如何在python中生成孟加拉文本的wordcloud？

Question

我试过下面的代码：

!pip install python-bidi
from wordcloud import WordCloud
from matplotlib import pyplot as plt
from bidi.algorithm import get_display

text="""মুস্তাফিজ"""

bidi_text = get_display(text)
print(bidi_text)
# https://github.com/amueller/word_cloud/issues/367
# https://stackoverflow.com/questions/54063438/create-wordcloud-in-python-for-foreign-language-hebrew
# https://www.omicronlab.com/bangla-fonts.html
rgx = r"[\u0980-\u09FF]+"
wordcloud = WordCloud(font_path='/content/Siyamrupali.ttf').generate(bidi_text)

#wordcloud = WordCloud(font_path='/content/FreeSansBold.ttf').generate(bidi_text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

然后我得到这个错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-87-56d899c0de07> in <module>()
     12 # https://www.omicronlab.com/bangla-fonts.html
     13 rgx = r"[\u0980-\u09FF]+"
---> 14 wordcloud = WordCloud(font_path='/content/Siyamrupali.ttf').generate(bidi_text)
     15 
     16 #wordcloud = WordCloud(font_path='/content/FreeSansBold.ttf').generate(bidi_text)

2 frames
/usr/local/lib/python3.6/dist-packages/wordcloud/wordcloud.py in generate_from_frequencies(self, frequencies, max_font_size)
    381         if len(frequencies) <= 0:
    382             raise ValueError("We need at least 1 word to plot a word cloud, "
--> 383                              "got %d." % len(frequencies))
    384         frequencies = frequencies[:self.max_words]
    385 

ValueError：我们需要至少 1 个词来绘制词云，得到 0。

这一行不是选择孟加拉语单词：wordcloud = WordCloud(font_path='/content/Siyamrupali.ttf').generate(bidi_text)

我尝试了几乎所有的孟加拉语字体： https ://www.omicronlab.com/bangla-fonts.html

没有任何效果

Answer 1

您没有使用您在词云中定义的正则表达式更改正则表达式。 在处理词云中的文本时，它无法匹配模式并返回一个空列表。 在创建词云对象时传递rgx变量将解决您的问题。

wordcloud = WordCloud(font_path='/content/Siyamrupali.ttf',regexp=rgx).generate(bidi_text)

这是代码的完整片段。

!pip install python-bidi
from wordcloud import WordCloud
from matplotlib import pyplot as plt
from bidi.algorithm import get_display

text="""মুস্তাফিজ"""

bidi_text = get_display(text)
print(bidi_text)
# https://github.com/amueller/word_cloud/issues/367
# https://stackoverflow.com/questions/54063438/create-wordcloud-in-python-for-foreign-language-hebrew
# https://www.omicronlab.com/bangla-fonts.html
rgx = r"[\u0980-\u09FF]+"
wordcloud = WordCloud(font_path='/content/Siyamrupali.ttf', 
regexp=rgx).generate(bidi_text)

#wordcloud = WordCloud(font_path='/content/FreeSansBold.ttf').generate(bidi_text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()

Answer 2

我使用以下代码在孟加拉语中生成了一个词云。 你可以试试：

def generate_Word_cloud(self,author_post,vocabularyWordnumber,img_file,stop_word_root_path):

stop_word_file = stop_word_root_path+'/stopwords-bn.txt'
print(stop_word_file)
f = open(stop_word_file, "r", encoding="utf8")
stop_word = f.read().split("\n")
print(stop_word)

final_text = " ".join(author_post)
print(final_text)
wordcloud = WordCloud(stopwords = stop_word, font_path='/usr/share/fonts/truetype/freefont/kalpurush.ttf',
    width = 600, height = 500,max_font_size=300, max_words=vocabularyWordnumber,
                      min_word_length=4, background_color="black").generate(final_text)
wordcloud.to_file(img_file)

Answer 3

我遵循了这条评论，最终可以解决 Ubuntu 中的问题。

第 1 步：!sudo apt-get install libfreetype6-dev libharfbuzz-dev libfribidi-dev gtk-doc-tools

第 2 步：!wget -O raqm-0.7.0.tar.gz https://raw.githubusercontent.com/python-pillow/pillow-depends/master/raqm-0.7.0.tar.gz

现在 raqm-0.7.0.tar.gz 文件应该在您的下载部分。

第 3 步：!tar -xzvf raqm-0.7.0.tar.gz

第 4 步：!cd raqm-0.7.0

第 5 步：!./configure --prefix=/usr && make -j4 && sudo make -j4 install

第 6 步：现在您只需重新安装 Pillow 库。 激活正确的环境。 然后运行以下命令：

python3 -m pip install --upgrade pip python3 -m pip install --upgrade Pillow

就是这样！ 现在你有一个可用的 Pillow 库，可以在图像中生成适当的孟加拉语和其他印度语字体。

此外，正如@Farzana Eva 在她的评论中所建议的，您需要在 wordcloud 对象中传递 rgx 变量。