词云生成
说明
- 两种入口
- 「从文章统计」会先切词再按出现次数定字号，适合直接丢一篇文章、一批评论或一份商品标题；「直接给词表」则每行一个词，用逗号、冒号、制表符或空格跟上权重，比如
跨境电商,120，不写权重就按 1 算。后者适合你已经在别处统计好了数据，只想要一张图。 - 中文是怎么切的
- 和词频统计同一套做法：先按标点、空白、数字和英文把文本切成纯汉字片段，在每个片段里枚举长度 2–4 的连续子串计数，再把「出现次数与某个包含它的更长片段完全相同」的碎片剔掉——那说明它从没独立出现过。不依赖词库，新词和专有名词也能切出来，代价是短文本不准，所以默认要求至少出现 2 次。
- 字号是怎么定的
- 按权重在「最小 – 最大」之间插值，用的是 0.55 次幂而不是线性：线性映射下第一名会大到挤掉所有人，开方之后长尾的词也能看清。只有一个词时直接取最大字号。字号算出来放不下时会自动缩到八成、六成再试，仍然放不下才跳过，汇总区里会报跳过了几个。
- 排版算法
- 把画布切成 4 像素的网格，每个词先在离屏画布上渲染一次，读
getImageData的透明度得到它真实的像素轮廓（不是外接矩形），然后从中心沿阿基米德螺线向外找第一个放得下的位置。因为比的是真实轮廓，笔画之间的空隙可以塞进小词，排出来才紧凑。轮廓形状是一开始就把网格里「形状之外」的格子标成已占用，所以心形、五角星都是同一套代码。 - 「换个排布」是随机的吗
- 螺线的起始角度由一个种子决定，点一次换个排布就把种子加一，同样的词表、同样的种子出来的图是一模一样的。所以你可以放心多点几次挑一张顺眼的，不会丢掉之前的效果——把种子转回去就能复现。
- 导出与字体
- 下载的是按画布原始像素导出的 PNG，选「透明」背景就是透明底，可以直接叠到深色 PPT 上。字体用的是你本机安装的字体，楷体、圆体在部分 Windows 或 Linux 上可能缺字而回落到默认字体，Impact 只对英文有效果。要在别人电脑上保持一致，建议导出 PNG 而不是截图。
- 相关工具
- 词频统计、字数统计、文本去重、关键词组合。
