1、采集文本语料集，使用 pyecharts、wordcloud、stylecloud任一种扩展包生成词云图； 2、进行数据预处理； 3、分别进行SnowNLP 与Jieba进行中文文本处理功能比较。

1. 为了生成文本语料集的词云图，首先需要安装`pyecharts`、`wordcloud`和`stylecloud`扩展包。你可以通过pip命令安装它们：

   pip install pyecharts wordcloud stylecloud

然后编写Python代码，导入这些库，并读取文本文件，将文本内容转换成词语列表，最后使用如`wordcloud`或`stylecloud`的`WordCloud`类生成词云图。例如：

   from pyecharts.charts import WordCloud
   text = ... # 从文件或字符串获取文本内容
   wc = WordCloud().add('词云', [text]).render('my_wordcloud.html')

2. 数据预处理阶段通常包括清理文本（移除特殊字符、数字、停用词），分词（例如，jieba或SnowNLP都会提供分词功能），以及对词语进行频率统计，以便用于构建词云。

3. SnowNLP和Jieba都是常用的中文自然语言处理工具，各有特点：

- SnowNLP注重情感分析和文本摘要，其分词结果更偏向于句子级别的理解，适合做文本的情感分析等任务。
- Jieba则是一个高效的中文分词库，支持精确模式和全模式，常用于微博、新闻等大规模文本处理，快速生成词汇表。

进行功能比较时，可以关注以下几点：
- 分词效果：对于常见的词语和短句，两者通常都能很好地识别，但在专业术语或罕见词汇上可能会有所差异。
- 性能：Jieba通常速度更快，适合大量数据的处理。
- 功能特性：对比两者的文档，看哪个更适合你的项目需求，比如是否需要情感分析、词性标注等功能。