使用Python+docx+jieba+wordcloud给word文档生成词云图

一、使用Python+docx+jieba+wordcloud给word文档生成词云图

python 复制代码
import docx # 用于读取word文档
import jieba # 用于中文分词
import re # 用于正则表达式匹配
import wordcloud # 用于生成词云图
import matplotlib.pyplot as plt # 用于显示和保存图片


# 定义一个函数,用于从word文档中提取所有的文本
def get_text_from_docx(filename):

    # 创建一个docx.Document对象,打开指定的word文档
    doc = docx.Document(filename)

    # 创建一个空字符串,用于存储所有的文本
    text = ""

    # 遍历文档中的每一段
    for para in doc.paragraphs:

        # 将段落的文本追加到字符串中,并加上换行符
        text += para.text + "\n"

    # 返回字符串
    return text

# 定义一个函数,用于对文本进行分词,并返回一个词汇列表
def get_words_from_text(text):

    # 创建一个空列表,用于存储分词结果
    words = []

    # 使用jieba.cut方法对文本进行分词,返回一个生成器对象
    segs = jieba.cut(text)

    # 遍历生成器对象中的每一个分词结果
    for seg in segs:

        # 去掉分词结果两端的空白字符
        seg = seg.strip()

        # 如果分词结果不为空,并且是中文或英文单词,则将其添加到列表中
        if seg and (re.match(r"[\u4e00-\u9fa5]+", seg) or re.match(r"[a-zA-Z]+", seg)):
            words.append(seg)

    # 返回列表
    return words

# 定义一个函数,用于根据词汇列表生成词云图,并保存为jpg图像
def generate_wordcloud_from_words(words, filename):

    # 将词汇列表转换为以空格分隔的字符串
    text = " ".join(words)

    # 创建一个wordcloud.WordCloud对象,设置字体、背景颜色、最大词数等参数
    wc = wordcloud.WordCloud(font_path="msyh.ttc", background_color="white", max_words=100)

    # 使用generate方法根据字符串生成词云图
    wc.generate(text)

    # 使用matplotlib.pyplot模块显示和保存图片
    plt.imshow(wc) # 显示图片
    plt.axis("off") # 关闭坐标轴
    plt.savefig(filename) # 保存图片为jpg格式

# 定义要处理的word文档的文件名
docx_filename = "words.docx"

# 定义要保存的词云图的文件名
jpg_filename = "wordcloud.jpg"

# 从word文档中提取所有的文本
text = get_text_from_docx(docx_filename)

# 对文本进行分词,并返回一个词汇列表
words = get_words_from_text(text)

# 根据词汇列表生成词云图,并保存为jpg图像
generate_wordcloud_from_words(words, jpg_filename)
相关推荐
程序员的奶茶馆39 分钟前
Python 字典速查:键值对操作与高频函数
python·面试
tryCbest1 小时前
Python 使用 Redis 详细教程
redis·python·bootstrap
小小毛毛虫~1 小时前
使用Cursor遇到的问题(一):cursor使用conda虚拟环境
python·conda·cursor
livingbody2 小时前
【2025年9月版 亲测可用】《人民日报》PDF文件下载
开发语言·爬虫·python·pdf
合作小小程序员小小店3 小时前
web网页开发,在线%推荐算法学院培养计划,图书推荐,基于Python,FlaskWeb,用户和物品推荐MySql
python·mysql·算法·flask·推荐算法
那我掉的头发算什么3 小时前
【数据结构】二叉树的高频热门面试题大全
java·开发语言·数据结构·python·算法·链表·intellij idea
专注VB编程开发20年3 小时前
VB6.0找不到该引用word,excel“Microsoft Excel 16.0 Object Library”解决方法
word·excel·vba·vsto
飞翔的佩奇4 小时前
【完整源码+数据集+部署教程】 小麦病害分割系统: yolov8-seg-dyhead
python·yolo·计算机视觉·数据集·yolov8·小麦病害分割系统
小蕾Java4 小时前
PyCharm2025.2 大更新,AI是亮点!
人工智能·python
忆~遂愿5 小时前
谷歌云+Apache Airflow,数据处理自动化的强力武器
人工智能·python·深度学习·opencv·自动化·apache