8.2 文本处理（课件）《Python语言程序设计基础》（大连理工出版社）

《Python应用程序设计》 8.2 文本处理 1 wordcloud库与词云 1 jieba库与分词 2 目录 2 wordcloud库与词云 1 词云概念首先由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登（Rich Gordon）提出。他做过编辑、记者，一直很关注网络内容发布的最新形式。“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。 wordcloud库与词云 1 wordcloud库与词云 1 wordcloud库是专门用于根据文本生成词云的第三方库，使用之前需要在cmd命令行中使用pip进行安装。命令为： :/>pip install wordcloud wordcloud库与词云 1 词云库的核心是WordCloud类，在使用之前需要引入该库。并且调用其中的方法generate()来生成词云文本，并且使用to_file()方法来保存词云图片文件。使用WordCloud类创建词云时还可以通过参数对词云的大小、颜色、形状进行设置。 wordcloud库与词云 1 参数 功能 font_path 设置需要词云展现的字体路径 width 生成图片的宽度，默认为400像素 height 生成图片的高度，默认为200像素 mask 词云的形状，默认为长方形 min_font_size 词云中最小的字号，默认为4 表1 WordCloud对象创建时使用的常见参数 wordcloud库与词云 1 参数 功能 max_font_size 词云中最大的字号 max_words 词云中显示的最大字数，默认为200 background_color 背景颜色，默认为黑色 stopwords 设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS font_step 字体步长，默认值为1 表1 WordCloud对象创建时使用的常见参数 jieba库与分词 2 在上述的案例中如果将文本替代为“生如夏花之绚烂,死如秋叶之静美”，就无法正常形成词云，原因是因为中文文本中的单词不是通过空格或者标点来进行分割的。学习完jieba分词就可以解决这个问题。 函数 功能 jieba.lcut(str) 精确模式，返回一个列表 jieba.lcut(str,cut_all=True) 全模式，返回一个列表 jieba.lcut_for_search(str) 搜索引擎模式,返回一个列表 表1 jieba库常用的函数 jieba库与分词 2 使用jieba之前需要在cmd命令行中使用pip进行安装。命令为： :/>pip install jieba 例如：“新建自定义分词器，可用于同时使用不同词典。”进行分词的代码可以写成： jieba库与分词 2 例如：“新建自定义分词器，可用于同时使用不同词典。” 任务描述 任务名称：将普希金诗歌分词并且生成词云 为普希金的《假如生活欺骗了你》生成词云文件poemcloud.png。 拓展任务 任务名称：将《诗经》中的诗歌分词并且生成词云 将《蒹葭》进行分词，增加“蒹葭”至分词库中，并显示词云。 THANK YOU 14 $$