SpringBoot项目实现通过分词器生成词云
更新时间：2026年05月08日 09:41:18 作者：无敌小肥007
本文介绍了如何在SpringBoot项目中利用IK分词器和Kumo库生成员工任务的词云图,展示了从引入依赖、配置YAML到Controller中处理文本并生成词云的详细步骤以及处理中文文本的注意事项,希望对大家有所帮助
前言
公司项目涉及到员工任务管理，需要从员工任务中获取任务信息生成个人词云图，可以把员工任务中较为高频的词语突出展示。
一、词云是什么
词云就是对文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层” 或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。
二、使用步骤
1.引入依赖
<!-- IK分词器 -->
<dependency>
<groupId>cn.shenyanchao.ik-analyzer</groupId>
<artifactId>ik-analyzer</artifactId>
<version>9.0.0</version>
</dependency>
<!-- 詞雲 -->
<dependency>
<groupId>com.kennycason</groupId>
<artifactId>kumo-core</artifactId>
<version>1.28</version>
</dependency>
<dependency>
<groupId>com.kennycason</groupId>
<artifactId>kumo-tokenizers</artifactId>
<version>1.28</version>
</dependency>
<!-- web -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>2.application.yml
server:
port: 8088
# 关闭日志输出 （可选）
logging:
level:
com.kennycason.kumo.WordCloud: OFF3.Controller
import com.chendi.mydemo.utils.IkAnalyzerUtils;
import com.chendi.mydemo.utils.WorkCloudUtil;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
@RestController
public class TestController {
@GetMapping("/")
public void test() {
List<String> list = new ArrayList<>();
list.add("爱购物，爱手机，爱电脑，爱上网");
list.add("爱学习，爱游戏，爱吃饭，爱睡觉");
list.add("爱上班，爱下班，爱加班，爱翘班");
list.add("爱上班，爱下班，爱加班，爱翘班");
list.add("夏天的阳光明媚灿烂，\n" +
"大自然万物生机盎然。\n" +
"清晨的微风吹过花丛，\n" +
"点缀着青草和蓝天。\n" +
"\n" +
"蝴蝶翩翩起舞在花间，\n" +
"蜜蜂忙碌采集甘甜。\n" +
"鸟儿欢快地歌唱着，\n" +
"为夏日带来欢欣和欢愉。\n" +
"\n" +
"海浪轻拍沙滩起伏，\n" +
"沙粒细腻温热宜走。\n" +
"阳光透过水面璀璨，\n" +
"让海洋如银河般流动。\n" +
"\n" +
"夏日的夜晚星空闪耀，\n" +
"月亮洒下银色光晕。\n" +
"夏虫的音符演奏着，\n" +
"营造出夏夜的美妙。\n" +
"\n" +
"夏天啊，你是如此迷人，\n" +
"给人们带来快乐和欢欣。\n" +
"在你的怀抱里，我们尽情享受，\n" +
"夏天，你是美丽的季节！");
Map<String, Integer> wordMap = IkAnalyzerUtils.wordCloud(list, 0);
WorkCloudUtil.generateWriteImage(wordMap);
}
}
4.分词工具类
import org.wltea.analyzer.core.IKSegmenter;
import org.wltea.analyzer.core.Lexeme;
import java.io.IOException;
import java.io.StringReader;
import java.util.*;
/**
* 解析工具类
*/
public class IkAnalyzerUtils {
/**
* 拆分词云
*
* @param list 需要拆分的词云集合
* @param quantity 结果集取的数量
*/
public static String wordCloudParsing(List<String> list, Integer quantity) {
Map<String,Integer> result = wordCloud(list,quantity);
StringBuilder str = new StringBuilder();
result.forEach((k, v) -> {
String value = " " + k;
str.append(value);
});
return str.toString().trim();
}
/**
* 拆分词云
*
* @param list 需要拆分的词云集合
* @param quantity 结果集取的数量
*/
public static List<Map<String,Object>> wordCloudList(List<String> list, Integer quantity) {
Map<String,Integer> result = wordCloud(list,quantity);
List<Map<String,Object>> mapList = new LinkedList<>();
result.forEach((k, v) -> {
Map<String,Object> map = new HashMap<>(16);
map.put("name",k);
map.put("value",v);
mapList.add(map);
});
Collections.reverse(mapList);
return mapList;
}
/**
* 拆分词云
*
