作業的要求來自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2773
中文詞頻統計
1. 下載下傳一長篇中文小說。
2. 從檔案讀取待分析文本。
3. 安裝并使用jieba進行中文分詞。
pip install jieba
import jieba
ljieba.lcut(text)
4. 更新詞庫，加入所分析對象的專業詞彙。
jieba.add_word('天罡北鬥陣') #逐個添加
jieba.load_userdict(word_dict) #詞庫文本檔案
參考詞庫下載下傳位址：https://pinyin.sogou.com/dict/
轉換代碼：scel_to_text
5. 生成詞頻統計
6. 排序
7. 排除文法型詞彙，代詞、冠詞、連詞等停用詞。
stops
8. 輸出詞頻最大TOP20，把結果存放到檔案裡
9. 生成詞雲。
安裝詞雲：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple wordcloud
下載下傳安裝：下載下傳 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud
安裝 找到下載下傳檔案的路徑 pip install wordcloud-1.5.0-cp37-cp37m-win_amd64.whl
配置：
在WordCloud安裝的目錄下找到WordCloud.py檔案，對源碼進行修改。
編輯wordcloud.py，找到FONT_PATH，将DroidSansMono.ttf修改成msyh.ttf。這個msyh.ttf表示微軟雅黑中文字型。
在同一個目錄下放置msyh.ttf字型檔案供程式調用（字型可以在C:\Windows\Fonts複制）
使用：
1、引入子產品
from wordcloud import WordCloud
import matplotlib.pyplot as plt
2、導入文本
準備生成詞雲的文本word_text =' '.join(wordlist) #是以空格分隔的字元串
4、生成詞雲
mywc = WordCloud().generate(wl_split)
5、顯示詞雲
plt.imshow(mywc)
plt.axis("off")
plt.show()
1 # -*- coding: utf-8 -*-
2 """
3 Created on Mon Mar 18 15:54:31 2019
4
5 @author: Administrator
6 """
7
8 from wordcloud import WordCloud
9 import matplotlib.pyplot as plt
10 import jieba
11 txt=open(r'csk.txt','r',encoding='utf-8').read()
12
13 s=[line.strip() for line in open('stops_chinese.txt',encoding='utf-8').readlines()]
14 jieba.load_userdict(s)
15
16
17 wordcut = jieba.lcut(txt)
18
19 wdict = {}
20
21 for word in wordcut:
22 if word not in s:
23 if len(word)==1:
24 continue
25 else:
26 wdict[word]=wdict.get(word,0)+1
27
28 wc=list(wdict.items())
29 wc.sort(key=lambda x:x[1], reverse=True)
30
31 for i in range(25):
32 print(wc[i])
33
34 cut_text = " ".join(wordcut)
35 'print(cut_text)'
36
37 mywc = WordCloud().generate(cut_text)
38 plt.imshow(mywc)
39 plt.axis("off")
40 plt.show() 