企业官网建设流程全解析

简介：这是一份围绕 Python 词云生成的完整教程文档，面向对文本挖掘与数据可视化感兴趣的初学者和中级用户，可服务于项目报告、数据分析、社交媒体监控与课堂演示等场景。压缩包内只有 1 个 PDF 文件，体积 2.07MB，单篇文档覆盖从概念到实际应用的全部内容，便于随时查阅。教程先说明词云的定义、作用与生成原理，再介绍 wordcloud 与 matplotlib 两个核心库的用法，并给出 Python 3.7、wordcloud 1.9.3、matplotlib 3.5.3 的环境版本参考。7 个案例由浅入深：最简调用、中文不分词、中文分词，到蒙版形状、自定义配色、关键词与权重提取等进阶用法，每个案例均附完整代码、分步解析与运行结果，读者可据此复现效果，替换文本和蒙版，制作个性化词云。目前已有 109 人学习下载。

1. 从一份 PDF 到可跑的词云：7 个案例先解决什么问题

这份《python实现词云完整教程7个案例.pdf》是一份偏实战的 python 课程资源，核心不是讲词云概念，而是把 WordCloud 从最小调用一路推到中文分词、蒙版形状、颜色函数和关键词权重。很多人第一次做词云会卡在中文方框、蒙版发黑、颜色不生效这三个地方，教程里的 7 个案例正好按这个顺序拆开。适合已经会一点 Python、想把文本分析结果放进报告或演示的人；如果你只想先复制一张图，也能从案例 01 直接跑通。

它解决的是“文本能读、图能出、参数能调”这三件事。案例 01 到 03 把英文文本、中文不分词、中文分词三条路线摆在一起，让你先看到差异；案例 04 到 06 进入蒙版形状、蒙版取色和自定义颜色函数；案例 07 用 jieba.analyse.extract_tags 提取关键词和权重，再交给 generate_from_frequencies。路线不绕，适合拿一份自己的文本直接替换进去试。

2. 环境与最小调用：把 WordCloud 跑通的第一条命令

2.1 版本锁与依赖安装：Python 3.7 / wordcloud 1.9.3 / matplotlib 3.5.3

教程给的环境是 Python 3.7、wordcloud 1.9.3、matplotlib 3.5.3。这个组合不算新，但做词云够用，尤其是老项目里 numpy、Pillow 版本已经被其他依赖牵住时，按教程版本对齐能少掉很多“装上了但 import 报错”的麻烦。我一般会先建独立虚拟环境，不把词云依赖装进系统 Python，后面换案例也不用反复卸载。

# 建一个独立环境，避免和系统里的 numpy/Pillow 打架 python -m venv venv # Linux/macOS 激活 source venv/bin/activate # Windows 激活 # venv\Scripts\activate # 按教程版本装核心库，jieba/Pillow/numpy 按当前环境补齐 pip install wordcloud==1.9.3 matplotlib==3.5.3 jieba pillow numpy

这段命令的逻辑很直接：先隔离环境，再锁 wordcloud 和 matplotlib 的主版本，最后补 jieba、Pillow、numpy。参数上只有两个版本号是硬约束，来自教程；jieba、Pillow、numpy 没有在教程里给出版本，不要硬编一个不存在的版本号。安装完先跑python -c "import wordcloud, matplotlib; print(wordcloud.__version__, matplotlib.__version__)"，能打印出 1.9.3 和 3.5.3 再往下走。如果 pip 解析冲突，优先看 numpy 和 Pillow 是不是被其他包锁死，不要一上来就升级 Python。

2.2 最小案例拆解：generate 与 to_file 的边界

案例 01 是最简调用，代码短，但它把 WordCloud 的两个核心动作暴露得很清楚：generate(text)负责根据文本生成布局，to_file()负责把内存里的图落成文件。很多人把plt.show()当成保存，关掉窗口就什么都没有；也有人把to_file()写在generate()之前，拿到的还是空对象。先把这个顺序跑顺，后面加蒙版和颜色才不会乱。

# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt # 英文示例文本：按空格分词，WordCloud 默认按空格切词 with open('english_text.txt', 'r', encoding='utf-8') as f: text = f.read() # 固定 random_state，方便复现布局 wc = WordCloud( width=800, height=600, background_color='white', random_state=42 ).generate(text) # 显示：interpolation 只影响显示平滑，不影响保存像素 plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() # 保存：必须在 generate 之后 wc.to_file('wordcloud.png')

