java词袋模型 java 词云

引言

今天是2月7号,还有一周就是情人节了,如果各位猿们有心仪的程序媛,又不知道如何表白才能更符合程序员的气质,来来来,教你们一招,利用词云.

网上关于python的词云生成还是很多的,但是java的wordcloud少之又少,我在GitHub上找到了个关于java的词云项目,这边和大家分享一下使用方法,以及乱码解决.

以下是官方给出的几个效果图:

看着是不是很心动? 来让我们开始吧!

下面是MAVEN坐标,如果你只是java的爱好者,对MAVEN还不是很熟悉,可以点击链接: https://pan.baidu.com/s/1gOtxpjwDewSVKOFQ3GE-yw 提取码: ig9m ,手动导入jar就可以啦,嘿嘿.

<dependency>
    <groupId>com.kennycason</groupId>
    <artifactId>kumo-core</artifactId>
    <version>1.13</version>
</dependency>

//中文坐标
<dependency>
    <groupId>com.kennycason</groupId>
    <artifactId>kumo-tokenizers</artifactId>
    <version>1.12</version>
</dependency>

生成词云的思路

1. 拿到文档的分词,词频
2. 设置图片相关的属性,大小,字体,颜色等

案例代码解析

鉴于官方给出的代码很完整,我就给大家一行一行的解读一下中文词云的代码

public static void main(String[] args) throws IOException, DocumentException {
	  //创建一个词语解析器,类似于分词
        FrequencyAnalyzer frequencyAnalyzer = new FrequencyAnalyzer();
        frequencyAnalyzer.setWordFrequenciesToReturn(600);
        frequencyAnalyzer.setMinWordLength(2);
	//这边要注意,引用了中文的解析器
        frequencyAnalyzer.setWordTokenizer(new ChineseWordTokenizer());

	//拿到文档里面分出的词,和词频,建立一个集合存储起来
        List<WordFrequency> wordFrequencies = frequencyAnalyzer.load(getInputStream("text/vina.txt"));

	
        Dimension dimension = new Dimension(600, 600);

	//设置图片相关的属性,这边是大小和形状,更多的形状属性,可以从CollisionMode源码里面查找
        WordCloud wordCloud = new WordCloud(dimension, CollisionMode.PIXEL_PERFECT);
        wordCloud.setPadding(2);
	
	//这边要注意意思,是设置中文字体的,如果不设置,得到的将会是乱码,
	//这是官方给出的代码没有写的,我这边拓展写一下,字体,大小可以设置
	//具体可以参照Font源码
        java.awt.Font font = new java.awt.Font("STSong-Light", 2, 16);
        wordCloud.setKumoFont(new KumoFont(font));
        wordCloud.setBackgroundColor(new Color(255, 255, 255));
        //因为我这边是生成一个圆形,这边设置圆的半径
        wordCloud.setBackground(new CircleBackground(255));
	//设置颜色
        wordCloud.setColorPalette(buildRandomColorPalette(1));
        wordCloud.setFontScalar(new SqrtFontScalar(12, 45));
        //将文字写入图片
        wordCloud.build(wordFrequencies);
        //生成图片        wordCloud.writeToFile("output/chinese_language_circle.png");
    }

因为我这边文字不多,而且没有指定背景图形为异形,生成的有点丑,就当抛砖引玉了.