使用pyhanlp创建中文词云

去年我曾经写过一篇文章Python + wordcloud + jieba 十分钟学会用任意中文文本生成词云(你可能觉得这和wordcloud中官方文档中的中文词云的例子代码很像,不要误会,那个也是我写的)

现在我们可以仿照之前的格式在写一份pyhanlp版本的。

对于wordcloud而言,因为原生支持的英文是自带空格的,所以我们这里需要的是进行分词和去停处理,然后将文本变为我们需要的list格式,输入wordcloud。同时因为文档中可能有新的词汇我们之前并没有发现,所以有必要的话。我们还需要进行添加自定义词典的代码。其代码时非常简单的。

首先对于添加自定义词典我们只需要,引用CustomDictionary类即可,代码如下。

CustomDictionary=JClass("com.hankcs.hanlp.dictionary.CustomDictionary")forwordinuserdict_list:CustomDictionary.add(word)

不过为了更好的发现新词我们还是采用一款发现新词比较好的分词器,比如默认的维特比,或者CRF。考虑到之前实验中CRF在默认的命名实体识别条件下,表现并不好,或许维特比才是更好的选择。

mywordlist=[]HanLP.Config.ShowTermNature=FalseCRFnewSegment=HanLP.newSegment("viterbi")

去停功能同样十分简单,我们还是利用之前在分词中提到的方法,不过这次我们把代码更pythoic一些

CoreStopWordDictionary=JClass("com.hankcs.hanlp.dictionary.stopword.CoreStopWordDictionary")text_list=CRFnewSegment.seg(text)CoreStopWordDictionary.apply(text_list)fianlText=[i.wordforiintext_list]

而是否采用之前文章中的停词功能则可以自主选择,而处理为wordcloud所需要的格式,我们则直接采用之前的代码即可。最终核心部分代码如下:

CustomDictionary=JClass("com.hankcs.hanlp.dictionary.CustomDictionary")forwordinuserdict_list:CustomDictionary.add(word)mywordlist=[]HanLP.Config.ShowTermNature=FalseCRFnewSegment=HanLP.newSegment("viterbi")fianlText=[]ifisUseStopwordsOfHanLP==True:CoreStopWordDictionary=JClass("com.hankcs.hanlp.dictionary.stopword.CoreStopWordDictionary")text_list=CRFnewSegment.seg(text)CoreStopWordDictionary.apply(text_list)fianlText=[i.wordforiintext_list]else:fianlText=list(CRFnewSegment.segment(text))liststr="/ ".join(fianlText)withopen(stopwords_path,encoding='utf-8')asf_stop:f_stop_text=f_stop.read()f_stop_seg_list=f_stop_text.splitlines()formywordinliststr.split('/'):ifnot(myword.strip()inf_stop_seg_list)andlen(myword.strip())>1:mywordlist.append(myword)return' '.join(mywordlist)

最终实例

现在我们得到了最终实例,已经可以运行了,关于该部分,你还可以参考我fork的wordcloud项目,还有相比于此处新的变化。那里提供了一个jieba和pyhanlp合并的版本

# - * - coding: utf - 8 -*-"""

create wordcloud with chinese

=======================

Wordcloud is a very good tools, but if you want to create

Chinese wordcloud only wordcloud is not enough. The file

shows how to use wordcloud with Chinese. First, you need a

Chinese word segmentation library pyhanlp, pyhanlp is One of

the most powerful natural language processing libraries in Chinese

today, and it's extremely easy to use.You can use 'PIP install pyhanlp'.

To install it.

Its level of identity of named entity,word segmentation was better than jieba,

and has more ways to do it

"""fromosimportpathfromscipy.miscimportimreadimportmatplotlib.pyplotaspltfromwordcloudimportWordCloud,ImageColorGeneratorfrompyhanlpimport*%matplotlib inline# d = path.dirname(__file__)d="/home/fonttian/Github/word_cloud/examples"stopwords_path=d+'/wc_cn/stopwords_cn_en.txt'# Chinese fonts must be setfont_path=d+'/fonts/SourceHanSerif/SourceHanSerifK-Light.otf'# the path to save worldcloudimgname1=d+'/wc_cn/LuXun.jpg'imgname2=d+'/wc_cn/LuXun_colored.jpg'# read the mask / color image taken fromback_coloring=imread(path.join(d,d+'/wc_cn/LuXun_color.jpg'))# Read the whole text.text=open(path.join(d,d+'/wc_cn/CalltoArms.txt')).read()# userdict_list=['孔乙己']# The function for processing text with HaanLPdef pyhanlp_processing_txt(text,isUseStopwordsOfHanLP = True):CustomDictionary=JClass("com.hankcs.hanlp.dictionary.CustomDictionary")forwordinuserdict_list:CustomDictionary.add(word)mywordlist=[]HanLP.Config.ShowTermNature=FalseCRFnewSegment=HanLP.newSegment("viterbi")fianlText=[]ifisUseStopwordsOfHanLP==True:CoreStopWordDictionary=JClass("com.hankcs.hanlp.dictionary.stopword.CoreStopWordDictionary")text_list=CRFnewSegment.seg(text)CoreStopWordDictionary.apply(text_list)fianlText=[i.wordforiintext_list]else:fianlText=list(CRFnewSegment.segment(text))liststr="/ ".join(fianlText)withopen(stopwords_path,encoding='utf-8')asf_stop:f_stop_text=f_stop.read()f_stop_seg_list=f_stop_text.splitlines()formywordinliststr.split('/'):ifnot(myword.strip()inf_stop_seg_list)andlen(myword.strip())>1:mywordlist.append(myword)return' '.join(mywordlist)wc=WordCloud(font_path=font_path,background_color="white",max_words=2000,mask=back_coloring,max_font_size=100,random_state=42,width=1000,height=860,margin=2,)pyhanlp_processing_txt=pyhanlp_processing_txt(text,isUseStopwordsOfHanLP=True)wc.generate(pyhanlp_processing_txt)# create coloring from imageimage_colors_default=ImageColorGenerator(back_coloring)plt.figure()# recolor wordcloud and showplt.imshow(wc,interpolation="bilinear")plt.axis("off")plt.show()# save wordcloudwc.to_file(path.join(d,imgname1))# create coloring from imageimage_colors_byImg=ImageColorGenerator(back_coloring)# show# we could also give color_func=image_colors directly in the constructorplt.imshow(wc.recolor(color_func=image_colors_byImg),interpolation="bilinear")plt.axis("off")plt.figure()plt.imshow(back_coloring,interpolation="bilinear")plt.axis("off")plt.show()# save wordcloudwc.to_file(path.join(d,imgname2))



文章来源于网络

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容