代码里width=800, height=600是画布尺寸，background_color='white'是背景色，random_state=42是布局随机种子。generate(text)的输入是“已经分好词、用空格连接”的字符串，英文文本天然有空格，所以直接读进来就能用；中文文本如果没有空格，就会被当成一个长串，这也是案例 02 要单独看“中文不分词”的原因。interpolation='bilinear'只控制 matplotlib 显示时的插值方式，保存出来的 PNG 还是 WordCloud 自己渲染的像素，不要指望它提升清晰度。plt.axis('off')只是关掉坐标轴，和保存无关。

2.3 英文文本读取与编码：open 不写 encoding 的代价

案例 01 用open('english_text.txt').read()也能跑，但在 Windows 上很容易翻车：系统默认编码可能是 GBK，文本里只要有非 ASCII 字符就抛UnicodeDecodeError。我习惯在所有文本读取里显式写encoding='utf-8'，这不是洁癖，是让错误尽早暴露。如果文本来源复杂，先做一次编码探测，再决定用 utf-8 还是 gbk，不要用errors='ignore'把半截文本吞掉。

from pathlib import Path path = Path('english_text.txt') raw = path.read_bytes() # 先看前几十个字节，判断有没有 BOM 或明显不是 utf-8 的字节 print(raw[:40]) try: text = raw.decode('utf-8') except UnicodeDecodeError: # 常见备选：gbk；不要长期用 ignore 掩盖问题 text = raw.decode('gbk', errors='replace') print(len(text), text[:80])

这段代码先读字节，再尝试 utf-8，失败后退到 gbk，并且用errors='replace'把无法解码的字符替换掉，至少能看出问题位置。参数上raw[:40]是抽样，不是完整校验；errors='replace'会留下替换符，后续词云里可能出现乱码方块，所以它只适合排查，不适合最终产出。文本读取这一步稳了，后面generate()才不会把编码问题误判成字体问题。

2.4 常用参数表：先知道哪些旋钮值得拧

WordCloud 的参数不少，但做词云真正高频的就是下面这些。先按默认值跑一张，再逐项改，不要一次把十几个参数全写上去，否则出问题很难定位。

这张表里最容易被忽略的是collocations。WordCloud 默认会考虑双词组合，英文里可能生成 “data science” 这种短语，中文分词后也可能把两个相邻词拼在一起，看起来像多出来的词。做中文词云时我一般先设collocations=False，让词频统计口径更接近 jieba 的分词结果。prefer_horizontal默认 0.9，中文词较长时可以降到 0.7 左右，减少竖排造成的阅读别扭，但不要降得太狠，否则布局会变稀。

3. 中文词云的分水岭：jieba 分词与字体路径

3.1 中文不分词案例：先看失败样本再决定是否分词

案例 02 故意不做分词，直接读中文文本生成词云。它的价值不是让你长期这么用，而是让你亲眼看到“不分词会怎样”：WordCloud 默认按空格切词，中文整段没有空格，结果往往只有几块巨大的词，或者干脆空白。教程里用mode='RGBA'和background_color=None做透明背景，这个组合本身没问题，但如果文本没分词，透明背景也救不了布局。

# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt # 中文文本：这里故意不分词，观察 WordCloud 的默认切词行为 with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() wc = WordCloud( font_path='chinese_font.ttf', # 换成你环境里可用的中文字体 width=800, height=600, mode='RGBA', background_color=None ).generate(text) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('main_2.png')

font_path='chinese_font.ttf'是占位路径，实际要换成你机器上存在的中文字体文件。mode='RGBA'表示输出带 alpha 通道，background_color=None让背景透明，保存 PNG 时透明才有效；如果保存成 JPG，透明会被填成白色或黑色。案例 02 的运行结果通常不会太好看，这不是代码错，而是输入文本没有词边界。先接受这个失败样本，再切到案例 03，你会更清楚 jieba 到底解决了什么。

3.2 jieba 分词案例：cut 的三种模式与词频口径

案例 03 在读取文本后加了一行text = ' '.join(jieba.cut(text))，把分词结果用空格连接，WordCloud 才能按空格切词。jieba 常见三种模式：精确模式jieba.cut(text)尽量切准；全模式jieba.cut(text, cut_all=True)把所有可能成词的片段都扫出来，召回高但歧义多；搜索引擎模式jieba.cut_for_search(text)在精确模式基础上对长词再切，适合做索引。词云一般用精确模式，词频口径更稳。

