基于Python 的词云生成技术分析

唐婷*

（四川职业技术学院计算机科学系，四川 遂宁 629000）

Python 语言诞生于20 世纪90 年代初，它是一种计算机程序设计语言，Python 语言提供高效的高级数据结构，能进行面向对象编程，可以使用C 或C++扩展新的功能和数据类型。目前，Python已经成为最受欢迎的程序设计语言之一，广泛应用于web 开发、科学计算和统计、人工智能、软件开发、桌面界面开发等多个领域，Python 语言简洁易读，具有很强的可扩展性，深受编程人员喜爱，同时也成为大学程序设计课程之一。

Python 语言还有一项突出的优势，它具有功能强大的标准库和第三方库，支持Python 的第三方库已达数以万计，比如中文分词库jieba 和制作词云库WordCloud，它们提供了快速提取中文词语和制作具有艺术感的词云的功能。jieba 库是一款优秀的中文分词第三方库，它可以精准提取中文语句中出现的词语，通过统计每个词语出现的频率，可以获取有价值的信息，进行一些特定的数据分析。WordCloud 库是一款优秀的词云展示第三方库，词云主要以词语为基本单位，能更加直观和艺术的展示文本内容，文本中出现频率较高的词语会显著表现出来，能让人们快速有效的获取信息。下面通过详细介绍jieba 库和WordCloud 库的技术内容，让我们感受一下轻松制作词云的过程。

1 中文分词

分词是对文本处理的基础操作，中文的分词比英文分词要复杂得多，在Python 中可以使用第三方的jieba 库进行中文分词处理。jieba 库能够将一段中文文本分隔成中文词语序列。jieba 库分词原理是依靠中文词库，利用一个中文词库确定汉字之间的关联概率，汉字间概率大的组成词组形成分词结果。除了分词，用户也可以添加自定义词组。

jieba 库支持3 种分词模式：（1）精确模式：把文本精切的切分开，适合文本分析，不存在冗余单词。（2）全模式：把文本中所有可能的单词都扫描出来，速度快但是有冗余。（3）搜索引擎模式：在精确模式基础上对长词进行再次切分。精确模式和全模式都使用jieba.cut()函数，通过设置参数进行相应模式的选择，搜索引擎模式使用jieba.cut_for_search()函数。三种模式的常用格式如下：

（1）jieba.lcut(s)函数：精确模式返回一个列表类型的分词结果。

例如：import jieba

分词结果：['全国', '计算机', '等级', '考试', 'Python', '科目']

（2）jieba.lcut(s,cut_all=True)函数：全模式返回一个列表类型的分词结果，有冗余。

例如：import jieba

分词结果：['全国计算机', '等级', '考试', 'Python', '科目']

jieba 库中文分词实现从大量文本信息中提取关键词的功能，找到最能代表此文本的词并不是简单的事，关键词的提取一般用到两种算法：TF-IDF 算法和TextRank 算法。TF-IDF 算法是一种用于信息检索与数据挖掘的常用加权技术，它可以评估字词对于一个文件集的重要程度，字词的重要性随着出现次数的多少成正比增加。TextRank 算法是一种用于文本的基于图的排序算法，通过把文本分割成若干组成单元，构建节点连接图，用句子之间的相似度作为边的权重，通过循环迭代计算句子的TextRank 值，最后抽取排名高的句子组合成文本摘要。

2 词云制作

词云是一种在互联网上对信息发布的新形式，词云图过滤掉大量的文本信息，对文本中出现频率较高的关键词突出显示，不同的关键词采用不同的颜色和字体大小，通过形成关键词渲染，使浏览者只要一眼扫过就可以领略文本的主旨。本文主要介绍在Python 环境下，使用第三方的WordCloud 库技术如何轻松制作形态各异的词云。

WordCloud 库是优秀的词云展示第三方库，词云以词语为基本单位，更加直观和艺术的展示文本。通常的操作步骤：首先把文本分词处理，然后用空格拼接，最后再调用WordCloud 库函数处理。WordCloud 库函数操作步骤：.

（2）加载词云文本，向WordCloud 对象w 中加载文本txt：w.generate(txt)

（3）输出词云文件，将词云输出为图像文件，.png 或.jpg：w.to_file(filename)

3 案例

3.1 对英文文本生成词云：《瓦尔登湖》是一部由美国作家梭罗所著的著名散文集，它记录了作者独居瓦尔登湖畔时的所见、所闻和所思。该散文集崇尚简朴生活，热爱大自然的风光，内容丰厚，语言生动，充满智慧。下面节选一段《瓦尔登湖》的文本制作成词云图片，使用imread()函数读取外部词云形状图像文件，使形成的词云图片更加美观（如图1 所示）。

图1《瓦尔登湖》词云

3.2 对中文文本生成词云：《面朝大海，春暖花开》是海子于1989 年所写的一首抒情诗。大海广阔浩荡，让人心旷神怡，这首诗朴素明朗，语言清新，表达出诗人的真诚善良，让人感受到一幅温暖而幸福的生活画面。制作中文文本的词云，首先用jieba 库对文本进行分词，然后用空格将词语连接在一起，再用WordCloud 库将词语文本制作成词云图片，使用imread()函数读取外部词云形状图像文件，使形成的词云图片更加美观（如图2 所示）。

图2《面朝大海，春暖花开》词云

4 结论

基于Python 的词云生成技术代码看上去简洁，其基本原理并不简单，需要一定的专业技术知识。首先需要设置好Python 的环境配置，安装第三方的jieba 库、WordCloud 库以及imageio 库，然后根据提供的函数实现分词以及生成词云图片，在编写代码中注意Python 的语法特征。基于Python 生成的词云图片效果很好，能体现词云的优点和价值，让读者过目不忘，在互联网传播过程中具体简洁、高效的作用。随着信息时代的不断发展，我们每天接收的信息量越来越多，词云可以帮助我们过滤掉大量不必要的信息，将关键词呈现在我们眼前，不仅美观、简洁也具有一定的艺术观赏性。