<think>我们被要求使用Python实现输入课文或歌词，统计每个词出现频率并生成词云图。根据提供的引用，我们可以总结出以下步骤： 1. **文本输入**：获取用户输入的课文或歌词文本。 2. **文本预处理**：包括分词（对于中文需要使用分词工具如jieba）、去除停用词等。 3. **词频统计**：统计每个词语出现的次数。 4. **生成词云图**：使用wordcloud库根据词频生成词云图，并可以设置各种参数（如背景色、字体、形状等）。 具体步骤参考引用中的代码片段： - 引用[2]展示了使用jieba进行中文分词和词频统计的方法。 - 引用[3]和[4]展示了使用wordcloud库生成词云图的方法。 因此，我们可以编写一个程序，结合这些步骤。注意，对于中文，我们需要设置中文字体路径，否则会出现乱码。 下面是一个完整的示例代码，包括详细的注释： ```python import jieba from wordcloud import WordCloud import matplotlib.pyplot as plt from collections import Counter import numpy as np from PIL import Image # 用于处理图片（如果要用图片作为mask） # 1. 输入文本 text = input("请输入课文或歌词：") # 2. 使用jieba进行分词 words = jieba.lcut(text) # 精确模式分词 # 3. 过滤掉单字（可选）和停用词（这里简单过滤单字，实际应用中可以加入停用词表） filtered_words = [word for word in words if len(word) > 1] # 只保留长度大于1的词语 # 4. 统计词频 word_counts = Counter(filtered_words) # 打印最常见的20个词 print("最常见的20个词语：") for word, count in word_counts.most_common(20): print(f"{word}: {count}") # 5. 生成词云 # 可以设置字体路径（对于中文，必须设置，否则显示乱码） font_path = 'C:/Windows/Fonts/simhei.ttf' # 根据你的系统调整，可以使用simhei.ttf（黑体）或simfang.ttf（仿宋）等 # 可选：设置背景图片（mask） # mask_image = np.array(Image.open('mask.png')) # 如果要用特定形状，取消注释并修改图片路径 # 创建WordCloud对象 # 如果没有mask，去掉mask参数即可 wordcloud = WordCloud( font_path=font_path, width=800, height=600, background_color='white', max_words=200, # 最多显示词语数量 # mask=mask_image, # 设置背景形状 contour_width=3, contour_color='steelblue' ) # 根据词频生成词云 wordcloud.generate_from_frequencies(word_counts) # 显示词云图 plt.figure(figsize=(10, 8)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') # 关闭坐标轴 plt.show() # 保存词云图（可选） # wordcloud.to_file("wordcloud.png") ``` ### 说明： 1. **分词工具**：对于中文，我们使用`jieba`库进行分词。注意，分词后我们过滤了单字词语（如“的”、“了”等常用单字可能被过滤，但实际应用中最好使用停用词表）。 2. **词频统计**：使用`collections.Counter`来统计词频。 3. **词云生成**：使用`wordcloud.WordCloud`类，注意设置中文字体路径（如`simhei.ttf`）以避免乱码。 4. **形状设置**：如果需要将词云生成特定形状，可以准备一张黑白掩码图片（背景白色，形状区域黑色），然后使用`mask`参数。代码中注释了相关部分。 5. **显示和保存**：使用`matplotlib`显示词云，也可以保存为文件。 ### 注意事项： - 如果文本是英文，则不需要分词，可以直接使用空格分词（但英文有停用词需要处理，这里未涉及）。 - 停用词表：实际应用中，为了提高词云质量，应该去除停用词（如“的”、“了”、“是”等）。我们可以加载停用词表，在过滤步骤中去除停用词。 ### 停用词处理示例： 我们可以准备一个停用词表文件（如stopwords.txt），然后在分词后过滤掉停用词。 ```python # 加载停用词表 stopwords = set() with open('stopwords.txt', 'r', encoding='utf-8') as f: for line in f: stopwords.add(line.strip()) # 在分词后过滤停用词 filtered_words = [word for word in words if word not in stopwords and len(word) > 1] ``` 如果没有停用词表，也可以使用现成的，比如`jieba`自带的停用词表或从网上下载。 