2 c2 J" `4 f' [; c

【第一步】获取《离骚》原文并对原文数据进行清洗【第二步】对《离骚》原文进行分词统计【第三步】对《离骚》中多频词出现次数进行词云展示【第四步】简要分析词云结果现在我们分步骤逐个击破……

' Z2 S  y! a- H6 _) Q: K/ J

【第一步】获取《离骚》原文并对原文数据进行清洗

" F6 v& j: ?' i5 q

将《离骚》文章及翻译内容下载后保存到本地，文件名为filename。

2 Y1 `  i3 A7 _) m2 t0 J/ R% ^

content_lst = []try:with open(filename, 'r') as f_r:        for item in f_r.readlines():            content_lst.append(item.split('(')[0].strip())except FileExistsError as error:    print(str(error))1 R$ r& j, j5 X3 t7 K! u. m" p# l

将文件去除翻译及换行符后保存在本地(为了说明留下这一步，程序中不用保存在本地)。

& S8 |* K0 ^: b# t) |

try:with open('lisao_clean.txt', 'w') as f_w:        f_w.write(''.join(content_lst))except Exception as e:    print(str(e))7 i! R: ]) A6 ^' i

程序函数中直接返回数据即可。' `+ @. X% }4 ]

离骚是词吗 使用Python分析屈原《离骚》中高频词并生成词...-2.jpg (243.62 KB, 下载次数: 0)

2019-6-4 12:14 上传

* Z; |6 j- x) W对《离骚》原文及翻译进行处理

% a+ o* Y8 C: @7 X) A+ P3 Y+ h5 i

【第二步】对《离骚》原文进行分词统计+ a/ P1 K- Y5 E6 p) m* v/ p

首先，将文本中标点符号去除，代码如下：

. {  b, R: n3 V9 E1 |2 T1 I

pattern = re.compile(r'，|：|;|,|。|\?|？|!|「|、|《|》|!')re.sub(pattern, '', content)5 O( R$ R3 w& K  o7 k# a5 c

然后利用jieba库进行分词操作，并使用collections库中的Counter()方法返回每个词语的词频信息。( k# m0 Y, ^4 R! |% ?  n

jb_cut = jieba.cut(content)collections.Counter(list(jb_cut)

6 M1 d" U# f. Q3 B' L% G& T: ]

【第三步】对《离骚》中多频词出现次数进行词云展示* N9 l9 ~: ^. q. J

使用词云展示词频信息- t$ y7 Y7 ?" R' ^5 a; U3 m( x

path_image = 'bg.jpg'font_path = "STHUPO.TTF"background_image = np.array(Image.open(path_image))wd = WordCloud(width=1024,    height=800,    max_font_size=500,    random_state=10,    font_path=font_path,    background_color="white",    mask=background_image).generate_from_frequencies(d_content)wd.to_file('lisao.png')plt.imshow(wd, interpolation="bilinear")plt.axis("off")plt.show()- w0 i' F2 G1 v+ R% |

【第四步】简要分析词云结果

, U9 }( K+ x/ l: w+ F! m

程序运行后词云结果如图所示。( X$ K. r# f, `) o

离骚是词吗 使用Python分析屈原《离骚》中高频词并生成词...-3.jpg (111.88 KB, 下载次数: 0)

2019-6-4 12:14 上传+ w+ b- u$ ?! l! D$ Q5 Z

《离骚》词云图3 T2 R  K* r9 e4 h