實現文本分詞+在線詞雲實現工具
詞雲是NLP中比較簡單而且效果較好的一種表達方式，說到可視化，R語言當仍不讓，可見R語言︱文本挖掘——詞雲wordcloud2包
當然用代碼寫詞雲還是比較費勁的，網上也有一些成型的軟件供大家使用。
本節轉載於金磚咖啡館公眾號
我們詞雲制作工具是目前非常流行的tagxedo，tagxedo對於英文的分詞做的很好（廢話，英文單詞之間有空格），但是對於中文分詞做的不好，於是我們需要用到另外一個在線工具http://life.chacuo.net/convertexportword（百度找的，你也可以用別的），將中文的詞和詞之間加上空格（分詞）。
（1）打開分詞網站http://life.chacuo.net/convertexportword，將你需要做詞雲的文本放到第一個框里，我們這里就直接再搜狐上找了一篇文章（http://stock.sohu.com/20160422/n445480002.shtml），然后點擊“中文分詞”按鈕，你就會發現，網站就把第一個框里的文本分詞結果放在了第二個框里（加了空格）。將第二個框的結果全選，然后“復制”，備用。
（2）打開詞雲網站：http://www.tagxedo.com/app.html，（注意：第一次打開的時候會讓你安裝“Silverlight”，你只需要按照指示下載安裝，然后刷新上面的鏈接。
有時候打不開，可參考一些其他詞雲網站。
接下來的步驟如下：
a.加載文本。打開load，在“enter text”里面將前面復制的分詞后文本粘貼進去，再按“Submit”。（等待一下，等下面的進度條讀完）。
b.加載圖片。為了做個性化詞雲，我提前准備了一張奧巴馬的照片。點擊左邊“Shape”會彈出圖片菜單，我們選擇下方的“AddImage”(如果你想用內置的圖片直接在彈出菜單里面選擇就好了)。
c.圖片設置。點擊“AddImage”，加載完圖片后，菜單會讓你做一些設置，只要是調整threshold和Blur（調整邊界和模糊度）。下面還有一些設置文字擺放位置的，自己點一下，很容易摸索，最后點擊“accept”，運行一下就看到結果了。
d.保存。點擊“save”，選擇自己要的圖片大小，就可以保存了。（也就得到最上面的效果咯）
e.詞頻。如果想看詞頻或者像刪除某些不需要的詞（比如“的”），那么單機“word|layoutoptions”里面的“skip”菜單，里面有詳細詞頻，不需要的詞，直接點“Keep”就變成“Skip”了（也就是刪除了）。
二、Wordle
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》
體驗詞雲：http://www.wordle.net/
這些年比較火的一款詞雲軟件，Wordle是一個用於從文本生成詞雲圖而提供的游戲工具，詞雲圖會更加突出話題並頻繁地出現在源文本，它的優點是可以快速的分析文本或網站的詞頻，並以多種多種風格展示，且支持文字字體選擇和用戶自定義顏色。做完詞雲圖，生成圖像后還可以保存在網絡之中供你查看、鏈接、下載以及與好友分享。
由於Wordle目前只支持英文，所以應在Excel或記事本里先將中文信息轉換成Wordle可以識別的語言，即英文或數字。
三、WordItOut
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》
體驗詞雲：http://worditout.com/
WordItOut網站很人性，還給用戶解釋什么是詞雲以及詞雲的作用等信息。它操作簡單，進入網站后只需要輸入一段文本，然后就可以生成各種樣式的“雲”文字。用戶可以根據自己的需要對WordItOut進行再設計，比如顏色、字符、字體、背景、文字位置等，保存下載后，可以復制。
但是WordItOut是不識別中文的，如果輸入中英混合的文本，保存后只顯示英文字體，對於不懂英文的同學是比較痛苦的。
———————————————————————————————————————— 四、Tagul
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》
體驗詞雲：https://tagul.com/
Tagul雲可以自定義字體、詞雲的形狀(有愛心、BUS、雪人、人像、UFO等)，顏色等，做出來的詞雲圖很酷炫，為網站訪問者提供良好的用戶體驗。用戶可以在網站做好詞雲圖，然后印在衣服、杯子、鼠標墊等地方，自己設計身邊的物件，感覺很有成就感，很實用的網站。
