然後可以在my_word_cloud.py寫程式碼了,首先匯入相關的包

##對於NLP（自然語言處理）來說，分詞是一步重要的工作,這裡使用jieba分詞
##對你輸入的文章進行分詞然後統計等等操作
import jieba
##匯入用於用於製作詞雲圖的wordcloud
from wordcloud import WordCloud,ImageColorGenerator
from matplotlib import pyplot as plt
from PIL import Image
import numpy as np
 

收集文字資訊

• 比如,我現在隨便找一篇文章,裡面包含大量文字

  為什麼《鋼之鍊金術師FA》被稱為神作？
  想要兩者兼得非常難，要說明它的難度，得舉個沒做到又有分量的作品為例子：老賊的《獵人》《鋼煉》是一部涵蓋面很廣的作品，其中想要探討的，有人性、戰爭、宗教、哲學、科學，但受限於【少年漫】這一題材，探索的面雖然廣卻基本不深入。真正讓《鋼煉》顯得極為成熟的，是“態度“…………..

• 然後,把這些文字複製並且儲存為info.txt,就儲存在word_cloud資料夾裡面

繼續編輯程式碼

##開啟剛剛的info.txt,並且把得到的控制代碼內容複製給content
with open('info.txt','r',encoding="UTF-8") as file1:
  content = "".join(file1.readlines())
##然後使用jieba模組進行對文字分詞整理
content_after = "".join(jieba.cut(content,cut_all=True))

##font_path
##使用worldCloud模組對剛剛整理好的分詞資訊進行處理.
##max_font_size引數是可以調整部分當個詞語最大尺寸
##max_words是最大可以允許多少個詞去組成這個詞雲圖
##height高度,width寬度,
##background_color背景顏色
wc = WordCloud(font_path="msyh.ttc",background_color="black",max_words=1000,max_font_size=100,
              width=1500,height=1500).generate(content)
##使用matplotlib的pyplot來進行最後的渲染出圖.
plt.imshow(wc)
##目標檔案另存為這個名錄下
wc.to_file('wolfcodeTarget.png')