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
蹦蹦跳跳真可爱5893 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉
nananaij3 小时前
【Python进阶篇 面向对象程序设计(3) 继承】
开发语言·python·神经网络·pycharm
雷羿 LexChien3 小时前
从 Prompt 管理到人格稳定:探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计(上)
人工智能·python·llm·编辑器·prompt
敲键盘的小夜猫4 小时前
LLM复杂记忆存储-多会话隔离案例实战
人工智能·python·langchain
高压锅_12205 小时前
Django Channels WebSocket实时通信实战:从聊天功能到消息推送
python·websocket·django
胖达不服输6 小时前
「日拱一码」020 机器学习——数据处理
人工智能·python·机器学习·数据处理
吴佳浩6 小时前
Python入门指南-番外-LLM-Fingerprint(大语言模型指纹):从技术视角看AI开源生态的边界与挑战
python·llm·mcp
吴佳浩7 小时前
Python入门指南-AI模型相似性检测方法:技术原理与实现
人工智能·python·llm
叶 落7 小时前
计算阶梯电费
python·python 基础·python 入门
Python大数据分析@8 小时前
Origin、MATLAB、Python 用于科研作图,哪个最好?
开发语言·python·matlab