Python-基于PyQt5,wordcloud,pillow,numpy,os,sys等的智能词云生成器(最终版)

前言：日常生活中，我们有时后就会遇见这样的情形：我们需要将给定的数据进行可视化处理，同时保证呈现比较良好的量化效果。这时候我们可能就会用到词云图。词云图（Word cloud）又称文字云，是一种文本数据的图片视觉表达方式，一般是由词汇组成类似云的图形，用于展示大量文本数据。词云这个概念首先是由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登提出的，通常用于描述网站上的关键字元数据（标签），或可视化自由格式文本。“词云”就是通过形成“关键词云层”或“关键词渲染”，对网络文本中出现频率较高的“关键词”的视觉上的突出，每个词的重要性以字体大小或颜色显示。今天，我们就一起来学习如何利用Python制作一个简单的智能词云生成器。与上次不同的是，我们这次将给原程序扩展额外功能-从文本文件中提取文本数据(包括纯文本文件(TXT文件)，PDF文件，Word文件)以及智能推荐词云背景色-从形状图片中提取主要颜色，并将其用于智能背景色推荐。

编程思路：本次编程我们将会调用到调用到wordcloud,PyQt5,pillow(PIL),numpy,sys,os,pytesseract,docx,pdfplumber,colorthief等库。其中，wordcloud是本次编程的主体，它可以指定词云的形状，颜色，字体，背景等，帮助我们轻松地生成美观、直观的词云。PyQt5被用于创建一个图形用户界面，包括按钮、文本框、标签、布局管理器，颜色拾取器等组件，以及处理用户交互和事件，它将在词云生成的功能与用户界面相结合方面会很有用。pillow是Python的一个很重要的图像处理库，它被用于读取我们选择好的词云的形状图片，并将其转换为numpy数组，以便在生成词云时使用。numpy则负责进行数据处理（包括我们输入的文本以及传入的图片等信息）。sys和os将会帮助我们与Python解释器(PyCharm)进行交互，以及控制程序的执行，并对系统文件进行相关操作。与上次相比，我们导入了新的库:pytesseract，它可以将图像中的文字转换为字符串，从而实现了对扫描版PDF文件的文字提取。pdfplumber让我们可以很方便地从 PDF 文件中提取文本内容(包括普通的文本型PDF和扫描版的PDF)。docx是Python的一个很强大的文本文件处理库，有了docx 库，我们可以方便地从docx文件(扩展名为.docx)中提取文本内容，并将其显示在文本编辑框中。最后，我们还将会用到colorthief,它将帮助我们从形状图片中提取主要颜色，并将其用于智能背景色推荐。

第一步：导入库

标准库：sys,os。

第三方库：PyQt5,pillow(PIL),wordcloud,numpy,docx,pdfplumber,pytesseract,colorthief。

#导入必要库
import sys
import os
import numpy as np
from PIL import Image
from wordcloud import WordCloud
from PyQt5.QtWidgets import *
from PyQt5.QtGui import *
from PyQt5.QtCore import Qt, QSettings
import docx
import pdfplumber
import pytesseract
from colorthief import ColorThief

第二步：创建预定义颜色列表

这里我们需要创建一个预定义颜色列表，其中包含50种一般的颜色代表的RGB值，供用户在后续颜色菜单栏中自由选择词云图背景颜色。

# 预定义颜色列表（50种常见颜色）
COLOR_PRESETS = ["#FFFFFF", "#000000", "#FF0000", "#00FF00", "#0000FF", "#FFFF00", "#00FFFF", "#FF00FF","#C0C0C0", "#808080", "#800000", "#808000", "#008000", "#800080", "#008080", "#000080","#FFA07A", "#FF7F50", "#FF4500", "#FFD700", "#FF8C00", "#FF69B4", "#FF1493", "#C71585","#DB7093", "#FFC0CB", "#FFB6C1", "#FFA500", "#FF6347", "#FFE4E1", "#FFF0F5", "#FAEBD7","#F5F5DC", "#F0FFF0", "#F0FFFF", "#F0E68C", "#FFFACD", "#E6E6FA", "#DDA0DD", "#D8BFD8","#DA70D6", "#BA55D3", "#9370DB", "#8A2BE2", "#7B68EE", "#6A5ACD", "#483D8B", "#4169E1","#00BFFF", "#1E90FF", "#87CEEB", "#87CEFA", "#ADD8E6", "#B0C4DE", "#5F9EA0", "#4682B4"]

