Python 绘制《红楼梦》词云

1.图像用千某网的图片

2.字体采用window自带的字体SIMLI.TTF

3.效果如下：

4.词云处理代码：

import re # 正则表达式库
import collections # 词频统计库
import numpy as np # numpy数据处理库
import jieba # 结巴分词
import wordcloud # 词云展示库
from PIL import Image # 图像处理库
import matplotlib.pyplot as plt # 图像展示库


# 读取文件
with open(r"D:\pycode\红楼梦.txt","r",encoding="utf-8") as fi:
        string_data = fi.read() 

# 文本分词
pattern = re.compile(u'\s|\.|（|）|\(|\)|\?|,|。|？|！|\"|“|”|——|\.|：|；')
string_data = re.sub(pattern,'',string_data)

seg_list_exact = jieba.cut(string_data,cut_all=False)
object_list = []
remove_words = [u'什么', u'，',u'一个', u'如今', u'那里', u'知道', u'说道',u'你们',u'这里',u'起来',u'出来',u' ',u'他们',u'中',u'在',u'了',
                u'自己',u'一面',u'我们',u'只见',u'怎么',u'没有',u'两个',u'不是',u'不知',u'这个',u'听见',u'这样',u'进来',u'告诉',u'去',
                u'就是',u'东西',u'咱们',u'回来',u'只是',u'&',u'众人',u';',u'所以',u'quot',u'如此',u'的话',u'不能',u'不过',u'&'] # 自定义去除词库

for word in seg_list_exact:
    if word not in remove_words and len(word)>1:
        object_list.append(word)


# 词频统计

word_counts = collections.Counter(object_list)
word_counts_top10 = word_counts.most_common(40) # 取前十
#print(word_counts_top10)

# 词频展示
mask = np.array(Image.open('D:\pycode\hongloumeng.png')) # 定义词频背景
wc = wordcloud.WordCloud(
    font_path='D:\pycode\SIMLI.TTF', # 设置字体格式
    mask=mask, # 设置背景图
    background_color='white',
    max_words=700, # 最多显示词数
    max_font_size=120 # 字体最大值
)

wc.generate_from_frequencies(word_counts) # 从字典生成词云
image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案
wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案
plt.imshow(wc) # 显示词云
plt.axis('off') # 关闭坐标轴
plt.show() # 显示图像

参考自：https://www.jianshu.com/p/28718ba04bc9?from=groupmessage