import re # 正则表达式库

 import collections # 词频统计库

 import numpy as np # numpy数据处理库

 import jieba # 结巴分词

 import wordcloud # 词云展示库

 from PIL import Image # 图像处理库

 import matplotlib.pyplot as plt # 图像展示库

 # 读取文件

 fn = open('C://Users//Thinkpad//Desktop//家.txt','rt') # 打开文件

 string_data = fn.read() # 读出整个文件

 fn.close() # 关闭文件

 # 文本预处理

 pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式

 string_data = re.sub(pattern, '', string_data) # 将符合模式的字符去除

 # 文本分词

 seg_list_exact = jieba.cut(string_data, cut_all = False) # 精确模式分词

 object_list = []

 remove_words = [u'的', u'，',u'和', u'是', u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',

                 u'通常',u'如果',u'我们',u'需要'] # 自定义去除词库

 for word in seg_list_exact: # 循环读出每个分词

     if word not in remove_words: # 如果不在去除词库中

         object_list.append(word) # 分词追加到列表

 # 词频统计

 word_counts = collections.Counter(object_list) # 对分词做词频统计

 word_counts_top10 = word_counts.most_common(10) # 获取前10最高频的词

 print (word_counts_top10) # 输出检查

 # 词频展示

 mask = np.array(Image.open('C://Users//Thinkpad//Desktop//girl.jpg')) # 定义词频背景

 wc = wordcloud.WordCloud(

     font_path='C:/Windows/Fonts/simhei.ttf', # 设置字体格式

     mask=mask, # 设置背景图

     max_words=200, # 最多显示词数

     max_font_size=100 # 字体最大值

 )

 wc.generate_from_frequencies(word_counts) # 从字典生成词云

 image_colors = wordcloud.ImageColorGenerator(mask) # 从背景图建立颜色方案

 wc.recolor(color_func=image_colors) # 将词云颜色设置为背景图方案

 plt.imshow(wc) # 显示词云

 plt.axis('off') # 关闭坐标轴

 plt.show() # 显示图像