# -*- coding: utf-8 -*- from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() # 精确模式：词云最常用，避免全模式带来的碎片词 words = jieba.cut(text) text = ' '.join(words) # 打印前 100 个字符，确认分词结果里有没有大量单字 print(text[:100]) wc = WordCloud( font_path='chinese_font.ttf', width=800, height=600, mode='RGBA', background_color=None, collocations=False, random_state=42 ).generate(text) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('wordcloud.png')

这段代码的关键在' '.join(jieba.cut(text))：jieba.cut返回生成器，直接传给 WordCloud 不行，必须先拼成字符串。collocations=False是我额外加的，教程原案例没写，但中文分词后关闭双词组合更干净。print(text[:100])是排查手段，看看有没有“的 的 了 了”这种高频虚词；如果有，下一节用停用词处理。参数上random_state=42固定布局，方便你对比不同分词模式的结果，不然每次图都不一样，很难判断是分词变了还是随机布局变了。

3.3 字体路径与中文方框：排查顺序不要反

中文词云最常见的翻车现场是“图出来了，但全是方框”。原因通常不是 WordCloud 不支持中文，而是font_path指向的字体文件不存在，或者字体本身不包含中文字形。我的排查顺序是：先确认文件存在，再确认字体能被 PIL 打开，最后确认 WordCloud 真的用了这个路径。不要一上来就改matplotlib的全局字体，WordCloud 的font_path和 matplotlib 的显示字体是两条线。

from pathlib import Path from PIL import ImageFont font_file = Path('chinese_font.ttf') print('exists:', font_file.exists()) if font_file.exists(): # 能打开只说明文件格式可读，不代表包含中文字形 font = ImageFont.truetype(str(font_file), 20) print('font loaded:', font.getname())

Path.exists()解决“路径写错”的问题，ImageFont.truetype解决“文件不是有效字体”的问题。如果这两步都过了，词云还是方框，检查文本编码和分词结果，确认不是乱码先进去了。还有一个容易忽略的点：WordCloud 保存的 PNG 和 matplotlib 窗口显示可能不一致，窗口里方框但保存文件正常，或者反过来。以to_file()的产物为准，不要只盯plt.show()。

3.4 停用词与标点清洗：把噪音挡在 generate 之前

中文文本里“的、了、在、是、我、你、他”这类词频率极高，不处理就会占据词云最大字号，最后图看起来很热闹，实际没有信息量。WordCloud 自带的stopwords默认偏英文，中文要自己补。我一般先跑一遍不做停用词的图，把最大的十几个词抄下来，再决定哪些进停用词表。标点符号可以在分词前用正则清一遍，也可以在停用词里加，看文本干净程度。

import re from wordcloud import WordCloud with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() # 去掉常见标点和空白，保留中文、英文、数字 text = re.sub(r'[^\u4e00-\u9fa5A-Za-z0-9]+', ' ', text) stopwords = set([ '的', '了', '在', '是', '我', '你', '他', '她', '它', '和', '与', '就', '都', '而', '及', '或', '一个', '没有', '不是' ]) wc = WordCloud( font_path='chinese_font.ttf', stopwords=stopwords, max_words=200, collocations=False, background_color='white', random_state=42 ).generate(' '.join(__import__('jieba').cut(text))) wc.to_file('wordcloud_clean.png')

正则[^\u4e00-\u9fa5A-Za-z0-9]+把非中文、非英文、非数字的字符替换成空格，减少标点粘连。stopwords是集合，查找快；max_words=200控制显示词数，太多会挤成一团。这里用__import__('jieba')是为了代码块短一点，实际项目里正常import jieba更清楚。停用词不是越多越好，把有业务含义的词误杀，词云会失去解释力；每次加停用词都留一个注释，后面换文本时知道哪些是针对当前语料加的。

4. 蒙版形状与颜色：把词云从方块变成可控图形

4.1 mask 的数组语义：白色区域不画词

案例 04 用mask=np.array(Image.open('black_mask.png'))控制词云形状。WordCloud 对 mask 的规则是：白色区域（#FFFFFF）被忽略，非白区域参与绘制。也就是说，你想要词填满哪个形状，就把那个形状做成非白，背景做成白色。很多人拿黑底白图的蒙版直接跑，结果词全跑到背景上，形状反了，还以为是代码问题。做蒙版时用白底黑图最稳，形状边缘不要有灰阶过渡，否则会出现毛边。