通过以上步骤，我们可以实现输入课文或歌词，生成词云图的功能。 ### 相关问题： 1. 如何对生成的词云图进行美化（如调整颜色、形状）？ 2. 中文分词中如何处理新词（如人名、地名）？ 3. 如何去除词云中不想要的词语（如停用词）？ 4. 词云图可以保存为哪些格式？如何调整大小和分辨率？ 5. 如何根据词频生成不同颜色的词云？ </think> ### Python实现输入课文或歌词统计词频并生成词云图的方法 #### 1. **整体流程** ```mermaid graph TD A[输入文本] --> B[中文分词] B --> C[过滤停用词] C --> D[词频统计] D --> E[生成词云] ``` #### 2. **详细步骤** ##### (1) 安装依赖库 ```bash pip install jieba wordcloud matplotlib numpy pillow ``` ##### (2) 核心代码实现 ```python import jieba from wordcloud import WordCloud from collections import Counter import matplotlib.pyplot as plt # 1. 输入文本 text = input("请输入课文/歌词：") # 2. 中文分词（引用[2]方法） words = jieba.lcut(text) filtered_words = [word for word in words if len(word) > 1] # 过滤单字 # 3. 词频统计（引用[2][3]方法） word_freq = Counter(filtered_words) top20 = word_freq.most_common(20) print("高频词汇TOP20：") for word, freq in top20: print(f"{word}: {freq}次") # 4. 生成词云（引用[3][4]方法） wc = WordCloud( font_path='C:/Windows/Fonts/simhei.ttf', # 中文字体路径 width=800, height=600, background_color='white', max_words=100 ) wc.generate_from_frequencies(word_freq) # 5. 显示结果 plt.imshow(wc) plt.axis("off") plt.show() wc.to_file("wordcloud.png") # 保存图片 ``` #### 3. **关键参数说明** | 参数 | 说明 | 示例值 | |------|------|--------| | `font_path` | 中文字体路径 | `'simhei.ttf'` | | `max_words` | 最大显示词数 | `100` | | `background_color` | 背景色 | `'white'` | | `width/height` | 图片尺寸 | `800x600` | | `mask` | 自定义形状 | `numpy数组`（引用[4]） | #### 4. **进阶技巧** 1. **自定义形状词云**（引用[4]） ```python from PIL import Image import numpy as np mask = np.array(Image.open("heart.png")) wc = WordCloud(mask=mask) ``` 2. **添加停用词表** ```python stopwords = ["的", "了", "和", "在"] filtered_words = [w for w in words if w not in stopwords] ``` 3. **词云美化** ```python wc = WordCloud( colormap='viridis', # 颜色方案 contour_width=3, # 轮廓线宽 contour_color='steelblue' # 轮廓颜色 ) ``` ### 常见问题解决 1. **中文乱码问题** 确保正确设置中文字体路径（如 `simhei.ttf`） 2. **词频统计不准确** - 使用 `jieba.add_word("自定义词")` 添加专业词汇 - 调整停用词表过滤无关词汇 3. **生成速度慢** 减少 `max_words` 数量或使用更小的图片尺寸 ### 示例输出 输入歌词： > "夏天的风正暖暖吹过，穿过头发穿过耳朵，你和我的夏天，风轻轻说着" 输出词云：  *图：生成的词云效果示意* --- ### 相关问题 1. 如何让词云显示特定形状（如心形、地图）？ 2. 中文分词时如何添加自定义词典？ 3. 词云图如何导出为高清大图？ 4. 英文文本生成词云需要特殊处理吗？ 5. 如何对长篇文章生成分级词云？ > 引用来源： > [^1]: Python词云制作基础方法 > [^2]: 中文分词与词频统计实现 > [^3]: wordcloud频率词云生成 > [^4]: 自定义形状词云技巧 > [^5]: 文本预处理实践案例