把自己的日记做成词云图——用python

在之前做公众号年度总结的时候，我接触了一种观察自己的方法：用python库wordcloud做词云图，大概是这样：

---

像这样，具有长期，并且数量非常多的，类似日记的文本，其实是可以反映出这段时间内，一个人在干什么，状态如何的。而做词云图，就可以让你看到自己的生活的中心和常态在哪里

所以今天我再玩一下这个库，先写代码，然后对古诗词进行制作词云图，然后把自己写的一些东西也拿来云一下。

---

基础用法

清洗文本

使用

re.findall(r'[\u4e00-\u9fa5]+', text)

进行正则清理，只留下中文字

分词器

使用jieba库，我以前写一个概率统计的论文也用过这个，用来做刘慈欣小说的用词分析

jieba.lcut(text)

它这样可以把一些词语告诉机器是词语，而不是按字来分

算法参数

对于词云图的生成，主要用wordcloud，需要明白一些参数

# 算法配置
wc = WordCloud(
    font_path=FONT_FILE,          # 1. 渲染引擎：字符形状控制
    background_color='#FCFBF7',   # 2. 画布背景
    width=1000,                   # 3. 空间像素宽度
    height=1000,                  # 4. 空间像素高度
    max_words=80,                 # 5. 复杂度控制：算法迭代上限
    colormap='Dark2',             # 6. 颜色映射逻辑
    margin=5,                     # 7. 几何间距：防重叠安全距离
    random_state=1,               # 8. 随机种子：布局一致性
    prefer_horizontal=0.8# 9. 概率决策：旋转逻辑
)

我们一般控制2,5这些就可以了，其它可以交给AI。

最后绘图使用matplotlib库。

古诗词

我找了一些古诗词，我们先来试试，因为古诗词里边有很多的人名所以要去除掉然后再开始。具体代码这样：

import os
import re
import jieba
from wordcloud import WordCloud
from collections import Counter
import matplotlib.pyplot as plt

# 1. 基础设置
FILE_NAME = 'pomes.txt'
FONT_FILE = 'LXGWWenKai-Light.ttf'
STOP_WORDS = {
'杜甫', '李白', '王维', '李商隐', '孟浩然', '杜牧', '白居易', '苏轼', '辛弃疾', '韦应物','王昌龄','柳宗元', # 人名
'一首', '二首', '三首', '其一', '其二', '之一', '之二', '卷一', '百首',  # 结构词
'不知', '何处', '今日', '此时', '何人', '不见', '却是', '不得'# 虚词
}


# 2. 文本清洗
defget_words(path):
ifnot os.path.exists(path):
print(f"找不到文件: {path}");
returnNone

withopen(path, 'r', encoding='utf-8') as f:
# 只保留汉字
        text = "".join(re.findall(r'[\u4e00-\u9fa5]+', f.read()))

# 分词并过滤：只留长度 > 1 的词，且不在黑名单中
    words = [w for w in jieba.lcut(text) iflen(w) > 1and w notin STOP_WORDS]
return Counter(words)


# 3. 生成词云
counts = get_words(FILE_NAME)

if counts:
# 纸张色: #FCFBF7 (米白)
# 配色方案: 'cool' 或 'tab10' 比较现代，这里推荐 'Set2' 或 'Dark2' 更有书卷气
    wc = WordCloud(
        font_path=FONT_FILE,
        background_color='#FCFBF7',
        width=1000,
        height=1000,
        max_words=80,  # 限制词数，防止拥挤
        colormap='copper',  # 墨绿色/深灰色系，不刺眼且高端
        margin=5,  # 词与词的间距
        random_state=1# 保证每次生成的布局一致
    ).generate_from_frequencies(counts)

# 4. 显示与保存
    plt.figure(figsize=(8, 8), facecolor='#FCFBF7')
    plt.imshow(wc.to_image(), interpolation='bilinear')
    plt.axis('off')
    wc.to_file('pomes_result.png')
print("生成成功！图片已保存为 poem_result.png")
    plt.show()

注意，我这里使用了霞鸳文楷字体，我写了下载。

结果是这样：

诗歌

用一小部分诗歌

然后我就发现问题了，就是如果文本太少，很容易做出来不客观，有的词我只用了一两次也进去了，重复频率不够高。

日记

我懒得整理我写的随笔了，就用别人的，我们先看看最经常出现的一些词，如果这些词不能作为反映，比如很口语的：今天，今晚，这种就删掉

hhhhh