# -*- coding: utf-8 -*- from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() text = ' '.join(jieba.cut(text)) # 白底黑图：黑色形状区域参与绘制，白色背景被忽略 mask = np.array(Image.open('black_mask.png')) wc = WordCloud( mask=mask, font_path='chinese_font.ttf', mode='RGBA', background_color=None, contour_width=1, contour_color='black', random_state=42 ).generate(text) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('main_4.png')

mask必须是 numpy 数组，不是文件路径；Image.open()只负责读图，np.array()才转成 WordCloud 要的矩阵。contour_width和contour_color给形状加轮廓，适合报告里让边界更清楚；不需要就删掉。background_color=None配合mode='RGBA'出透明背景，但如果蒙版本身有灰阶，透明边缘可能带脏点。我一般先把蒙版缩到 800 像素宽左右再跑，太大不仅慢，还会让词被挤到看不清。

4.2 ImageColorGenerator 取色：颜色跟随原图但会翻车

案例 05 在蒙版基础上加了ImageColorGenerator，让词的颜色从蒙版图片里取。它的逻辑是：根据词在蒙版上的位置，取对应区域的颜色，所以蒙版最好是彩色的，而且颜色分布要和你想表达的重点一致。如果蒙版是黑白的，取出来的颜色会非常单调，甚至接近黑色，图看起来像没上色。用法上，generate()之后调用recolor(color_func=image_colors)，顺序不能反。

from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() text = ' '.join(jieba.cut(text)) mask = np.array(Image.open('color_mask.png')) wc = WordCloud( mask=mask, font_path='chinese_font.ttf', mode='RGBA', background_color=None, random_state=42 ).generate(text) # 从彩色蒙版中取色，必须在 generate 之后 image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('main_5.png')

ImageColorGenerator(mask)接收的是同一个蒙版数组，wc.recolor()会重新给已经布局好的词上色，不会重新布局。参数上可以给ImageColorGenerator传default_color，当某个词取不到颜色时用它兜底；但更常见的翻车是蒙版颜色太暗，词全变成深色，和背景糊在一起。遇到这种情况，先把蒙版调亮，或者换自定义颜色函数，不要硬调background_color掩盖问题。

4.3 自定义颜色函数：random_color 的参数与可复现性

案例 06 用color_func自定义颜色，函数签名是word, font_size, position, orientation, font_path, random_state，返回一个颜色字符串。教程里的写法是拼hsl(...)，色相固定、饱和度和亮度随机，出来是偏暖的随机色。这个写法能跑，但有两个边界：不同 PIL/matplotlib 版本对 hsl 字符串的解析可能不一致；随机色不可复现，报告里想复现同一张图会很难。我一般改成返回#RRGGBB，并用random_state控制随机。

import random from wordcloud import WordCloud from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() text = ' '.join(jieba.cut(text)) mask = np.array(Image.open('color_mask.png')) def random_color(word, font_size, position, orientation, font_path, random_state): # 用传入的 random_state 生成稳定随机数，避免每次颜色都变 rng = random.Random(random_state) r = rng.randint(60, 200) g = rng.randint(60, 200) b = rng.randint(60, 200) return '#%02x%02x%02x' % (r, g, b) wc = WordCloud( color_func=random_color, mask=mask, font_path='chinese_font.ttf', mode='RGBA', background_color=None ).generate(text) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('main_06.png')

color_func的六个参数里，word是当前词，font_size是字号，position是词的位置，orientation是横竖排，font_path是字体路径，random_state是 WordCloud 给的随机状态。用random.Random(random_state)而不是全局random.randint，同一个词在同一张图里颜色稳定，换random_state才会变。返回#RRGGBB比 hsl 更稳，兼容性好。颜色范围不要全取 0~255，太亮或太暗都会让词和图底混在一起，60~200 是保守区间。

4.4 蒙版制作与阈值检查：别让灰阶边缘毁掉形状

蒙版不是随便找张图就行。常见做法是白底、黑形，形状内部纯黑，背景纯白，边缘不要抗锯齿灰边。灰边在 WordCloud 里会被当成非白区域，导致形状外面多出一圈毛刺。可以用 PIL 做一次二值化，把接近白的像素强制成白，接近黑的强制成黑。检查时打印mask.shape、mask.min()、mask.max()，确认不是全白或全黑。

from PIL import Image import numpy as np mask_img = Image.open('black_mask.png').convert('L') # 二值化：白底黑形，阈值 200 是经验值，按你的图调整 mask_img = mask_img.point(lambda p: 255 if p > 200 else 0) mask = np.array(mask_img) print(mask.shape, mask.min(), mask.max()) mask_img.save('black_mask_clean.png')

convert('L')转灰度，point()做阈值，255 if p > 200 else 0让背景更干净。阈值 200 不是固定值，蒙版边缘本来就灰，可以调到 230 或 240。打印min/max是为了确认图里既有 0 又有 255；如果全是 255，词云会空白；全是 0，形状会铺满整个画布，失去蒙版意义。这一步做完再喂给 WordCloud，比在词云参数里反复试更省时间。

