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