第三步：创建内部功能类

我们用PyQt5库创建了一个功能丰富的GUI类（词云生成器类），允许用户选择形状图片、输入文本内容、选择字体文件、生成词云并保存生成的词云图片。在词云生成器类这个类中，我们创建了总共19个函数（初始化函数，UI初始化函数，系统图片文件夹获取函数，词云形状图片加载函数，字体文件选择函数，词云生成核心逻辑函数和词云图片保存函数等），它们将执行各自的功能，共同完成生成词云图的工作。值得一提的是，相比于上次的代码，本次扩展了8个函数，其功能围绕从创建颜色拾取器，识别形状图片颜色以提供智能背景色推荐等功能展开。

#创建词云生成器类
class WordCloudGenerator(QWidget):#初始化函数def __init__(self):super().__init__()self.mask_image = Noneself.font_path = Noneself.bg_color = "#FFFFFF"self.temp_path = self.get_pictures_path()self.settings = QSettings("WordCloudApp", "Settings")self.initUI()self.load_settings()#初始化UI函数def initUI(self):# 主布局main_layout = QHBoxLayout()# 左侧面板left_panel = QVBoxLayout()# 文件导入按钮self.import_btn = QPushButton('导入文本文件(txt/docx/pdf(支持OCR识别))', self)self.import_btn.clicked.connect(self.import_text)# 形状图片选择self.image_btn = QPushButton('选择形状图片', self)self.image_btn.clicked.connect(self.load_image)# 图片预览self.image_preview = QLabel('图片预览区域')self.image_preview.setFixedSize(300, 300)self.image_preview.setFrameShape(QFrame.Box)self.image_preview.setAlignment(Qt.AlignCenter)# 颜色选择区域color_layout = QHBoxLayout()self.color_label = QLabel('背景颜色设置:')self.color_combo = QComboBox()self.color_combo.addItems(COLOR_PRESETS)self.color_combo.setEditable(True)self.color_combo.currentTextChanged.connect(self.update_bg_color)# 颜色拾取按钮self.color_picker_btn = QPushButton("颜色拾取", self)self.color_picker_btn.clicked.connect(self.pick_color)# 颜色预览self.color_preview = QLabel()self.color_preview.setFixedSize(50, 30)self.color_preview.setFrameShape(QFrame.Box)color_layout.addWidget(self.color_label)color_layout.addWidget(self.color_combo)color_layout.addWidget(self.color_picker_btn)color_layout.addWidget(self.color_preview)# 智能配色复选框self.auto_color_cb = QCheckBox("智能背景色推荐(根据图片背景色)", self)self.auto_color_cb.stateChanged.connect(self.toggle_auto_color)# 文本输入框self.text_edit = QTextEdit()self.text_edit.setPlaceholderText("在此输入文本内容，或使用上方按钮导入文件...")# 字体选择self.font_btn = QPushButton('选择字体文件(存在中文字体时需要)', self)self.font_btn.clicked.connect(self.select_font)# 生成按钮self.generate_btn = QPushButton('生成词云', self)self.generate_btn.clicked.connect(self.generate_wordcloud)# 保存按钮self.save_btn = QPushButton('保存词云', self)self.save_btn.clicked.connect(self.save_wordcloud)# 添加左侧组件left_panel.addWidget(self.import_btn)left_panel.addWidget(self.image_btn)left_panel.addWidget(self.image_preview)left_panel.addLayout(color_layout)left_panel.addWidget(self.auto_color_cb)left_panel.addWidget(QLabel('输入文本:'))left_panel.addWidget(self.text_edit)left_panel.addWidget(self.font_btn)left

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/69912.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【Linux系统】信号：认识信号 与 信号的产生

【Linux系统】信号：认识信号 与 信号的产生

信号快速认识 1、生活角度的信号 异步：你是老师正在上课，突然有个电话过来资料到了，你安排小明过去取资料，然后继续上课，则小明取资料这个过程就是异步的 同步：小明取快递，你停下等待小明回来再…
阅读更多...
stm32硬件实现与w25qxx通信

stm32硬件实现与w25qxx通信

使用的型号为stm32f103c8t6与w25q64。 STM32CubeMX配置与引脚衔接 根据stm32f103c8t6引脚手册，采用B12-B15四个引脚与W25Q64连接，实现SPI通信。 W25Q64SCK（CLK）PB13MOSI（DI）PB15MISO(DO)PB14CS&#xff08…
阅读更多...
22.Word：小张-经费联审核结算单❗【16】

