学了 Python 基础之后，最好的巩固方式就是写点能用的东西。这篇记录两个练手项目：一个是从 GitHub 上翻出来的词云生成器，另一个是帮自己清理 C 盘的脚本。
项目一：词云生成器
词云是文本可视化的经典玩法——把一篇文章中出现频率高的词放大显示，一目了然。核心流程不复杂：
文本输入 → 分词 → 统计词频 → 生成图片
分词
英文天然空格分隔，中文则需要分词工具。jieba 是目前最常用的中文分词库：
import jieba
text = "南京市长江大桥迎来了新的一天的第一缕阳光"
words = jieba.lcut(text)
# ['南京市', '长江大桥', '迎来', '了', '新', '的', '一天', '的', '第一缕', '阳光']
lcut 返回列表模式，比生成器模式更直观。jieba 自带词典能覆盖大部分场景，特殊词汇可以手动添加：
jieba.add_word("南京市长江大桥")
过滤与统计
分词之后要去掉标点和"的、了、是、在"这类停用词：
from collections import Counter
stopwords = {"的", "了", "是", "在", "和", "就", "也", "都", "不", "要", "很"}
filtered = [w for w in words if len(w) > 1 and w not in stopwords]
freq = Counter(filtered)
# Counter({'南京市': 1, '长江大桥': 1, '第一缕': 1, '阳光': 1, ...})
生成词云
wordcloud 库封装好了样式和布局：
from wordcloud import WordCloud
import matplotlib.pyplot as plt
wc = WordCloud(
font_path="C:/Windows/Fonts/msyh.ttc", # 中文字体
width=800,
height=600,
background_color="white",
max_words=200,
collocations=False
)
wc.generate_from_frequencies(freq)
wc.to_file("wordcloud.png")
font_path 是关键——不指定中文字体的话所有中文都是方框。collocations=False 防止词云库自动组合双词。
命令行封装
用 argparse 把脚本变成命令行工具：
import argparse
parser = argparse.ArgumentParser(description="生成词云图")
parser.add_argument("input", help="输入文本文件路径")
parser.add_argument("-o", "--output", default="wordcloud.png", help="输出图片路径")
parser.add_argument("--mask", help="遮罩图片路径（控制词云形状）")
args = parser.parse_args()
支持遮罩（mask）可以让词云呈现特定形状——比如用一个心形图片做遮罩，词云就填充成心形。
项目二：C 盘清理脚本
Windows 的 C 盘经常莫名其妙满了。Python 可以写个脚本定期清理临时文件和缓存。
扫描大文件
先找出哪些目录最占空间：
from pathlib import Path
def scan_directory(path, top_n=10):
sizes = {}
for item in Path(path).iterdir():
if item.is_file():
sizes[str(item)] = item.stat().st_size
elif item.is_dir():
total = sum(f.stat().st_size for f in item.rglob("*") if f.is_file())
sizes[str(item)] = total
return sorted(sizes.items(), key=lambda x: x[1], reverse=True)[:top_n]
rglob("*") 递归遍历所有文件，类似 **/* 通配符。这个方法扫描 C 盘可能会有点慢，实际使用可以限定几个常见目录。
清理目标
Windows 下值得清理的几个位置：
CLEANUP_PATHS = [
Path.home() / "AppData/Local/Temp", # 临时文件
Path.home() / "AppData/Local/Microsoft/Windows/INetCache", # IE 缓存
Path(os.environ["SystemRoot"]) / "Temp", # 系统临时文件
Path.home() / "AppData/Local/Google/Chrome/User Data/Default/Cache", # Chrome 缓存
Path.home() / "Downloads", # 下载目录（手动确认）
]
安全清理
清理文件不是直接 rm -rf，需要一些保护措施：
import shutil
from datetime import datetime, timedelta
def safe_cleanup(directory, days_old=7, dry_run=True):
cutoff = datetime.now() - timedelta(days=days_old)
removed_size = 0
for path in Path(directory).rglob("*"):
if not path.is_file():
continue
try:
mtime = datetime.fromtimestamp(path.stat().st_mtime)
if mtime < cutoff: # 只清理 N 天前的文件
size = path.stat().st_size
if dry_run:
print(f"[预览] 删除: {path} ({size/1024:.0f} KB)")
else:
path.unlink()
removed_size += size
except (PermissionError, OSError):
continue
return removed_size
三个安全措施：只清理老于 N 天的文件、先 dry_run 预览、捕获权限错误不中断。在自己电脑上跑这种脚本，谨慎一点没坏处。
两个项目的共同体会
这两个项目加起来不到 300 行代码，但覆盖了 Python 开发的很多实用技能：文件 IO、中文处理、命令行参数、异常处理、第三方库调用。Python 开发效率确实高——花一个下午就能写出两个真正能用的工具，这在 Java 世界里不太现实。
不过在打包分发上 Python 不如 Go/Rust 方便。给没有 Python 环境的人用，需要打包成 exe（PyInstaller），体积动不动就几十 MB。这是后话了。
评论