（粉丝可下载）为了研究某分院教师的学术成果、研究兴趣、研究方向，我们以广西师范大学的两个分院教师在知网所发表论文的摘要数据分析学术成果、关键词数据分析研究方向、研究方向文本数据分析研究方向，具体用textrank算法计算出研究方向词权重，根据词权重绘制词云图进行文本分析。具体绘制教师论文摘要数据权重最高的40个词的词云图，并输出各教师的基本信息，根据结果我们发现各教授的基本信息与词云图文本高度一致，可见分词的效果非常好，可以分析出各分院教师的学术成果、研究兴趣、研究方向。

项目背景： 本文通过抓取京东某笔记本的评论数据，简单从几个维度进行分析，并制作用户评论的词云图。 爬取数据： 商品链接 通过对商品评论页面进行探索，发现评论数据是通过发送请求，然后从数据库调取此商品的评论数据，返回的评论数据是Json格式。可以点击下一页，抓到发送请求的链接： https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=100012443350&score=0&sortType=5&page=1&pageSize=10&isShadowSku=0&ri

词云图的C#实现源代码，方便搞文本分析的童鞋使用。值得学习

关于苏宁网站上的空调评论进行的数据分析，主要对中文文本进行各式各样的、全面的分析。

包含echarts根据自定义图片内容形状生成词云图，纯 js 简单实现酷炫的3d球体滚动词云，并可实现根据鼠标悬浮位置定向滚动，html5方式根据htmlCanvs画布实现3d球体动态混动，可自由缩放词云画布大小。

Python爬虫爬取校内论坛标题，爬取某板块一千多页的标题，并将其中关键词整理成自定义词云图

最全字符云图，压缩包内附7种不同字符云图。包括echart词云，3D动态效果词云图等

（1）打开豆瓣一部电影评论区，根据html结构捕获三个信息： 一，每账号的评分等级为5星、4星、3星、2星、1星； 二，每个账号的评论留言； 三，跳转到下个评论页面的http链接 （2）获取所有的信息后对信息进行处理： 一，计算出每个星级的总数和一共多少账户进行了评级 二、将所有的评论内容放在一起，处理评论中的空格和其他不规范形式 （3）用matplotlib绘制评分等级占比的饼图，用jieba进行分词处理，用wordcloud生成词云图 同个修改url=https://movie.douban.com/subject/26430636/comments?start=0&limit=20&sort=new_score&status=P&percent;_type= 之中“26430636”为电影的代表，将其换做其他的编号就可以读取和生成其他电影的matplotlib和wordcloud制作评分图和词云图