代码之家 › 专栏 › 技术社区 › Binyamin Even

用python为外语(希伯来语)创建wordcloud

word-cloud data-visualization text algorithm python

Binyamin Even · 技术社区 · 6 年前

我想创建一个wordcloud。当我的琴弦是英文时,一切都很好:

from wordcloud import WordCloud
from matplotlib import pyplot as plt
text="""Softrock 40 - close to the 6 MHz that the P6D requires (6.062 according) - https://groups.yahoo.com/neo/groups/softrock40/conversations/messages
I want the USB model that has a controllable (not fixed) central frequency."""
wordcloud = WordCloud().generate(text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

但当我在希伯来语中做同样的操作时,它不会检测到字体,我只得到空的矩形:

text="""×ª××××ª× ×©× ×××¨×£ ××××× ×××××, ××××× ×××× ×××©×¨×× ××××× ×× ×× ××¨××©×× × ××©× × ××¤××¡ ××× ×¨×ª ××¢×× ××¦××¨× ××©××¢××ª××ª ×××©×× ××¡×¢×¨× ×©×ª×× ××××"""
wordcloud = WordCloud().generate(text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

有什么想法吗?

1 回复 | 直到 6 年前

willeM_ Van Onsem 6 年前

这与wordcloud本身没有太多的关系,而是与渲染有更多的关系:您使用的字体(默认为)只是不包含希伯来语字符的任何“定义”。因此,它只呈现矩形。

但是,我们可以使用支持希伯来文字符的字体,例如 弗赖桑斯博尔德 . 我们可以通过 WordCloud 构造函数:

from wordcloud import WordCloud
from matplotlib import pyplot as plt

text="""×ª××××ª× ×©× ×××¨×£ ××××× ×××××, ××××× ×××× ×××©×¨×× ××××× ×× ×× ××¨××©×× × ××©× × ××¤××¡ ××× ×¨×ª ××¢×× ××¦××¨× ××©××¢××ª××ª ×××©×× ××¡×¢×¨× ×©×ª×× ××××"""
wordcloud = WordCloud(font_path='/usr/share/fonts/truetype/freefont/FreeSansBold.ttf').generate(text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

然后生成以下单词cloud:

我不太熟悉希伯来语,但我觉得这些单词是从左到右写的,而不是从右到左。不管怎样,如果这是个问题,我们可以使用 python-bidi 首先处理语言的方向,如:

from wordcloud import WordCloud
from matplotlib import pyplot as plt
from bidi.algorithm import get_display

text="""×ª××××ª× ×©× ×××¨×£ ××××× ×××××, ××××× ×××× ×××©×¨×× ××××× ×× ×× ××¨××©×× × ××©× × ××¤××¡ ××× ×¨×ª ××¢×× ××¦××¨× ××©××¢××ª××ª ×××©×× ××¡×¢×¨× ×©×ª×× ××××"""

bidi_text = get_display(text)

wordcloud = WordCloud(font_path='/usr/share/fonts/truetype/freefont/FreeSansBold.ttf').generate(bidi_text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()