大前天我們通過Python網絡爬蟲對朋友圈的資料進行了抓取，感興趣的朋友可以點選進行檢視，
如何利用Python網絡爬蟲抓取微信朋友圈的動态（上）和
如何利用Python網絡爬蟲爬取微信朋友圈動态——附代碼（下）。今天小編帶大家通過詞雲去将其進行可視化，具體的教程如下。
1、在Python中做詞雲，需要用到wordcloud庫和jieba分詞庫，沒有安裝的夥伴可以直接pip安裝即可。
2、之後你可能還需要一些字型，如simhei.ttf等，這些字型在網上都有，可以直接進行下載下傳，在做詞雲的時候會用得到，如下圖所示。
3、在items.py的同級目錄下建立analyse.py檔案，定義analyse_words方法，用于實作詞雲可視化，jieba.cut用于得到分詞結果，具體的代碼實作，如下圖所示。因為得到的moment.json資料是以JSON格式存儲的，是以需要在該檔案中導入JSON子產品對其進行解析。
這個地方需要注意一下，由于我們的memoent.json檔案中是中文字元，如果在open()函數中沒有加入encoding=’utf-8’的話會導緻gbk編碼錯誤，記得将編碼加上即可。
4、之後運作程式，得到keys.png圖檔檔案，程式運作的效果如下圖所示。可以看到keys.png已經在items.py目錄下了。
5、輕按兩下keys.png，如下圖所示。
6、不得不承認，這個詞雲圖檔内容确實豐富，不過也十分的醜。小編利用wordart（一個詞雲網站）将朋友圈資料進行更加美化的可視化。
7、比方說用動物的圖案進行可視化，效果圖如下圖所示。
8、如果直接将資料進行導入的話，wordart會直接将整段話進行可視化，這樣顯得十分備援，看上去也不太友好，是以還需要通過Python對資料進行分頻統計，之後再導入到wordart中就可以看到想要的效果了。首先，我們需要對json檔案進行處理一下，将文本全部導出來，形成一個moment.txt檔案。内容如下圖所示。
9、編寫代碼，将文本進行分詞，代碼實作如下所示。
10、程式運作完成之後，得到的moment_outputs.txt檔案，内容如下圖所示，可以很清楚的看到分詞情況。紅色部分是程式運作的過程。
11、繼續編寫代碼，将詞頻進行統計彙總，代碼實作如下圖所示。
12、程式運作之後，得到一個txt和Excel檔案，裡邊是關于詞頻統計的資訊，如下圖所示。紅色部分是程式運作的結果，并沒有報錯。
13、将這些關鍵字導入到wordart中進行可視化，如下圖所示。
14、設定一下圖案、字型、排版、顔色等等，就可以生成絢麗的詞雲圖了，下圖是汪星人詞雲圖。
15、下圖是小雲朵詞雲圖，可以給視覺帶來一場饕餮盛宴。
小夥伴們，你們有沒有覺得很神奇呢？喜歡的話歡迎收藏和轉載噢~~