简单警告：这个方法非常适合刚入门R语言的朋友！这个方法非常适合刚入门R语言的朋友！这个方法非常适合刚入门R语言的朋友！

更为详细的教程我放到了Github上面，大家可以下载Readme.rmd，在R当中打开来看详细的实现方法；实现代码也上传到Github上了，大家可以下载wordcloud_wechat.R文件，按照自己的需要进行修改。

投掷连接：用R语言制作微信聊天记录词云图，如果对你有帮助，请各位施主给个star哇~

如果只是想用简单的方法做一个词云图，就比较简单啦，但词云图的效果，根据我自己的操作发现，跟输入的词库有很大关系，因为词库当中的短语为长句的分割提供依据，若是词库当中没有某些特定的短语，例如，你家楼下某个杂货店名字叫二狗，而二狗在你的词库当中不存在，并且你也没有手动insertWord，那么就容易被分割成二/ 狗两个字。建议先跟着流程做一遍之后，根据生成的效果去调整自己输入的词库等等，那么，开始吧！

1. 下载好所需工具/软件

iTunes
pp助手
sqlcipher.exe 下载地址：sqlcipher.zip
Excel
R/Rstudio

2. 获取原材料：导出微信聊天记录到Excel

聊天记录导出可以参考这一篇文章：记一次微信聊天文字记录导出到Excel工作，文章第一部分是安卓系统导出微信聊天记录的方法，第二部分是苹果系统导出方法。但在从pp助手导出数据库这一步存在问题，应该导出名称为MM.sqlite的文件，而不是fts_message.db，后者貌似只有一部分群聊的聊天记录。用sqlcipher.exe打开MM.sqlite后，只能先导出txt，这里推介，将导出的.txt通过Excel打开后，另存为成.csv，之后再R当中打开会比较方便。

3. 清理数据

清理NaNs等无意义文字记录。

# 导入做词云图所需的包
library(rJava) 
install.packages(Rwordseg)
install.packages(wordcloud2)
# 读入数据
data<-read.csv("Messages.csv",stringsAsFactors = FALSE,header = TRUE)
# Remove NaNs and useless data
comp.data<-as.data.frame(data[complete.cases(data),5],stringsAsFactors = FALSE)
colnames(comp.data)<-"Message"
newdata<-as.data.frame(comp.data[!grepl(pattern ="msg",comp.data$Message),],stringsAsFactors = FALSE)
colnames(newdata)<-"Message"

安装rJava需要电脑本身安装Java，详细的方法，见我的Github readme.md 的第一部分Packages needed in this project。

4. 分词

下载多几个词库，像 四十万汉语大词库续一.scel ，网上可以搜索到很多，可以根据你的内容去下一些针对性的词库啦。这里给大家推介一个Github上大神整理的词库，包含了大部分可以直接从网上获得的词库，按需下载好。

Github大神整理的词库：词库大礼包

下载好这些词库之后，要在R当中安装好才能使用。像“笨笨”、“好鸭”这种词是词库当中不存在的，就需要手动加入进去，接着进行分词。

installDict("G:\\WORDCLOUD\\四十万汉语大词库续一.scel","hanyuciku1")
installDict("G:\\WORDCLOUD\\funNLP-master\\funNLP-master\\data\\中文分词词库整理\\百度分词词库.txt","hanyuciku3")
insertWords(c("好鸭","笨笨"))  #insert words I want so it won't be split into "好""鸭""笨""笨" :)
words.list<-unlist(lapply(newdata, segmentCN)[[1]])

5. 去除停词

和上一步一样，停词也是有词库的，作用是告诉电脑停词词库里的词要去除掉，停词的词库在上面的词库大礼包当中有，可自行下载。

# 将多个停词词库整合一下
stopwords1<-read.table("G:\\WORDCLOUD\\funNLP-master\\funNLP-master\\data\\停用词\\哈工大停用词表.txt",quote="")
stopwords2<-read.table("G:\\WORDCLOUD\\funNLP-master\\funNLP-master\\data\\停用词\\中文停用词库.txt")
stopwords3<-read.table("G:\\WORDCLOUD\\funNLP-master\\funNLP-master\\data\\停用词\\百度停用词列表.txt",skip=10)
stopwords4<-read.table("G:\\WORDCLOUD\\funNLP-master\\funNLP-master\\data\\停用词\\四川大学机器智能实验室停用词库.txt")
stopwords12<-merge(stopwords1,stopwords2,all = TRUE)
stopwords34<-merge(stopwords3,stopwords4,all = TRUE)
stopwords<-unique(merge(stopwords12,stopwords34,all = TRUE))

写一个函数来去除分词结果当中的停词。

# Function for removing stopwords
removestopwords<-function(x,stopwords){
        temp<-character(0)
        n<-1
        for(n in 1:length(x)){
                if(sum(x[n]==stopwords)<1){
                        temp<-c(temp,x[n])
                }
                n<-n+1
        }
        temp
}
# Remove stopwords
words<-lapply(words.list,removestopwords,stopwords)
t<-as.data.frame(unlist(words))
total<-t[complete.cases(t),]

6. 生成词云图

total是分词并且去除停词之后的词语集合，当中有的词出现频率很高，有的出现频率低，我们需要将其进行排序，选取前200个词做词云图。

# 将词语按出现频率排序 
wordsNum<-sort(table(total),decreasing = TRUE)
wordsdf<-data.frame(wordsNum)
wordsdf$total<-as.character(wordsdf$total
# 取前200个词语做词云图
finaldata <- wordsdf[1:200,] 
finaldata[1,2]<-finaldata[2,2]+500  # In case that the first one is extremely larger than the second word

# 生成词云图，我在这将词云图弄成了狗子的轮廓，还可以通过设置shape做很多不同形状
picture<-system.file("examples/shibainu.png",package = "wordcloud2") 
result<-wordcloud2(finaldata, size = 1, color = 'random-light',    
                   backgroundColor = "gray", fontFamily = "微软雅黑",figPath = picture)  
# help(wordcloud2) for more fun:)

最后，词云图就诞生了，可以wordcloud2当中的参数做出自己想要的效果啦。

ITPub博客

用R语言制作微信聊天记录词云图

最新文章