现在网上制作词云的工具太多，但是存在一个问题，就是免费的词云网站制作得丑、不支持中文、没有词频统计，收费的又感觉没那必要。现提供以下简单的词频统计+词云制作的方法。
首先，用到免费的词云制作网站为wordart.com，是个外国网站，需要导入词频统计数据。里面包含的词云调整功能丰富，可以自定义的地方很多，大家可以自己探索。
关于中文词频统计，则采用Python库进行。这里用到的是jieba第三方库，分词较准，灵活操作性强。脚本我已经编写好了，大家只需照做即可 。
一、中文词频统计
编写以下Python脚本：
xxxxxxxxxximport csvimport reimport jiebaimport jieba.posseg as pseg
in_file_name = "text.txt" # 要分析的文本user_dict_name = "user_dict.txt" # 用户自定义词典block_words_name = "block_words.txt" # 屏蔽词out_file_name = 'out.csv' # 词频统计数据的输出block_word_class = ["c","uj","p","r","ul"] # 屏蔽词性regex = '^[\u4E00-\u9FA5A-Za-z0-9]+$' # 除去标点符号，只保留中英文和数字
data = open(in_file_name, "r", encoding='utf-8').read() # 打开文件jieba.load_userdict(user_dict_name) # 加载用户自定义词典seg_list = pseg.cut(data,use_paddle=True) # 默认是精确模式block_words_file = open(block_words_name,"r",encoding="utf-8") # 打开屏蔽词库reader = csv.reader(block_words_file)block_words = [w[0] for w in reader] # 生成屏蔽词列表words = {}
# 统计for str,flag in seg_list: # 屏蔽词、屏蔽词性 if flag in block_word_class or str in block_words: continue if re.search(regex, str): try: words[str] except KeyError: words[str] = 0 words[str] = words[str] + 1
# 写out = open(out_file_name, 'w', newline="", encoding="utf-8") # 注意，这里使用"w"不是"wb"，否则报错writer = csv.writer(out,delimiter="\t")for k, v in sorted(words.items(), key=lambda k: k[1], reverse=True): writer.writerow([k,v])
代码的第一段可根据自己的需求进行更改。现对这些参数进行解释。
1. 需要分析的文本文件 in_file_name
在同目录下准备以下三个文件：需要分析的文本文件、用户自定义词典、屏蔽词库。将需要分析的文本文件名填入in_file_name中。
示例中，test.txt包含需要词频统计的内容。
2. 用户自定义词典 user_dict_name
此处脚本中，使用jieba默认的精确模式，会自动识别新词。但如果自己想添加自定义的词，可以在新的文本文件（utf-8）中按照以下方式进行添加：
创新办 3 i
云计算 5
凱特琳 nz
台中一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。
词性表参见下表：
| 标签 | 含义 | 标签 | 含义 | 标签 | 含义 | 标签 | 含义 |
|---|---|---|---|---|---|---|---|
| n | 普通名词 | f | 方位名词 | s | 处所名词 | t | 时间 |
| nr | 人名 | ns | 地名 | nt | 机构名 | nw | 作品名 |
| nz | 其他专名 | v | 普通动词 | vd | 动副词 | vn | 名动词 |
| a | 形容词 | ad | 副形词 | an | 名形词 | d | 副词 |
| m | 数量词 | q | 量词 | r | 代词 | p | 介词 |
| c | 连词 | u | 助词 | xc | 其他虚词 | w | 标点符号 |
| PER | 人名 | LOC | 地名 | ORG | 机构名 | TIME | 时间 |
比如：
关于jieba库的使用参见：fxsjy/jieba: 结巴中文分词 (github.com)
3. 屏蔽词库 block_words_name
新建一个文本文件，在里面添加不需要进行词频统计的词。一行一词。
比如：
4. 输出的.csv文件名 out_file_name
指定输出的.csv文件名。
5.（可选）屏蔽词性block_word_class
指定不需要进行词频统计的词的词性。词性列表参见#词性。这里默认屏蔽连词、助词、介词、代词。
6.（可选）保留词的正则表达式 regex
指定需要进行词频统计的词的正则表达式。这里默认为中文、英文和数字。
当一切准备好后，运行脚本。
输出：
二、WordArt网站设置
运行以上脚本，复制输出的内容后。打开网站Word Art – Edit – WordArt.com。
1. 导入统计信息
点击导入：
粘贴，并按照以下设置：
导入成功：
其他自定义操作可自行在网站上操作。
2. 导入字体
网站支持英文词云。如果想让中文词云也能生成，就必须上传一款中文字体。中文字体可以在系统字体（Fonts文件夹）中找：
导入字体后：
3. 选择形状
可以在网站图库中选。这里我采用自己上传的方式。注意，上传PNG图片更好。
至于词云中其他自定义设定可以自行探索。
4. 生成
准备好了之后，点击生成按钮。
当当当当！生成成功。
参考连接
不同的词频统计第三方库：Python中文分词及词频统计 – 简书 (jianshu.com)
csv库官方文档：csv — CSV File Reading and Writing — Python 3.10.2 documentation