5. 常见问题排查：关键词权重、中文方框与蒙版发黑

5.1 案例 07 的权重路径：extract_tags 与 generate_from_frequencies

案例 07 不再把整段分词文本丢给generate()，而是先用jieba.analyse.extract_tags(text, topK=200, withWeight=True)提取关键词和权重，再把结果转成字典，交给generate_from_frequencies(freq)。这条路径的好处是你可以控制“哪些词进入词云”和“每个词多大”，比单纯词频更接近 TF-IDF 的重要性。坑在于extract_tags返回的是列表，元素是(词, 权重)，不能直接传给 WordCloud，必须转成{词: 权重}。

# -*- coding: utf-8 -*- from wordcloud import WordCloud, ImageColorGenerator from PIL import Image import numpy as np import matplotlib.pyplot as plt import jieba.analyse with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() # topK 控制关键词数量，withWeight=True 才会返回权重 freq = jieba.analyse.extract_tags(text, topK=200, withWeight=True) print(freq[:20]) # 转成 WordCloud 需要的字典格式 freq_dict = {word: weight for word, weight in freq} mask = np.array(Image.open('color_mask.png')) wc = WordCloud( mask=mask, font_path='chinese_font.ttf', mode='RGBA', background_color=None, random_state=42 ).generate_from_frequencies(freq_dict) image_colors = ImageColorGenerator(mask) wc.recolor(color_func=image_colors) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() wc.to_file('main_07.png')

topK=200表示取前 200 个关键词，太少会空，太多会挤；withWeight=True一定要开，否则返回的是纯词列表，转字典时没有权重。generate_from_frequencies()接收的字典值是权重，不是词频，权重越大字号越大。recolor()仍然放在生成之后，和案例 05 的顺序一致。如果图里出现很多单字，说明extract_tags的切词结果偏碎，可以先用停用词或自定义词典干预，再重新提取。

5.2 现象：中文全是方框；原因：字体路径或字形缺失

现象很直观：词云布局出来了，但每个词都是空心方框，或者只有英文正常、中文全是方块。原因通常有三层：font_path指向的文件不存在；文件存在但不是中文字体；文本编码错了，进 WordCloud 的本来就是乱码。解决顺序是先Path.exists()，再ImageFont.truetype()加载，最后打印text[:100]看文本。不要先改 matplotlib 的rcParams，那影响的是显示，不是 WordCloud 渲染。

from pathlib import Path from PIL import ImageFont font_file = Path('chinese_font.ttf') assert font_file.exists(), '字体文件不存在，先改 font_path' font = ImageFont.truetype(str(font_file), 20) print(font.getname()) with open('novel.txt', 'r', encoding='utf-8') as f: sample = f.read()[:100] print(sample)

assert让路径问题立刻暴露，getname()确认字体能加载，打印样本文本确认不是乱码。如果字体加载正常、文本也正常，但保存的图还是方框，换一个确定包含中文的字体文件再试。字体路径不要写相对路径里的../太多层，脚本一换目录就找不到；我习惯把字体和脚本放同一层，或者用绝对路径常量。

5.3 现象：蒙版发黑、词云空白；原因：黑白区域反了或背景色冲突

蒙版发黑通常有两种：一种是词全挤在背景上，形状区域反而空的，说明黑白区域反了；另一种是整张图几乎全黑，词的颜色也是深色，和背景糊在一起。WordCloud 的规则是白色区域忽略、非白区域绘制，所以蒙版应该是白底黑形。如果你拿黑底白形，形状会反过来。空白则可能是蒙版全白，或者max_words太小、文本太短。

from PIL import Image import numpy as np mask = np.array(Image.open('black_mask.png').convert('L')) print('shape:', mask.shape) print('min/max:', mask.min(), mask.max()) print('white ratio:', (mask > 200).mean()) # 如果白色比例过高，说明形状区域太小，词没地方放

white ratio是白色像素占比，超过 0.95 基本等于没形状，词云会空。min/max能看出是不是全白或全黑。解决上，先把蒙版二值化，再确认background_color和mode：透明背景用mode='RGBA'、background_color=None；要白底就用background_color='white'、mode='RGB'。不要一边设透明背景一边保存 JPG，透明会丢。

