ابرِ کلمات (Word Cloud) در زبان فارسی

برای تشکیل ابر کلمات از روی متن های فارسی در زبان پایتون و روی ویندوز می توانید به صورت زیر عمل کنید:

کتابخانه های زیر را فراخوانی کنید:

from os import path

from persian_wordcloud.wordcloud import PersianWordCloud, add_stop_words

import ntpath

در مورد چگونگی نصب کتابخانه ها در پایتون اینجا رو ببینید.

حالا نوبت به معرفی مسیر فایل حاوی متن فارسی می رسد:

d = path.dirname('C:\\...\\....\\Desktop\\')

فایل مورد نظر با عنوان persian.txt ذخیره شده است:

text = open(ntpath.join(d, 'persian.txt'), encoding='utf-8').read()

حالا نوبت معرفی ایست واژگان هست (ایست واژه به حروف اضافه ای گفته می شود که مفهومی را منتقل نمی کند. در زبان پارسی عبارتی مثل: از، به، که، اگر و... ایست واژه محسوب می شوند.):

stopwords = add_stop_words(['کاسپین'])

دستور بعدی هم مربوط به تنظیمات نمایش خروجی است. همین جا می توان اندازه فونت ها و رنگ پس زمینه را تغییر داد:

wordcloud = PersianWordCloud(

    only_persian=True,

    max_words=100,

    stopwords=stopwords,

    margin=0,

    width=800,

    height=800,

    min_font_size=1,

    max_font_size=500,

    background_color="black"

).generate(text)

دستورات بعدی هم مربوط به نمایش و ذخیره تصویر خروجی است:

image = wordcloud.to_image()

image.show()

image.save('C:\\...\\....\\Desktop\\result.png')

همانطور که مشخص است در شکل بالا ایست واژگانی مانند می، فرا، تر و... تکرار شده است که به کمک پیش پردازش متن و سایر تکنیک های موجود قابل حذف هستند.