22.Word：小张-经费联审核结算单❗【16】

目录 NO1.2 NO3.4​ NO5.6.7 NO8邮件合并 MS搜狗输入法 NO1.2 用ms打开文件，而不是wps❗不然后面都没分布局→页面设置→页面大小→页面方向→上下左右：页边距→页码范围：多页：拼页光标处于→布局→分隔符：分节符…
阅读更多...
it基础使用--5---git远程仓库

it基础使用--5---git远程仓库

it基础使用–5—git远程仓库 1. 按顺序看 -git基础使用–1–版本控制的基本概念 -git基础使用–2–gti的基本概念 -git基础使用–3—安装和基本使用 -git基础使用–4—git分支和使用 2. 什么是远程仓库 在第一篇文章中，我们已经讲过了远程仓库，每个本…
阅读更多...
aitraderv4.2开发计划，整合QMT。年化39.9%的因子与年化19.3%的策略哪个优?

aitraderv4.2开发计划，整合QMT。年化39.9%的因子与年化19.3%的策略哪个优?

原创内容第784篇，专注量化投资、个人成长与财富自由。 昨天我们发布的aitrader v4.1的代码：aitrader_v4.1系统更新|含年化39.1%的组合策略代码|backtraderopenctp实盘（代码数据） 星球下周代码计划： 1、考虑整合back…
阅读更多...
玩转大语言模型——使用langchain和Ollama本地部署大语言模型

玩转大语言模型——使用langchain和Ollama本地部署大语言模型

系列文章目录 玩转大语言模型——使用langchain和Ollama本地部署大语言模型 玩转大语言模型——ollama导入huggingface下载的模型 玩转大语言模型——langchain调用ollama视觉多模态语言模型 玩转大语言模型——使用GraphRAGOllama构建知识图谱 玩转大语言模型——完美解决Gra…
阅读更多...
word2vec 实战应用介绍

word2vec 实战应用介绍

Word2Vec 是一种由 Google 在 2013 年推出的重要词嵌入模型，通过将单词映射为低维向量，实现了对自然语言处理任务的高效支持。其核心思想是利用深度学习技术，通过训练大量文本数据，将单词表示为稠密的向量形式，从而捕捉单词之间的语义和语法关系。以下是关于 Word2Vec 实战…
阅读更多...
yes镜像站群/PHP驱动的镜像站群架构实践

yes镜像站群/PHP驱动的镜像站群架构实践

▍当前站群运维的三大技术困局 在近期与多个IDC服务商的交流中发现，传统站群系统普遍面临： 同步效率瓶颈：跨服务器内容同步耗时超过行业标准的42%SEO权重稀释：镜像站点重复率导致70%的站点无法进入百度前3页运维成本失控&#x…
阅读更多...
走向基于大语言模型的新一代推荐系统：综述与展望

走向基于大语言模型的新一代推荐系统：综述与展望

HightLight 论文题目：Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond作者机构：吉林大学、香港理工大学、悉尼科技大学、Meta AI论文地址： https://arxiv.org/abs/2410.1974 基于大语言模型的下一代推荐系统&…
阅读更多...
Verilog语言学习总结

Verilog语言学习总结

Verilog语言学习！ 目录 文章目录 前言 一、Verilog语言是什么？ 1.1 Verilog简介 1.2 Verilog 和 C 的区别 1.3 Verilog 学习 二、Verilog基础知识 2.1 Verilog 的逻辑值 2.2 数字进制 2.3 Verilog标识符 2.4 Verilog 的数据类型 2.4.1 寄存器类型 2.4.2 …
阅读更多...
智慧园区综合管理系统如何实现多个维度的高效管理与安全风险控制

智慧园区综合管理系统如何实现多个维度的高效管理与安全风险控制

内容概要 在当前快速发展的城市环境中，智慧园区综合管理系统正在成为各类园区管理的重要工具，无论是工业园、产业园、物流园，还是写字楼与公寓，都在积极寻求如何提升管理效率和保障安全。通过快鲸智慧园区管理系统，用…
阅读更多...
JavaFX - 事件处理

