在上一篇中，將導出的csv文件中的talkid為微信id的文字內容提取出來，形成txt文件。

一、對文本內容進行清洗

• 在notepad中打開txt文件，發(fā)現(xiàn)聊天記錄中，每隔一段會有諸如“wxid_atzmad”的無效字段，影響整體數(shù)據(jù)的有效性。

  
  
  聊天記錄截圖1.png
  
  
  考慮到每個“wxid_atzmad”字段后內容均不一樣，若用復制粘貼去替換，幾萬行聊天記錄，光查找就要耗費一定精力。想到學習python時，學過正則表達式，為何不用正則表達式匹配“wxid_atzmad”字段，然后將其替換為空值？如果用正則表達式，速度快，效果應該可以達到。
  啟用正則表達式進行替換
  
  
  同理，其他無用字段也可以用正則表達式進行匹配刪除

數(shù)據(jù)清洗部分根據(jù)個人對數(shù)據(jù)的需求，進行不斷清洗。

二、生成詞云圖

在jupyter中，導入wordcloud模塊（當然，如果anaconda中沒有裝wordcloud模塊的話，可采用conda install wordcloud或者導入相關我回來文件的方式安裝），然后編寫詞云圖代碼，生成詞云。其中，詞云背景圖需要的照片輪廓可用美圖軟件進行修飾，以獲得更好的效果圖。

直接上代碼。

#使用空格鏈接，進行中文分詞
wl_space_split=''.join(wordlist)
print wl_space_split

#讀取mask/color圖片
d=path.dirname(__file__)
nana_coloring=imread(path.join(d,'pic.png')

#對分詞后的文本生成詞云
my_wordcloud=WordCloud(background_color='white',    #設置背景顏色
                        mask=nana_coloring,         #設置背景圖片
                        max_words=2000,             #設置最大顯示的字數(shù)
                        stopwords=STOPWORDS,        #設置停用詞
                        max_font_size=50,           #設置字體最大值
                        random_state=30,            #設置有多少種隨機生成狀態(tài)，即有多少種配色方案
                        )
                        
my_wordcloud.generate(wl_space_split)

#create coloring from image
image_colors=ImageColorGenerator(nana_coloring)

#recolor wordcloud and show 
my_wordcloud.recolor(color_func=image_colors)

#顯示詞云圖
plt.imshow(my_wordcloud)
#是否顯示x軸、y軸下標
plt.axis('off')
plt.show()

#save img
my_wordcloud.to_file(path.join(d,'wechat.png')

根據(jù)WordCloud的參數(shù)，可以自己不斷調整參數(shù)，獲得不同效果的詞云圖。
最后，附上自己調試出的幾個詞云圖照片。

不斷修圖和不斷調整參數(shù)的結果