knitr::opts_chunk$set(echo=TRUE)
library(XML)
library(RCurl)
strurl<-‘https://movie.douban.com/top250’
movie<-RCurl::getURL(strurl)
movie<-htmlParse(movie)
nodes<-getNodeSet(movie,”//div[@class=’info’]//a//span[1]”)
moviename<-sapply(nodes,xmlValue)
moviename[1:10]
[1] “肖申克的救赎” “霸王别姬” “阿甘正传” “这个杀手不太冷”
[5] “美丽人生” “泰坦尼克号” “千与千寻” “辛德勒的名单”
[9] “盗梦空间” “忠犬八公的故事”

用jiebaR分词，运行速度比用tm,tmcn,Rwordseg分词快很多！试下这段代码：
library(jiebaR)
library(wordcloud2)
data <- read.csv(“d.csv”,encoding=”UTF-8″) #注意 UTF-8 大写，防止出错！
#d.csv格式
#id, comment
#kdkt kkdfirekk
#大好河山
#wulunruhe 真实不虚哦耶
#……
data <- unique(data)# 去除重复的数据
data <- gsub(‘[a-zA-Z0-9]’,’ ‘,data$comment)
data<-sample(data,50)
data <- gsub(‘[的是了不]’,’ ‘,data)
cutter=worker() #结巴分词实例cutter
text<-segment(data, cutter, mod = NULL)
data=freq(text)
wordcloud2(data,shape = ‘circle’)
wordcloud2(data,shape = ‘star’)
————————————————————————-

R语言绘制词云

需要的程序包

jiebaR，jiebaRD：分词

installpackage('jiebaR','jiebaRD','wordcloud2) #安装程序包

运行程序包

library(jiebaR,jiebaRD)
library(wordcloud2)

导入数据

news <- read.csv(''C:/Users/Administrator/Desktop/news.csv'') #读取csv格式文件
news <- read_excel(''C:/Users/Administrator/Desktop/news.csv'') #读取xls 和 xlsx 格式文件

text<-news$x #提取文本数据所在列

分词

mixseg<-worker("mix") #建立模型分词
a<-segment(text,mixseg) #开始分词

去停用词

需要将对研究无意义的词去除，再次只提供了示例代码。

stopwords <- read.table("C:/Users/Thinkpad/Desktop/停用词.txt")
class(stopwords)
stopwords <- as.vector(stopwords[,1])
wordResult <- removeWords(a,stopwords)

绘制词云

freq<-table(a) #词频统计
freq   #查看词频统计结果
wordcloud2(freq,shape='star') #绘制词云

参数解读

wordcloud2(data, size = 1, minSize = 0, gridSize =  0,
fontFamily = 'Segoe UI', fontWeight = 'bold',
color = 'random-dark', backgroundColor = "white",
minRotation = -pi/4, maxRotation = pi/4, shuffle = TRUE,
rotateRatio = 0.4, shape = 'circle', ellipticity = 0.65,
widgetsize = NULL, figPath = NULL, hoverFunction = NULL)

data：包含每列中的word和freq的数据帧，按照word出现的顺序由内向外画图（可以按照freq降序美化wordcloud）。
size：字体大小，默认为1。较大的大小意味着较大的单词。
fontFamily：要使用的字体。
fontWeight：字体重量，例如normal, bold or 600
color：文本的颜色，可以使用关键字random-dark和random-light。也支持颜色矢量。
minSize：字幕的字符串
backgroundColor：背景的颜色。
gridSize：用于标记画布可用性的网格大小，网格大小越大，单词之间的差距越大。
minRotation：文本应该旋转的最小旋转（以rad为单位）。
maxRotation：文本应旋转的最大旋转（以rad为单位）。
rotateRatio：单词旋转的概率。将数字设置为1以始终旋转。
shape：绘制“云”的形状。 ‘circle’ (default), ‘cardioid’ (心形’，苹果或心形曲线，最知名的极坐标方程), ‘diamond’ (菱形), ‘triangle-forward’(三角形前移), ‘triangle’(三角形), ‘pentagon’(五角形), and ‘star

ellipticity：平坦度
figPath：画布路径

Sys.setlocale(“LC_ALL”,”Chinese”)
library(“XML”)
strurl<-“http://pm25.in/rank”
tables<-readHTMLTable(strurl,header=FALSE,stringAsFactors=FALSE,encoding=”UTF-8″)
head(tables[[1]])

library(XML)
library(RCurl)
strurl<-‘https://movie.douban.com/top250’
movie<-RCurl::getURL(strurl)
movie=htmlParse(movie)
nodes<-getNodeSet(movie,”//div[@class=’info’]//a//span[1]”)
moviename<-sapply(nodes, xmlValue)
moviename[1:10]

[1] “肖申克的救赎” “霸王别姬” “阿甘正传” “这个杀手不太冷” “泰坦尼克号” “美丽人生” “千与千寻”
[8] “辛德勒的名单” “盗梦空间” “忠犬八公的故事”