———————————————————————————————————
五、ToCloud
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》
ToCloud
體驗詞雲：http://www.tocloud.com/
ToCloud是一個在線免費標簽雲生成器，你可以設置詞的長度和頻率。ToCloud整個頁面看着有點亂的感覺，但是可千萬不要小看它，工具非常好用，它能提取短語，是一個比較好的標簽雲工具之一利用詞頻生成詞雲，你可以快速了解頁面優化了某些單詞。
現在，來兩款國內的數據產品，絕對國產，再也不用擔心英文不好或者中英文互導麻煩了。
————————————————————————————————————————
六、圖悅
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》
1、圖悅
體驗詞雲：http://www.picdata.cn/
這款國內的在線詞頻分析工具，在長文本自動分詞並制作詞雲方面還是很出眾的，而且也容易上手，還可以自定義定制圖形模板：標准、微信、地圖等，切換自如，用起來體驗很不錯。
但是圖悅在導出excel詞頻有一些不足的地方，不介意的話可以忽略。
————————————————————————————————————————
七、BDP個人版
本節轉載於36大數據，文章《免費詞雲可視化工具，你知道幾款？ 36大數據》 2、BDP個人版
體驗詞雲：https://me.bdp.cn/home.html
這是一款數據可視化工具，除了詞雲，還有很多其他酷炫的圖表，如GIS地圖、漏斗圖等。BDP很容易上手，直接把詞語這個數據拉到維度欄，再選擇詞雲就瞬間呈現詞雲圖表，BDP會自動算好詞頻，你可以設置顏色，快速實現詞雲可視化。
不足之處，BDP不是專門制作詞雲的工具，但是還有幾十種圖表供你使用，是一款比較不錯的數據分析工具。
這么多款詞雲制作工具，大家自行選擇吧，感興趣的話都可以試試，會有很多有意思的發現，原來詞雲可視化是如此簡單，瞬間覺得自己棒棒的。
demo2:jieba + https://wordart.com/
用jieba分詞提取關鍵詞做漂亮的詞雲
用到的工具
- 原始數據：《白夜行》小說，txt格式（我是用calibre把原來mobi格式的書轉成txt的）。后期可以用爬蟲爬點網頁數據做原始數據。為簡單就先用txt練手好了。
- 提取關鍵詞：jieba分詞、停用詞表
- 在線詞雲生成工具：TAGUL
簡單分析一下
生成詞雲最關鍵的問題是中文分詞，統計分析各個詞的權重（權重較高的字體顯示較大）。這些問題jieba分詞已經幫我們解決了。我們只需要import jieba.analyse，使用jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())方法即可，當然只是提取關鍵詞還是不夠的，因為有些沒有意義的常用詞諸如“我的”、“或者”、“一個”等詞，會出現在結果里面，還需要一個“停用詞表”來幫我們過濾結果。 我們的目標是提取關鍵詞，並得到“關鍵詞+制表符+權重”的文本，這里關鍵詞和權重用制表符隔開是為了在用在線工具的時候，能順利導入權重的值，決定詞的大小（size）。
關鍵詞和size中間用制表符分開
步驟：
- 安裝jieba
pip install jieba - 准備好txt文件和停用詞表（網上可以下載到，txt格式即可）
- 編寫代碼
import jieba.analyse
path = '你的txt文件路徑'
file_in = open(path, 'r')
content = file_in.read()
try:
jieba.analyse.set_stop_words('你的停用詞表路徑')
tags = jieba.analyse.extract_tags(content, topK=100, withWeight=True)
for v, n in tags:
#權重是小數，為了湊整，乘了一萬
print v + '\t' + str(int(n * 10000))
finally:
file_in.close()
運行結果如下：
4.打開TAGUL，開始制作詞雲，把結果貼進import words里
參考文章：
http://www.jianshu.com/p/6a285dfa3d87
1.TF-IDF與余弦相似性的應用（一）：自動提取關鍵詞 2.超簡單：快速制作一款高逼格詞雲圖 3.jieba的github