用python写一个词云图生成器

前几天做ppt,要展示的内容有很多关键词,就想到了云字图这种玩意,没想到网上一搜,在线生成的网站要么需要付费,要么不支持指定形状生成,一气之下干脆自己写了一个。幸好python有这个库wordcloud,所以很快就实现了这个功能。后续优化了一下(渣优化),觉得基本能用了。

做好后的成果如下图:

词云图

github地址

依赖

所使用的版本为python3.6.5(Anaconda)

  • wordcloud 云字图生成库
  • matplotlib 绘图库,常和numpy一起使用
  • numpy 数组函数库,矩阵运算必用
  • PIL 图像操作模块
  • random 随机数模块
  • jieba 中文分词模块

代码

# -*- coding: utf-8 -*-
"""
Created on Fri Sep 29 13:14:22 2019
        self.
@author: 雁陎
"""

from wordcloud import (WordCloud, ImageColorGenerator)
from matplotlib import pyplot as plt
import numpy as np
from PIL import Image
from random import randint
import jieba

lines=[]
with open('config.txt','r') as handler:
    lines = handler.readlines()

a,b = map(int,lines[3].split(','))  # 颜色h的范围
bgcolor = lines[7].strip('\n').lower()  # 背景颜色
if bgcolor == 'none':
    bgcolor = None
w,h = map(int,lines[9].split(',')) # 云字图尺寸

def font_select():
    font_input = lines[5].strip('\n')
    font_dict = {'微软雅黑':r'\msyh.ttc','楷体':r'\simkai.ttf','宋体':r'\simsun.ttc',
             '仿宋':r'\simfang.ttf','隶书':r'\SIMLI.TTF','Times New Roman':r'times.ttf'}
    return r'C:\Windows\Fonts' + font_dict[font_input]   # 字体


def shape_judge():  # 判断用户选择的形状
    cloud_shape = lines[11].strip('\n').lower()  # 云字图形状
    if cloud_shape == 'rectangle':
        mask = None
    elif cloud_shape == 'round':
        x,y = np.ogrid[:w,:w]
        mask = 255*((x-w/2) ** 2 + (y-w/2) ** 2 > 4.2*w ** 2).astype(int) 
        # 以(w/2,w/2)为圆心,半径为4.2*w的圆,255不知道干什么的,但是必须有
    else:
        mask = np.array(Image.open(r"shape.jpg"))
    return mask


def color_judge():   
    font_color_input = int(lines[1].strip('\n'))
    if font_color_input == 1:
        random_color = np.array(Image.open(r"shape.jpg")) 
        return ImageColorGenerator(random_color)
        #字体颜色为背景图片的颜色
    else:
        def random_color_func(word=None, font_size=None, position=None, 
                              orientation=None, font_path=None, random_state=None):
            h,s,l = randint(a,b),randint(80,100),randint(25,50)
                # h即表示颜色的取值范围,我们可以谷歌colour picker 查看各颜色的取值范围对应的h值
                # 然后在参数中设置 color_func = random_color_func即可令字按照该范围设定颜色
            return "hsl({}, {}%, {}%)".format(h, s, l)

def segment_words(text):
    article_contents = ""
    #使用jieba进行分词
    words = jieba.cut(text,cut_all=False)
    for word in words:
        #使用空格来分割词,否则词组仍是一起的
        article_contents += word+" "
    return article_contents
        
def segment_judge():  # 判断分词模式
    segment_mode = int(lines[13].strip('\n'))
    text=open(u'word.txt','r').read().lower()
    if segment_mode == 1:
        return text
    else:
        return segment_words(text)

stopwords = {'.',',','"',':','(',')','.','。','(',')','[',']','”','“','\n','\t',' '}

wordcloud= WordCloud(font_path=font_select(), background_color=bgcolor, mode="RGBA", 
                     color_func = color_judge(),mask= shape_judge(),width=w, 
                     height=h,stopwords = stopwords,margin=2).generate(segment_judge())

# 你可以通过font path参数来设置字体集
# width, height, margin可以设置图片属性
# backgroud_color = "black",可以设定背景颜色,默认黑色,如果想要设定透明的可以按照上面代码做
# stopwords 停用词,即云字图中不展示的词组,如各种标点、换行。
 
plt.axis("off")  # 是否绘制坐标轴
plt.show()
wordcloud.to_file('wordcloud.png')

配置文件

为了方便用户(也就是我)使用,所以配置了一个config.txt文件(不要吐槽txt,纯小白~),代码中所有的输入均来自congfig。

# 1、字体颜色模式,可选:图片颜色(1,按照即选项6中picture模式的图片颜色进行绘制,选择模式1就无需改动选项2,同时需保持选项6为picture),自定义颜色(2,即自定义颜色的范围,需要设定选项2)
2
# 2、字体颜色H的取值范围,参见https://www.webfx.com/web-design/color-picker/
40,80
# 3、字体,可选:微软雅黑,楷体,宋体,仿宋,隶书,Times New Roman
微软雅黑
# 4、背景颜色,英文书写如white,默认为透明(None)
None
# 5、云字图尺寸,宽,高
1000,800
# 6、云字图形状,可选:方形(rectangle,尺寸为宽,高),圆形(round,尺寸为宽,宽),或图片形状(picture,按照同目录下shape.jpg的形状绘制,尺寸为图片尺寸)
picture
# 7、分词模式,可选:自定义模式(1,即按照你所给的词组进行绘制,词组之间用空格分隔),自动分词模式(2,即给定一段话,程序自动进行分词并按照频率进行绘制)
1

使用

你的项目目录中应该有以下文件:

云字图生成
    config.txt
    shape.jpg
    word.txt
    云字图生成.py

其中,shape.jpg是所选定的图片形状,在config中设定选项6为picture后会按照这个图片的形状来生成云字图。

shape最好背景为白色,这样效果最好。

说到这里,你能看出来文章开头的效果图是谁吗?

猜猜他是谁

常见问题

有个很常见的问题就是我的字体该如何配置,如果你实际操作起来就会发现,“诶我明明指向了Font文件夹中的微软雅黑.ttf”,为什么报错说没有这个字体呢?

很简单,因为你在font中看到的字体名并不是它真正的字体名,比如“微软雅黑”实际上是“msyh”。那么我该如何查看它真实的文件名?一个方便的做法是把它复制到桌面上,它就会自动显示真正的名字了。

哦对了font文件夹的地址是C:\Windows\Fonts

地址栏拼接的时候报错

大家可以看到在拼接字体文件字符串的时候用的是r'C:\Windows\Fonts'+r'\SIMLI.TTF'而非r'C:\Windows\Fonts\' & r'SIMLI.TTF',因为当字符串最后一位是\时,无法对字符串进行拼接等操作,即使用r'转义也不行,会报错SyntaxError: EOL while scanning string literal。这貌似是python的一个bug,解决方法如上,\放到第二个字符串开头即可。

Last modification:October 20th, 2019 at 05:18 pm

Leave a Comment