Python实例题：使用Python定制词云

目录

Python实例题

题目

代码实现

实现原理

文本处理：

词云生成：

可视化与输出：

关键代码解析

1. 文本预处理与分词

2. 词云生成

3. 图像颜色映射

使用说明

安装依赖：

基本用法：

使用自定义字体：

使用蒙版图像：

从图像获取颜色：

自定义参数：

扩展建议

增强功能：

性能优化：

应用扩展：

界面改进：

Python实例题

题目

使用Python定制词云

代码实现

import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import numpy as np
from PIL import Image
import argparse
import osclass CustomWordCloud:def __init__(self):"""初始化词云生成器"""self.stopwords = set(STOPWORDS)# 添加中文停用词self.chinese_stopwords = {'的', '了', '在', '是', '我', '有', '和', '就', '不', '人', '都', '一', '一个', '上', '也', '很', '到', '说', '要', '去', '你', '会', '着', '没有', '看', '好', '自己', '这'}self.stopwords.update(self.chinese_stopwords)# 默认字体路径（根据系统不同可能需要修改）self.font_path = Noneself._set_default_font()def _set_default_font(self):"""设置默认字体路径，根据不同操作系统自动选择"""if os.name == 'nt':  # Windows系统self.font_path = r"C:\Windows\Fonts\simhei.ttf"  # 黑体elif os.name == 'posix':  # Linux/Mac系统# 尝试常见的中文字体位置possible_fonts = ["/System/Library/Fonts/PingFang.ttc",  # macOS"/usr/share/fonts/truetype/wqy/wqy-microhei.ttc",  # Linux文泉驿微米黑"/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc",  # Linux Noto字体]for font in possible_fonts:if os.path.exists(font):self.font_path = fontbreakdef set_font_path(self, font_path):"""设置自定义字体路径"""if os.path.exists(font_path):self.font_path = font_pathreturn Trueelse:print(f"错误：字体文件不存在 - {font_path}")return Falsedef add_stopwords(self, words):"""添加自定义停用词"""if isinstance(words, str):self.stopwords.add(words)elif isinstance(words, list):self.stopwords.update(words)def preprocess_text(self, text):"""预处理文本，包括分词和停用词过滤"""# 使用jieba进行中文分词words = jieba.cut(text)# 过滤停用词并连接processed_text = " ".join([word for word in words if word not in self.stopwords])return processed_textdef generate_from_text(self, text, mask=None, background_color='white', max_words=200, width=800, height=400, contour_width=0, contour_color='steelblue',colormap=None, prefer_horizontal=0.9):"""从文本生成词云Args:text: 输入文本mask: 蒙版图像（numpy数组）background_color: 背景颜色max_words: 最大词数width: 词云宽度height: 词云高度contour_width: 轮廓线宽度contour_color: 轮廓线颜色colormap: 颜色映射名称prefer_horizontal: 水平放置词的比例"""if not self.font_path:raise ValueError("未找到合适的字体，请使用set_font_path方法设置字体路径")# 预处理文本processed_text = self.preprocess_text(text)# 创建词云对象wc = WordCloud(font_path=self.font_path,background_color=background_color,max_words=max_words,mask=mask,contour_width=contour_width,contour_color=contour_color,colormap=colormap,prefer_horizontal=prefer_horizontal,width=width,height=height,stopwords=self.stopwords)# 生成词云wc.generate(processed_text)return wcdef generate_from_frequencies(self, frequencies, mask=None, background_color='white', width=800, height=400, contour_width=0, contour_color='steelblue', colormap=None):"""从词频字典生成词云Args:frequencies: 词频字典 {词: 频率}mask: 蒙版图像（numpy数组）background_color: 背景颜色width: 词云宽度height: 词云高度contour_width: 轮廓线宽度contour_color: 轮廓线颜色colormap: 颜色映射名称"""if not self.font_path:raise ValueError("未找到合适的字体，请使用set_font_path方法设置字体路径")# 创建词云对象wc = WordCloud(font_path=self.font_path,background_color=background_color,mask=mask,contour_width=contour_width,contour_color=contour_color,colormap=colormap,width=width,height=height,stopwords=self.stopwords)# 从词频生成词云wc.generate_from_frequencies(frequencies)return wcdef color_by_image(self, wc, image_path):"""根据图像颜色生成词云颜色Args:wc: 词云对象image_path: 图像路径Returns:颜色函数"""try:image = Image.open(image_path)image_array = np.array(image)image_colors = ImageColorGenerator(image_array)return wc.recolor(color_func=image_colors)except Exception as e:print(f"从图像获取颜色失败: {e}")return wcdef save_wordcloud(self, wc, output_path):"""保存词云图像"""try:wc.to_file(output_path)print(f"词云已保存到: {output_path}")except Exception as e:print(f"保存词云失败: {e}")def display_wordcloud(self, wc, title=None):"""显示词云图像"""plt.figure(figsize=(10, 8))plt.imshow(wc, interpolation="bilinear")if title:plt.title(title, fontsize=15)plt.axis("off")plt.tight_layout(pad=0)plt.show()def main():parser = argparse.ArgumentParser(description='定制词云生成器')parser.add_argument('--text', help='输入文本文件路径')parser.add_argument('--output', help='输出图像文件路径', default='wordcloud.png')parser.add_argument('--mask', help='蒙版图像路径')parser.add_argument('--font', help='字体文件路径')parser.add_argument('--background', help='背景颜色', default='white')parser.add_argument('--max_words', type=int, help='最大词数', default=200)parser.add_argument('--width', type=int, help='词云宽度', default=800)parser.add_argument('--height', type=int, help='词云高度', default=400)parser.add_argument('--contour_width', type=float, help='轮廓宽度', default=0)parser.add_argument('--contour_color', help='轮廓颜色', default='steelblue')parser.add_argument('--colormap', help='颜色映射名称')parser.add_argument('--color_by_image', help='根据图像着色')parser.add_argument('--stopwords', help='停用词文件路径')parser.add_argument('--title', help='显示的标题')args = parser.parse_args()# 创建词云生成器wc_generator = CustomWordCloud()# 设置自定义字体if args.font:wc_generator.set_font_path(args.font)# 添加自定义停用词if args.stopwords:try:with open(args.stopwords, 'r', encoding='utf-8') as f:custom_stopwords = [line.strip() for line in f.readlines()]wc_generator.add_stopwords(custom_stopwords)except Exception as e:print(f"加载停用词失败: {e}")# 加载文本if not args.text:print("请提供输入文本文件路径 (--text)")returntry:with open(args.text, 'r', encoding='utf-8') as f:text = f.read()except Exception as e:print(f"读取文本文件失败: {e}")return# 加载蒙版图像mask = Noneif args.mask:try:mask_image = Image.open(args.mask).convert("RGB")mask = np.array(mask_image)except Exception as e:print(f"加载蒙版图像失败: {e}")# 生成词云wc = wc_generator.generate_from_text(text,mask=mask,background_color=args.background,max_words=args.max_words,width=args.width,height=args.height,contour_width=args.contour_width,contour_color=args.contour_color,colormap=args.colormap)# 根据图像着色if args.color_by_image:wc = wc_generator.color_by_image(wc, args.color_by_image)# 保存词云wc_generator.save_wordcloud(wc, args.output)# 显示词云wc_generator.display_wordcloud(wc, args.title)if __name__ == "__main__":main()    