5.4 现象：颜色函数不生效；原因：recolor 顺序或返回值不对

颜色函数不生效的典型表现是：明明写了color_func，图里还是默认蓝色系；或者ImageColorGenerator调了没反应。原因多半是recolor()写在了generate()之前，或者color_func返回值不是 WordCloud 能解析的颜色。自定义函数必须返回颜色字符串，#RRGGBB最稳；返回None、元组、或者拼错的hsl都可能被忽略。

def safe_color(word, font_size, position, orientation, font_path, random_state): # 返回十六进制颜色，避免 hsl 解析差异 return '#3b7dd8' wc = WordCloud( color_func=safe_color, font_path='chinese_font.ttf', background_color='white' ).generate(text) # 如果用了 ImageColorGenerator，必须在这之后 recolor # wc.recolor(color_func=ImageColorGenerator(mask)) wc.to_file('color_check.png')

color_func在WordCloud()构造时传入，recolor()在generate()之后调用，这两条顺序别混。safe_color返回固定色，用来验证函数有没有被调用；如果固定色生效，再换成随机色。ImageColorGenerator依赖蒙版有颜色，黑白蒙版取色会很单调，这不是 bug，是输入不适合。

5.5 现象：词太少或全是虚词；原因：停用词、max_words 与文本长度

词太少常见于三种情况：文本本身短，max_words设得太小，停用词把有意义的词也杀了。全是虚词则是停用词没补全，中文的“的、了、是”会占据最大字号。解决顺序是先打印词频前 30，确认哪些该杀；再调max_words到 100~300；最后看文本长度，几百字的文本不要指望生成很密的词云。

from collections import Counter import jieba with open('novel.txt', 'r', encoding='utf-8') as f: text = f.read() words = [w for w in jieba.cut(text) if len(w.strip()) > 0] counter = Counter(words) print(counter.most_common(30))

Counter打前 30 个高频词，比盲猜停用词靠谱。len(w.strip()) > 0只是去空白，不能替代停用词。看到高频虚词就加进stopwords，看到有意义的词被误杀就移出。max_words不要一上来设 1000，词云不是词表，200 左右通常够报告用；文本只有几千字时，设太大只会让布局变稀。

6. 验收与进阶：把词云从“能看”推到“能讲”

词云做完不要只看“好不好看”，要先验收“词对不对”。我通常做三件事：把extract_tags的前 30 个词打印出来，和词云里最大的词对照；固定random_state，同一份文本连续跑两次，确认布局和颜色可复现；保存文件按文本名_分词方式_蒙版_日期.png命名，后面回看知道参数。下面这个小函数把“读文本、分词、停用词、生成、保存”串在一起，适合当项目里的最小封装。

from pathlib import Path from wordcloud import WordCloud import jieba def build_wordcloud(text_path, font_path, out_path, stopwords=None): text = Path(text_path).read_text(encoding='utf-8') words = ' '.join(jieba.cut(text)) wc = WordCloud( font_path=font_path, stopwords=stopwords or set(), max_words=200, collocations=False, background_color='white', random_state=42 ).generate(words) wc.to_file(out_path) return out_path build_wordcloud('novel.txt', 'chinese_font.ttf', 'novel_wordcloud.png')

这个函数只保留最稳的参数：max_words=200、collocations=False、random_state=42。蒙版和颜色函数不建议一开始就塞进去，先让文本路径和字体路径跑通，再逐层加。验收时看输出文件是否存在、尺寸是否和预期一致、最大词是不是你预期的关键词。如果最大词是“的”，不要调颜色，回去补停用词。

进阶用法上，我习惯把generate_from_frequencies和普通generate各跑一张，对比词频口径和 TF-IDF 口径的差异；再把color_func换成按词性上色，比如名词暖色、动词冷色，报告里更容易讲。需要对照原始 PDF 的，按文末说明获取即可。从那以后我每次做词云都先跑一遍最小案例，再把font_path、mask、color_func三个参数单独验证一遍；如果你也在做文本可视化，希望帮到你。

本文还有配套的精品资源，点击获取