JavaFX - 事件处理

在 JavaFX 中，我们可以开发 GUI 应用程序、Web 应用程序和图形应用程序。在此类应用程序中，每当用户与应用程序 （节点） 交互时，都会称其发生了事件。 例如，单击按钮、移动鼠标、通过键盘输入字符、从列表中…
阅读更多...
小米CR6606,CR6608,CR6609 启用SSH和刷入OpenWRT 23.05.5

小米CR6606,CR6608,CR6609 启用SSH和刷入OpenWRT 23.05.5

闲鱼上收了一台CR6606和一台CR6609, 一直没时间研究, 趁春节假期把这两个都刷成 OpenWRT 配置说明 CPU: MT7621AT，双核880MHz内存: NT5CC128M16JR-EKI 或 M15T2G16128A, 256MB闪存: F59L1G81MB, 128MB无线基带芯片(BB): T7905DAN无线射频芯片(RF): MT7975DN无外置F…
阅读更多...
使用windows笔记本让服务器上网

使用windows笔记本让服务器上网

使用windows笔记本让服务器上网 前言准备工具开始动手实践1.将手机热点打开，让Windows笔记本使用无线网卡连接上网2.使用网线将Windows笔记本的有线网卡和服务器的有线网卡直连3.在Windows笔记本上按winR输入ncpa.cpl打开网卡设置界面4.在Windows笔记本上右键“无线…
阅读更多...
2007-2019年各省科学技术支出数据

2007-2019年各省科学技术支出数据

2007-2019年各省科学技术支出数据 1、时间：2007-2019年 2、来源：国家统计局、统计年鉴 3、指标：行政区划代码、地区名称、年份、科学技术支出 4、范围：31省 5、指标解释：科学技术支出是指为促进科学研究、技术开发…
阅读更多...
6. 使用springboot做一个音乐播放器软件项目【1.0版项目完结】附带源码~

6. 使用springboot做一个音乐播放器软件项目【1.0版项目完结】附带源码~

#万物OOP 注意： 本项目只实现播放音乐和后台管理系统。 不分享任何音乐歌曲资源。 上一篇文章我们 做了音乐播放器后台的功能。参考地址： https://jsonll.blog.csdn.net/article/details/145214363 这个项目已经好几天也没更新了，因为临近放…
阅读更多...
【Rust自学】15.4. Drop trait：告别手动清理，释放即安全

【Rust自学】15.4. Drop trait：告别手动清理，释放即安全

喜欢的话别忘了点赞、收藏加关注哦，对接下来的教程有兴趣的可以关注专栏。谢谢喵！(･ω･) 15.4.1. Drop trait的意义 类型如果实现了Drop trait，就可以让程序员自定义当值离开作用域时发生的操作。例如文件、网络资源…
阅读更多...
2025年1月22日（网络编程 udp）

2025年1月22日（网络编程 udp）

系统信息： ubuntu 16.04LTS Raspberry Pi Zero 2W 系统版本： 2024-10-22-raspios-bullseye-armhf Python 版本：Python 3.9.2 已安装 pip3 支持拍摄 1080p 30 (1092*1080), 720p 60 (1280*720), 60/90 (640*480) 已安装 vim 已安装 git 学习…
阅读更多...
嵌入式C语言：大小端详解

嵌入式C语言：大小端详解

目录 一、大小端的概念 1.1. 大端序（Big-endian） 1.2. 小端序（Little-endian） 二、大小端与硬件体系的关系 2.1. 大小端与处理器架构 2.2. 大小端与网络协议 2.3. 大小端对硬件设计的影响 三、判断系统的大小端方式 3.1.…
阅读更多...
当WebGIS遇到智慧文旅-以长沙市不绕路旅游攻略为例

当WebGIS遇到智慧文旅-以长沙市不绕路旅游攻略为例

目录 前言 一、旅游数据组织 1、旅游景点信息 2、路线时间推荐 二、WebGIS可视化实现 1、态势标绘实现 2、相关位置展示 三、成果展示 1、第一天旅游路线 2、第二天旅游路线 3、第三天旅游路线 4、交通、订票、住宿指南 四、总结 前言 随着信息技术的飞速发展&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023