实现原理

这个定制词云生成器基于以下核心技术实现：

• 文本处理：

  • 使用 jieba 库进行中文分词
  • 支持自定义停用词过滤
  • 文本预处理和词频统计

• 词云生成：

  • 使用 wordcloud 库创建词云
  • 支持自定义形状、颜色和字体
  • 支持从文本或词频生成词云

• 可视化与输出：

  • 使用 matplotlib 显示词云
  • 支持保存为图片文件
  • 支持从图像获取颜色映射

关键代码解析

1. 文本预处理与分词

def preprocess_text(self, text):# 使用jieba进行中文分词words = jieba.cut(text)# 过滤停用词并连接processed_text = " ".join([word for word in words if word not in self.stopwords])return processed_text

2. 词云生成

def generate_from_text(self, text, mask=None, background_color='white', max_words=200, width=800, height=400, contour_width=0, contour_color='steelblue',colormap=None, prefer_horizontal=0.9):if not self.font_path:raise ValueError("未找到合适的字体")processed_text = self.preprocess_text(text)wc = WordCloud(font_path=self.font_path,background_color=background_color,max_words=max_words,mask=mask,contour_width=contour_width,contour_color=contour_color,colormap=colormap,prefer_horizontal=prefer_horizontal,width=width,height=height,stopwords=self.stopwords)wc.generate(processed_text)return wc

3. 图像颜色映射

def color_by_image(self, wc, image_path):try:image = Image.open(image_path)image_array = np.array(image)image_colors = ImageColorGenerator(image_array)return wc.recolor(color_func=image_colors)except Exception as e:print(f"从图像获取颜色失败: {e}")return wc

使用说明

• 安装依赖：

pip install jieba wordcloud matplotlib pillow numpy

• 基本用法：

python custom_wordcloud.py --text sample.txt --output wordcloud.png

• 使用自定义字体：

python custom_wordcloud.py --text sample.txt --font "C:/Windows/Fonts/simhei.ttf"

• 使用蒙版图像：

python custom_wordcloud.py --text sample.txt --mask shape.png

• 从图像获取颜色：

python custom_wordcloud.py --text sample.txt --mask shape.png --color_by_image colors.png

• 自定义参数：

python custom_wordcloud.py --text sample.txt --background black --max_words 300 --colormap viridis

扩展建议

• 增强功能：

  • 添加更多文本处理选项（词性过滤、词干提取等）
  • 实现词云动画效果
  • 添加交互式词云可视化
  • 支持多语言混合处理

• 性能优化：

  • 优化大规模文本的处理速度
  • 添加并行处理支持
  • 实现增量更新词云

• 应用扩展：

  • 开发社交媒体内容词云分析工具
  • 实现文档关键词提取与可视化
  • 结合 NLP 技术进行情感分析词云
  • 开发批量生成词云的功能

• 界面改进：

  • 开发图形界面应用
  • 添加实时预览功能
  • 支持参数调整滑块
  • 导出多种格式的图像