* @param list 需要拆分的词云集合
* @param quantity 结果集取的数量
*/
public static Map<String,Integer> wordCloud(List<String> list, Integer quantity) {
StringReader reader = new StringReader(String.join(",", list));
IKSegmenter ikSegmenter = new IKSegmenter(reader, true);
Map<String, Integer> map = null;
try {
Lexeme lexeme;
map = new HashMap<>(16);
while ((lexeme = ikSegmenter.next()) != null) {
String str = lexeme.getLexemeText();
Integer num = map.get(str);
if (num != null && num > 0) {
map.put(str, num + 1);
} else {
map.put(str, 1);
}
}
reader.close();
} catch (IOException e) {
e.printStackTrace();
}
Map<String, Integer> result = new LinkedHashMap<>();
if (quantity != null && quantity > 0) {
map.entrySet().stream().sorted(Map.Entry.comparingByValue()).limit(quantity)
.forEachOrdered(item -> result.put(item.getKey(), item.getValue()));
} else {
map.entrySet().stream().sorted(Map.Entry.comparingByValue())
.forEachOrdered(item -> result.put(item.getKey(), item.getValue()));
}
return result;
}
}
5.词云生成工具类、支持输出文件和字节流
import com.kennycason.kumo.CollisionMode;
import com.kennycason.kumo.WordCloud;
import com.kennycason.kumo.WordFrequency;
import com.kennycason.kumo.bg.CircleBackground;
import com.kennycason.kumo.font.KumoFont;
import com.kennycason.kumo.font.scale.SqrtFontScalar;
import com.kennycason.kumo.nlp.FrequencyAnalyzer;
import com.kennycason.kumo.nlp.tokenizers.ChineseWordTokenizer;
import com.kennycason.kumo.palette.ColorPalette;
import lombok.SneakyThrows;
import java.awt.*;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
public class WorkCloudUtil {
@SneakyThrows
public static InputStream generateImageStream(Map<String, Integer> wordMap) {
WordCloud wordCloud = generateWordCloud(wordMap);
//输出字节流
ByteArrayOutputStream out =new ByteArrayOutputStream();
wordCloud.writeToStreamAsPNG(out);
return new ByteArrayInputStream(out.toByteArray());
}
@SneakyThrows
public static void generateWriteImage(Map<String, Integer> wordMap) {
WordCloud wordCloud = generateWordCloud(wordMap);
wordCloud.writeToFile("D:\\chendi\\cd.png");
}
public static WordCloud generateWordCloud(Map<String, Integer> wordMap){
if (wordMap == null || wordMap.size() == 0) {
return null;
}
final FrequencyAnalyzer frequencyAnalyzer = new FrequencyAnalyzer();
frequencyAnalyzer.setWordFrequenciesToReturn(600);
frequencyAnalyzer.setMinWordLength(2);
frequencyAnalyzer.setWordTokenizer(new ChineseWordTokenizer());
final List<WordFrequency> wordFrequencies = new ArrayList<>();
for (Map.Entry<String, Integer> entry : wordMap.entrySet()) {
wordFrequencies.add(new WordFrequency(entry.getKey(), entry.getValue()));
}
Font font = FontUtil.getFont("/static/fonts/QingNiaoHuaGuangJianMeiHei-2.ttf");
//设置图片分辨率
final Dimension dimension = new Dimension(400, 400);
//此处的设置采用内置常量即可，生成词云对象
final WordCloud wordCloud = new WordCloud(dimension, CollisionMode.PIXEL_PERFECT);
