Python实现词云舞

Posted 2022-11-12 尤尔小屋的猫

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

本文是一个非常完整的Python实战项目，主要内容包含：

在此感谢周杰伦的《本草纲目》、刘畊宏教练、百度平台以及参考大佬们的方法，本文仅做个人学习使用。

视频下载神器：you-get

you-get是一个下载视频的神器，安装之后一行代码即可下载视频

you-get [url]

you-get https://www.bilibili.com/video/BV1yY4y1i7Pw?t=1079.2   # 一行代码下载视频

视频切割成图片

下面的代码实现的功能是将上面获取到的代码切割成一张张的图片：

1、opencv中通过VideoCaptrue类对视频进行读取操作以及调用摄像头

• filename：打开的视频文件名
• device：打开的视频捕获设备id ，如果只有一个摄像头可以填0，表示打开默认的摄像头

2、videoCapture.read()：表示读取视频的下一帧

• 第一个返回值为是否成功获取视频帧：True/False
• 第二个返回值为返回的视频帧：帧数

import cv2
import numpy as np
import random
import os

# 保存图片的函数
def save_images(image, addr,num):
    address = addr + str(num) + ".jpg"
    cv2.imwrite(address, image)
    
    
# 读取视频
videoCapture = cv2.VideoCapture("刘畊宏，毽子操x10+蝴蝶袖+臀腿操（自用）.mp4")
success, frame = videoCapture.read()

time_ = 100  
i = 0
j = 0

while success:  # 如果成功获取到视频帧
    i += 1  
    if i % time_ == 0:
        s = 0  # 名称的编号
        j = j + 1
        s += j
        save_images(frame, "./picture/",s)  # 写入目录后再继续读取
    success, frame = videoCapture.read()
        
videoCapture.release()  # 释放资源

这样最终我们就将这个视频分成了835张图片

百度人像分割

实际使用

1、先在百度云平台创建人像分割实例

新建一个人像分割的实例，新注册用户可免费领取资源，官网地址：https://cloud.baidu.com/product/body/seg。下面是小编申请的一个实例：

注意点1：一定是安装baidu_aip库，而不是aip

pip install baidu_aip  # 安装库，一定要是baidu_aip

注意点2：在当前路径下新建一个mask文件，用来存放分割后的图片。

下面是分割之后的二值图效果：

百度demo

具体的百度官方文档请参考：https://cloud.baidu.com/doc/BODY/s/4k3cpyner

百度官方的案例如下：

# 官方demo
""" 读取图片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

image = get_file_content('example.jpg')
""" 调用人像分割 """
client.bodySeg(image);

""" 如果有可选参数 """
options = 
options["type"] = "labelmap"

""" 带参数调用人像分割 """
client.bodySeg(image, options)

注：返回的二值图像需要进行二次处理才可查看分割效果；灰度图和前景人像图不用处理，直接解码保存图片即可。

获取B站弹幕

接下来是获取上面视频的弹幕，请参考一位NLP大佬：https://github.com/godweiyang/bilibili-danmu

合成词云图

弹幕的分词是自己的方法和收集的一份常用的停用词表：

1、分词使用的jieba分词。关于jieba分词的使用入门，参考：https://github.com/fxsjy/jieba

快速安装jieba：

pip install jieba

import pandas as pd
import numpy as np
import jieba

from wordcloud import WordCloud
from tkinter import _flatten
import matplotlib.pyplot as plt
%matplotlib inline

import collections
import re
import os
from PIL import Image


df = pd.DataFrame()
# 获取了3个和刘教练相关的视频弹幕
txt_list = ["danmu.txt", "danmu1.txt", "danmu2.txt"]

for txt in txt_list:
    df1 = pd.read_table(txt, header=None, on_bad_lines='skip')
    df1.columns = ["information"]  # 重命名
    df1.drop_duplicates("information",inplace=True)
    
    df = pd.concat([df, df1])

df.head()

总共是10415个弹幕：查看前10条弹幕信息

2、实施分词

3、统计词频

统计切割之后每个单词的总数：

显示出前80个词云图的效果：

notebook中效果是动态的：

采用的是wordcloud来绘制静态的词云图，并且保存到本地：

wordcloud.WordCloud(
  font_path=None,  # 字体路径，英文不用设置路径，中文需要，否则无法正确显示图形
  width=400, # 默认宽度
  height=200, # 默认高度
  margin=2, # 边缘
  ranks_only=None, 
  prefer_horizontal=0.9, 
  mask=None, # 背景图形，如果想根据图片绘制，则需要设置
  scale=1, 
  color_func=None, 
  max_words=200, # 最多显示的词汇量
  min_font_size=4, # 最小字号
  stopwords=None, # 停用词设置，修正词云图时需要设置
  random_state=None, 
  background_color='black', # 背景颜色设置，可以为具体颜色,比如white或者16进制数值
  max_font_size=None, # 最大字号
  font_step=1, 
  mode='RGB', 
  relative_scaling='auto', 
  regexp=None, 
  collocations=True, 
  colormap='viridis', # matplotlib 色图，可更改名称进而更改整体风格
  normalize_plurals=True, 
  contour_width=0, 
  contour_color='black', 
  repeat=False

通过下面的代码来生成词云图。注意点：需要新建一个目录wordcloud，来存放生成的词云图

word_counts = collections.Counter(useful_result)  # 筛选后统计词频
path = './wordcloud/'  # 新建：存放词云图的路径

img_files = os.listdir('./mask')

# 遍历mask目录下的全部文件
for num in range(1, len(img_files) + 1):
    img = r'./mask/mask_.png'.format(num)    # 原图片路径
    mask_ = 255 - np.array(Image.open(img))  # 获取蒙版图片
    # 绘制词云
    plt.figure(figsize=(8, 5), dpi=200)
    
    my_cloud = WordCloud(
        background_color='black',  # 背景颜色  
        mask=mask_,      # 自定义蒙版
        mode='RGBA',
        max_words=500,
        # 地址路径要改成自己的ttf文件路径
        font_path=r'/Users/peter/Desktop/spider/SimHei.ttf'  
    ).generate_from_frequencies(word_counts)

    # 显示词云图
    plt.imshow(my_cloud)
    # 词云图中无坐标轴
    plt.axis('off')
    wordcloud_name = path + 'wordcloud_.png'.format(num)
    my_cloud.to_file(wordcloud_name)    # 保存词云图片

对应生成的词云图效果：

合成词云视频

基于上面的835张词云图来生成视频：

到达这个步骤我们完成了视频的生成，就只剩下添加【本草纲目】的音乐了

添加本草纲目.MP3

添加音频使用的是moviepy。详细使用文档参考官网：

中文：https://moviepy-cn.readthedocs.io/zh/latest/

英文：https://zulko.github.io/moviepy/install.html

pip install moviepy   # 安装简单

大功告成👏

整体细节

1. 将you-get获取到的视频和【本草纲目.MP3】放到本地
2. 本地需要建立3个文件，存放不同的图像
3. 代码的步骤参考1-2-3-4-5-6部分；顺序一定不能乱