引言
由于语言的特殊性，中文在进行文本挖掘时需要进行分词，R中对中文分词支持较好的有jiebaR包(快速指南）和李键大哥的RWordseg包，从自己使用情况来看，jiebaR分词的效果要更好一些，本文就使用jiebaR包进行中文分词和去除停止词，再构建词频统计表，最后利用RWordseg进行词云可视化展现。
1.中文分词
1.1包加载与引擎设置
首先我们安装并加载jiebaR包，现在jiebaR直接可以在CRAN里找到并进行安装了。
加载包之后，我们需要设置jiebaR的分词引擎，默认引擎似乎已经把各参数安排的很不错了，在这我们设置默认分词引擎。
接着，我们找一篇习大大的讲话作为我们的分词内容，这是习大大在十八届*纪委五次全会上发表的讲话，当然你可以找一些其他素材，分析习大大讲话可以把握习大大的说话特点和内容中心，如果进一步分析，可以得到很多好玩的东西。
install.packages("jiebaR")#安装
library(jiebaR)#加载包
cutter=worker()#设置分词引擎
content="这是内容，大家自己复制文章就行，这里就不展示了"
segWords<-segment(content,cutter)#对文本进行分词处理1.2去除停止词、数字和英文
进行分词后，词语中会包括一些咱们生活中常用的停止词，比如“的”，“好”等，还会夹带一些无用的数字和英文字符，我们需要将这些东西给去除。
jiebaR提供了一个去除停止词的函数filter_segment（x,stopwords）参数x传入上面的分词结果就行。根据jiebaR的介绍，stopwords应该传入的是一个字符串向量，比如stopwords<-c(“的“，”得“，”好“），但是实际当中，停止词有好几千个，一个一个输入也不是办法，也不符合我们想要软件提高我们工作学习效率的初衷。在此，我构建了一个函数，构建停止词向量，大家可以参考一下。在构建之前，大家需要下载一个停止词典，百度搜索一下就能找到，要求就是停止词典为txt格式，并且一个词语一行。另外，需要注意一点，filter_segment这个函数对不支持一些符号停止词，如果读入会发生错误提示，所以在下载停止词典以后，需要打开该文档，用ctrl+f寻找下文档中是否存在特殊符号，然后将这些符号都删除。
f<-readLines('stopwords.txt')###读取停止词
stopwords<-c(NULL)
for(i in 1:length(f))
{
stopwords[i]<-f[i]
}
segWords<-filter_segment(segWords,stopwords)#去除中文停止词去除停止词后，我们还需要去除文本中出现的数字和字符串，使用gsub()函数即可实现。
在实现过程中，发现分词以后还会产生一些空格，类如” “的东西。这里用到stringr包，这也是个处理文本的神器，目前才刚开始学。
segWords<-gsub("[0-9a-zA-Z]+?","",segWords)###去除数字和英文
library(stringr)#加载stringr包
segWords<-str_trim(segWords)#去除空格2.构建词频表
在进行词云展现之前，我们需要对分词结果进行词频统计，可以使用table（）函数，我选择使用plyr包的count（）函数，Hadley大神的包我都要好好学学。
library(plyr)
tableWord<-count(seg_words)##形成词频表,tableWord是数据框格式3.词云展现
得到词频表之后，就进到我们最好一步，最有意思的环节，词云展现。不多说，直接上代码。
library(wordcloud)
windowsFonts(myFont=windowsFont("华文彩云")) ##使用华文彩云字体
wordcloud(tableWord[,1],tableWord[,2],random.order=F,col= rainbow(length(wordFreq)),family="myFont")##参数应该能看懂吧
看看图片 中心的文字，是不是习大大经常挂在嘴边的？是不是应该牢记心中？