//设置边界及字体
wordCloud.setPadding(2);
wordCloud.setBackgroundColor(Color.WHITE);
//设置背景图层为圆形，设置圆形的大小
wordCloud.setBackground(new CircleBackground(200));
//设置词云显示的三种颜色，越靠前设置表示词频越高的词语的颜色
wordCloud.setColorPalette(new ColorPalette(new Color(0x4055F1), new Color(0x408DF1), new Color(0x40AAF1), new Color(0x40C5F1), new Color(0x40D3F1), new Color(0xFFFFFF)));
//设置字体的大小
wordCloud.setFontScalar(new SqrtFontScalar(10, 40));
wordCloud.setKumoFont(new KumoFont(font));
wordCloud.build(wordFrequencies);
//设置背景图片，如果想要固定的形状，就插入这个形状的图片
//wordCloud.setBackground(new PixelBoundryBackground("E:\\星星/star.jpg"));
return wordCloud;
}
}
FontUtil
import org.springframework.core.io.ClassPathResource;
import org.springframework.util.StringUtils;
import java.awt.*;
import java.io.InputStream;
public class FontUtil {
public static Font loadFont(InputStream inputStream , float fontSize) {
try {
Font dynamicFont = Font.createFont(Font.TRUETYPE_FONT, inputStream);
Font dynamicFontPt = dynamicFont.deriveFont(fontSize);
inputStream.close();
return dynamicFontPt;
} catch (Exception e){
return new Font("微软雅黑", Font.PLAIN, 18);
}
}
public static Font getFont(String path) {
if(StringUtils.isEmpty(path)){
return new Font("微软雅黑", Font.PLAIN, 18);
}
//获取字体文件
ClassPathResource classPathResource = new ClassPathResource(path);
InputStream inputStream;
try {
inputStream = classPathResource.getInputStream();
} catch (Exception e) {
return new Font("微软雅黑", Font.PLAIN, 18);
}
return FontUtil.loadFont(inputStream, 18);
}
}
注意
处理中文需要宿主机有中文字体包、如果宿主机不支持中文，请下载一个中文字体包
本文指定使用的就是QingNiaoHuaGuangJianMeiHei-2.ttf字体
百度一下、找不到私信我发你QingNiaoHuaGuangJianMeiHei-2.ttf字体包
到此这篇关于SpringBoot项目实现通过分词器生成词云的文章就介绍到这了,更多相关SpringBoot词云内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
本篇文章主要介绍了spring @profile注解的使用方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-10-10
在图像处理领域,锐化（Sharpening） 是一种常见的操作,用于增强图像中边缘和细节,使图像看起来更清晰,下面小编就来介绍一下如何使用Java SE 原生 API实现对图像的锐化处理并保存为常见格式文件吧2025-05-05
本文详细介绍了在Windows系统上安装和配置Apache Kafka的步骤,本文给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧2025-11-11
这篇文章主要为大家详细介绍了如何通过Java代码，以编程方式在Word中创建可填充表单，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2023-03-03
这篇文章主要介绍了ActiveMQ消息队列技术融合Spring过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-11-11
这篇文章主要介绍了Java实现复制文件并命名的超简洁写法，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-11-11
这篇文章主要介绍了SpringBoot中整合knife4j接口文档的实践，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-09-09
Spring Boot整合Seata的过程详解(AT 模式)
文章介绍了如何在SpringBoot项目中整合Seata框架来管理跨服务、跨数据库的分布式事务,本文结合实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧2025-10-10
这篇文章主要介绍了Java 任务调度框架 Quartz,Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目，完全由Java开发，可以用来执行定时任务，类似于java.util.Timer。,下面我们来学习一下关于 Quartz更多的详细内容,需要的朋友可以参考一下2021-12-12
这篇文章主要介绍了Spring RestTemplate基本使用介绍，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-03-03
最新评论