一、安装jieba库

：\>pip install jieba #或者 pip3 install jieba

二、jieba库解析

jieba库主要提供提供分词功能，可以辅助自定义分词词典。

jieba库中包含的主要函数如下：

jieba.cut(s)                                                               精确模式，返回一个可迭代的数据类型

jieba.cut(s,cut_all=True)                                          全模式，输出文本s中所有可能的单词

jieba.cut_for_search(s)                                            搜索引擎模式，适合搜索引擎建立索引的分词结果

jieba.lcut(s)                                                              精确模式，返回一个列表类型，建议使用

jieba.lcut(s,cut_all=True)                                         全模式，返回一个列表类型，建议使用

jieba.lcut_for_search(s)                                           搜索引擎模式，返回一个列表类型，建议使用

jieba.add_word(w)                                                   向分词词典中增加新词w

三、用jieba库统计文本的词频

《流浪地球》是刘慈欣的一部作品。该书讲述了庞大的地球逃脱计划，逃离太阳系，前往新家园。从网上获取该书的文本文件，保存于桌面上，命名为“流浪地球。”

现统计其文本中出现次数最多的是个词语，源代码如下：

importjieba

txt= open("C:\\Users\\Administrator\\Desktop\\流浪地球.txt", "r", encoding='utf-8').read()

words=jieba.lcut(txt)

counts={}for word inwords:if len(word) == 1: #排除单个字符的分词结果

continue

else:

counts[word]= counts.get(word,0) + 1items=list(counts.items())

items.sort(key=lambda x:x[1], reverse=True)for i in range(10):

word, count=items[i]print ("{0:<10}{1:>5}".format(word, count))

运行程序后，输出结果如下：

故容易得知流浪地球中出现频次较高的词语

四、结合jieba库的词频统计制作词云图

1、准备工作：pip 安装 jieba ， wordcloud ，matplotlib

2以阿Q正传为例：

源代码为：

from wordcloud importWordCloudimportmatplotlib.pyplot as pltimportjieba#生成词云

defcreate_word_cloud(filename):

text= open("{}.txt".format(filename)).read()#结巴分词

wordlist = jieba.cut(text, cut_all=True)

wl= " ".join(wordlist)#设置词云

wc =WordCloud(#设置背景颜色

background_color="white",#设置最大显示的词云数

max_words=2000,#这种字体都在电脑字体中，一般路径

font_path='C:\Windows\Fonts\simfang.ttf',

height=1200,

width=1600,#设置字体最大值

max_font_size=200,#设置有多少种随机生成状态，即有多少种配色方案

random_state=100,

)

myword= wc.generate(wl) #生成词云

#展示词云图

plt.imshow(myword)

plt.axis("off")

plt.show()

wc.to_file('p.png') #把词云保存下

if __name__ == '__main__':

create_word_cloud('C:\\Users\\Administrator\\Desktop\\阿Q正传')

运行程序后，输出结果如下：

故可得出文本的云词图。