WrodCloud 中文乱码和关键字重复

记录一下在用 wordcloud 绘制词云图片的过程中，遇到的两个的问题及解决方案；

wordcloud 是一个 python 词云生成器，地址：http://github.com/amueller/word_cloud；

1、乱码

问题描述

要统计的内容是日文，生成的词云中，英文字母可以显示出来，其他都是一些方框，应该都是日文汉字或假名；

解决方案有两种：

1、在导入 wordcloud 之前，先定义 FONT_PATH 这个系统变量，wordcloud 就会用这个字体了；

os.environ['FONT_PATH'] = '/System/Library/Fonts/ヒラギノ明朝 ProN.ttc'
from wordcloud import WordCloud

2、在创建词云的时候，设置字体路径

font_path = '/System/Library/Fonts/ヒラギノ明朝 ProN.ttc'
wordcloud = WordCloud(max_font_size=40, width=400, height=300, collocations=False, font_path=font_path, scale=2).generate(text)

在 WordCloud 的参数中，添加 font_path 参数即可；

macOS 中的字体文件地址，苹果官方说明请点击查看；

/Users/用户名/Library/Fonts/
/System/Library/Fonts/
/Library/Fonts/

主要是上面三个，还有一个“网络/Library/Fonts/”，在自己的机器上没有找到对应的例子；

2、关键字重复

可以试一下 collocations 参数，该参数表示是否统计搭配词，默认为 True，即统计搭配词；

比如文案中大量出现了“ashita top” 和 单独的 “ashita”，collocations 设置为 True 时，系统会把”ashita top”作为一个整体进行统计，最终生成的词云里，展示了“ashita top”和“ashita”，看上去有两个“ashita”；
如果设置为 False ，则不进行搭配，会按照单个单词进行统计；