變成貓》《奧術(shù)神座》《滅運(yùn)圖錄》《一世之尊》5本書(shū)，求出詞頻并排序，取每本書(shū)出現(xiàn)頻率最高的1500個(gè)詞，如果一個(gè)詞在這7500個(gè)詞中出現(xiàn)兩次（不含）以上，則認(rèn)為是高頻常用詞，寫(xiě)入過(guò)濾表中。

1 #coding:utf-8

2 importos3 importjieba4

5 defff(dd):6 return dd[1]7

8 defarray2dic(arr):9 segdict={}10 for seg inarr:11 if len(seg)<2:12 continue

13 if seg insegdict:14 segdict[seg]+=1

15 else:16 segdict[seg]=1

17 returnsegdict18

19 novels=['斗破蒼穹.txt','回到過(guò)去變成貓.txt','assz.txt','mytl.txt','yszz.txt']20 freq=[]21 for novel innovels:22 maotext=open(novel).read()23 seglist=jieba.cut(maotext)24 segdict=array2dic(seglist)25

26 c=1

27 segsort=sorted(segdict.items(),key=ff,reverse=True)28 for item insegsort:29 #print(item[0]+' '+str(item[1]))

30 freq.append(item[0])31 if c==1500:32 break

33 c+=1

34

35 freqdict=array2dic(freq)36 freqsort=sorted(freqdict.items(),key=ff,reverse=True)37 k=1

38 f=open('filter3.txt','w+')39 for item infreqsort:40 if item[1]>3:41 f.write(item[0]+" ")42 if k%5==0:43 f.write("\n")44 k+=1

45 f.close()46 print('ok')

同時(shí)，在分詞之前，添加新詞，保證分詞準(zhǔn)確。修改后的代碼如下

1 #coding:utf-8

2 importsys3 importjieba4 importmatplotlib.pyplot as plt5 from wordcloud importWordCloud,ImageColorGenerator6 from scipy.misc importimread7 from datetime importdatetime8

9 jieba.add_word('路西恩')10 jieba.add_word('恐怖如斯')11

12 defcustomfilter(segs):13 filter=open('filter.txt').read()14 resseg=""

15 for seg insegs:16 if seg not infilter:17 resseg+=' '+seg18 returnresseg19

20 novel=sys.argv[1] #'assz.txt'

21 imgmask=sys.argv[2] #'assz.jpg'

22 t=datetime.now()23 resimg="word_"+novel.split('.')[0]+"_"+str(t.month)+str(t.day)+str(t.hour)+str(t.minute)+str(t.second)+".jpg"

24

25 novletext=open(novel).read()26 hmseg=jieba.cut(novletext)27

28 seg_space=customfilter(hmseg)29

30 alice_color=imread(imgmask)31

32 fwc=WordCloud(font_path='msyh.ttc',max_words=700,background_color='white',mask=alice_color,max_font_size=100,font_step=1).generate(seg_space)33 imagecolor=ImageColorGenerator(alice_color)34 plt.imshow(fwc.recolor(color_func=imagecolor))35 plt.axis("off")36 plt.show()37 fwc.to_file(resimg)

成果代碼

這樣的結(jié)果比之前進(jìn)步不小。

從詞云上能看出不少有意思的規(guī)律，比如：有女主的小說(shuō)，女主的名字出現(xiàn)頻率往往僅次于主角。比如路西恩與娜塔莎，郝仁與薇薇安。但是全職里陳果在詞頻上享受了女主的待遇，欽點(diǎn)的女主蘇沐橙反倒要仔細(xì)找才能看到。

總結(jié)

以上是生活随笔為你收集整理的python 小说 云_Python给小说做词云的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。