jieba分词 是一款开源的中文分词包，同时它还带有分析模块，可以用TF-IDF等算法进行关键词分析

jieba

下面的小程序的基本思路是：

通过jieba从 保存好的txt文本中提取关键词，根据关键词的权重等决定关键词的文字大小，用matplotlib将它们呈现出来

#coding:utf-8

import os

import tkFileDialog #文件对话框模块

import jieba #jieba分词模块

import jieba.analyse #jieba分词分析模块

import codecs #中文编码转换模块

import matplotlib.pyplot as plt

from pylab import *

mpl.rcParams['font.sans-serif'] = ['simhei'] # 指定默认字体

mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

default_dir = r"D:/py/" # 设置默认打开目录

fname = tkFileDialog.askopenfilename(title=u"选择文件",

initialdir=(os.path.expanduser(default_dir))) #选择供分析用的文本文件

fig=plt.figure()

fig.suptitle(u'关键词语TF-IDF分析',fontsize=14,fontweight='bold')

ax=fig.add_subplot(111)

ax.set_xlim(0,10)

ax.set_ylim(0,10)

fig.subplots_adjust(top=0.85)

with codecs.open(fname) as fr:

s=fr.read()

s_out=jieba.analyse.extract_tags(s, withWeight=True) #用jieba提取关键词

max_weight=max(list(map(lambda y: y[1],s_out)))

f_scale=int(1/max_weight)

for x, w in s_out:

print('%s %s' %(x,w))

locate=np.random.rand(2)

size=int(f_scale64w)

col=int(8w)+1

ax.text(locate[0]10,locate[1]*10,x,

fontsize=size,fontdict=None,color='blue') #pad表示与字的边距

plt.show()

从百度百科上取一段文字做测试：

蒙古族 编辑

蒙古族(蒙古语：ᠮᠣᠩᠭᠣᠯᠦᠨᠳᠦᠰᠦᠲᠡᠨ，西里尔字母：Монгол үндэстэн)，是主要分布于东亚地区的一个传统游牧民族，是中国的少数民族之一，同时也是蒙古国的主体民族。此外，蒙古族在俄罗斯等亚欧国家也有分布，鄂温克族和土族也有时被认为是蒙古族的分支。[1]

蒙古族始源于古代望建河(今额尔古纳河)东岸一带。13世纪初，以成吉思汗为首的蒙古部统一了蒙古地区诸部，逐渐形成了一个新的民族共同体。

蒙古族人民世居草原，以畜牧为生计。过着“逐水草而居”的游牧生活，尽管这种生存方式在现代社会被弱化，但仍然被视作蒙古族的标志。

蒙古族在科学文化事业上比较发达，而且音乐、舞蹈也在艺术上居于相对显赫的地位[2] 。

《蒙古秘史》、《蒙古黄金史》、《蒙古源流》被称为蒙古族的三大历史巨著，其中《蒙古秘史》被联合国教科文组织确定为世界著名文化遗产。英雄史诗《江格尔》是中国的三大史诗之一。[3]

中文名 蒙古族 外文名 Mongols 人 口 约1000万 人口分布 中国，蒙古国，俄罗斯等 语 言蒙古语 文 字回鹘式蒙古文，西里尔蒙古文 信 仰萨满教，藏传佛教，回教 别 称 蒙古人，草原骄子，马背上的民族 方 言 内蒙古，卫拉特，巴尔虎布里亚特

目录

1 名称

2 历史

▪ 原始社会时期

▪ 民族的统一与对外征伐

▪ 元朝灭亡后的蒙古诸部

▪ 蒙古国的独立与内蒙古自治区的建立

3 人口

4 政治

原文比较长，就不全部贴上了。

关键词分析结果：

蒙古 0.169165636577

蒙古族 0.126360191488

蒙古人 0.055626259173

成吉思汗 0.0423217004291

民族 0.033926093091

四胡 0.0298077928858

....

分析之后的可视化结果：

image.png