【实战教程】借助 CodeBuddy 轻松打造精美中文词云图 - AI 编程助手使用体验

本文所使用的 CodeBuddy 免费下载链接：腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴”；

📚 前言

在数据可视化领域，词云图是一种直观而富有艺术感的表现形式，能够清晰地展示文本中词语的频率和重要性。本文将详细记录如何借助 CodeBuddy 这款 AI 编程助手，从零开始实现一个支持中文的词云图生成工具。我们将通过一系列提问与优化，逐步完善代码，最终得到一个功能完备的词云图应用。

🚀 开发流程

整个开发过程分为以下几个步骤：

1. 获取基础词云图代码
2. 准备文本数据
3. 解决中文显示问题
4. 运行并优化效果

💻 获取基础词云图代码

首先，我向 CodeBuddy 提出了明确的需求：

我需要一个 py 的词云图功能代码，请给我一份完整的代码在当前目录下

CodeBuddy 迅速给出了详细的实现代码：

这段代码包含了词云图实现的核心功能，但我们还需要准备输入数据才能运行。

📝 准备文本数据

查看代码后，我发现需要一个名为 text.txt 的文本文件作为词云的数据来源，于是我继续向 CodeBuddy 提问：

给我一份 text.txt 的完整内容，方便我进行测试

CodeBuddy 提供了示例文本内容：

有了代码和数据，我们可以开始第一次运行测试了。

🔍 发现并解决中文显示问题

将代码和文本文件放入同一目录后运行，得到了以下结果：

很明显，词云图中的中文字符无法正常显示，全部变成了方块。这是因为缺少中文字体支持。我再次向 CodeBuddy 寻求帮助：

生成的词云图中文无法识别是以方块展示的，请修复

CodeBuddy 立即给出了解决方案：

根据提示，我下载了一个中文字体文件（字体家AI造字春风.ttf）并放入项目目录，再次运行代码。

✨ 最终效果展示

添加中文字体后，词云图完美呈现：

可以看到，中文词语清晰可辨，词云图整体美观大方，完全达到了我们的预期效果。

📋 完整代码解析

下面是最终优化后的完整代码，我添加了详细的注释说明每个部分的功能：

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import os
import jieba  # 中文分词库
from collections import Counter  # 词频统计

# 文件路径配置
input_file = 'text.txt'  # 输入文本文件
output_file = 'wordcloud.png'  # 输出图片文件
font_path = '字体家AI造字春风.ttf'  # 中文字体文件

# 检查字体文件是否存在
if not os.path.exists(font_path):
    print(f"警告：未找到中文字体文件 {font_path}")
    print("请下载字体家AI造字春风.ttf字体文件并放在当前目录")
    print("或修改代码中的font_path变量为你的中文字体路径")
    font_path = None  # 尝试使用系统默认字体

# 检查输入文件
if not os.path.exists(input_file):
    print(f"错误：当前目录下找不到 {input_file} 文件")
    print("请确保有一个名为 text.txt 的文本文件在当前目录下")
    exit()

# 读取文本内容
try:
    with open(input_file, 'r', encoding='utf-8') as file:
        text = file.read()
except Exception as e:
    print(f"读取文件时出错: {e}")
    exit()

# 中文分词处理函数
def chinese_text_segment(text):
    # 使用jieba进行中文分词
    seg_list = jieba.cut(text)
    # 过滤掉单个字符和空白（保留多字词语）
    words = [word for word in seg_list if len(word.strip()) > 1]
    # 统计词频
    word_counts = Counter(words)
    return word_counts

# 创建词云对象（自定义参数）
wordcloud = WordCloud(
    font_path=font_path,    # 中文字体路径（关键参数）
    width=800,              # 宽度
    height=600,             # 高度
    background_color='white',  # 背景色
    max_words=200,          # 最大词数
    max_font_size=150,      # 最大字体大小
    random_state=42,        # 随机种子（保证每次生成结果一致）
    collocations=False,     # 是否包含两个词的搭配
    stopwords=None,         # 停用词列表（可自定义）
    prefer_horizontal=0.9,  # 水平显示比例
    margin=2,              # 边距
    scale=2                # 缩放比例（提高清晰度）
)

# 生成词云
try:
    # 对中文文本进行分词和词频统计
    word_counts = chinese_text_segment(text)
    # 根据词频生成词云
    wordcloud.generate_from_frequencies(word_counts)
except Exception as e:
    print(f"生成词云时出错: {e}")
    exit()

# 显示词云
plt.figure(figsize=(10, 8))  # 设置图像大小
plt.imshow(wordcloud, interpolation='bilinear')  # 显示词云
plt.axis('off')  # 关闭坐标轴

# 保存词云图
try:
    wordcloud.to_file(output_file)
    print(f"词云图已成功保存为 {output_file}")
except Exception as e:
    print(f"保存词云图时出错: {e}")

# 显示图像
plt.show()

🔧 技术要点解析

1. 中文分词处理：使用 jieba 库进行中文分词，这是处理中文文本的关键步骤
2. 字体配置：通过 font_path 参数指定中文字体，解决中文显示问题
3. 词频统计：使用 Counter 类高效统计词频
4. 异常处理：代码中加入了完善的异常处理机制，提高程序健壮性
5. 参数优化：通过调整 WordCloud 的各项参数，优化词云图的视觉效果

📈 可扩展功能建议

如果你想进一步增强这个词云图工具，可以考虑以下扩展：

1. 自定义停用词：添加中文停用词列表，过滤掉"的"、"了"等常见虚词
2. 多种配色方案：实现不同的配色主题，如暖色系、冷色系等
3. 形状蒙版：让词云按照特定形状（如心形、国家地图等）生成
4. 交互式界面：开发简单的 GUI 界面，方便用户上传文本和调整参数
5. 情感分析：结合情感分析，用不同颜色表示词语的情感倾向

🎯 总结与反思

通过这次实践，我们可以看到 CodeBuddy 在编程辅助方面的强大能力。从最初的代码生成到问题诊断再到解决方案提供，CodeBuddy 全程给予了精准的指导。整个开发过程中，我们只需要提出明确的问题，就能得到有效的解答，大大提高了开发效率。

特别值得一提的是，CodeBuddy 不仅提供了基础功能实现，还考虑到了异常处理、参数优化等细节问题，使得最终代码具有较高的健壮性和可用性。这种"一站式"的编程辅助体验，对于快速实现功能原型、学习新技术都有极大帮助。

通过这个简单的词云图项目，我们不仅学习了 Python 数据可视化的相关知识，也体验了 AI 编程助手如何改变传统的编程方式，让编程变得更加高效和有趣。