设计一个程序，读出“三国演义.txt”文件中的三国演义全文，将常见人名进行去重后生成词云，并列出词频最高的10-20个词，并形成词云（可以有不同的形状）。\r\n例：'玄德'，'刘备'

好的，这是一个文本处理程序，它可以读取“三国演义.txt”文件中的全文，并对常见人名进行去重处理，然后生成词云。程序还会列出词频最高的10-20个词，并形成词云，可以使用不同的形状。常见人名包括像“玄德”、“刘备”这样的人名。

相关问题

python代码 设计一个程序,读出“三国演义.txt”文件中的三国演义全文,将常见人名进行去重后生成词云,并列出词频最高的10-20个词,并形成词云比如人物头像，三国地图

首先，需要安装一些必要的Python库：jieba、wordcloud和matplotlib。

pip install jieba wordcloud matplotlib

然后，可以按以下步骤进行程序设计：

1. 读取“三国演义.txt”文件中的全文内容。
2. 使用jieba分词对全文进行分词。
3. 对分词结果中的人名进行去重。
4. 统计每个人名出现的次数，并按照次数从高到低排序，取前10-20个。
5. 将结果生成词云并展示。

下面是完整的代码实现：

import jieba
from collections import Counter
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np

# 读取文件内容
with open("三国演义.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 分词
words = jieba.cut(text)

# 去重
names = set()
with open("names.txt", "r", encoding="utf-8") as f:
    for name in f:
        name = name.strip()
        if name:
            names.add(name)
name_count = Counter()
for word in words:
    if word in names:
        name_count[word] += 1

# 排序取前10-20个
top_n = 20
name_count = name_count.most_common(top_n)

# 生成词云
mask = np.array(Image.open("map.png"))
wc = WordCloud(font_path="msyh.ttc", background_color="white", mask=mask)
wc.generate_from_frequencies(dict(name_count))
image_colors = ImageColorGenerator(mask)
plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear")
plt.axis("off")
plt.show()

其中，names.txt文件是一个包含常见人名的文本文件，每行一个人名。

map.png是一张三国地图的图片，用来生成词云形状。

运行程序后，会生成一个展示词云的窗口，同时在命令行输出词频最高的10-20个人名及其出现次数。

设计一个程序，读出“三国演义.txt”文件中的三国演义全文，将常见人名进行去重后生成词云，并列出词频最高的10-20个词，并形成词云（可以有不同的形状）。

这个程序可以分为以下几个步骤：

1. 读取“三国演义.txt”文件中的全文，将其存储为一个字符串。

2. 使用正则表达式或其他方法，从全文中提取出所有的人名，并将其存储为一个列表。

3. 对人名列表进行去重，得到一个只包含常见人名的列表。

4. 统计每个人名在全文中出现的次数，得到一个人名词频字典。

5. 对人名词频字典按照词频从高到低排序，选取前10-20个词。

6. 将选取的词和其对应的词频生成词云，并将其保存为图片。

7. 可以使用不同的形状来生成词云，比如人物头像、三国地图等。

这个程序可以使用Python编写，需要用到一些第三方库，比如jieba、wordcloud、matplotlib等。