好嗨哦！用Python进行诗歌接龙

版权声明：禁止转载至其它平台，转载至博客需带上此文链接。 https://blog.csdn.net/qq_41841569/article/details/89472766

1. 介绍

   本文将展示如何利用Python爬虫来实现诗歌接龙。
     该项目的思路如下：
   
   当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？  学习Python中有不明白推荐加入交流群号：973783996 群里有志同道合的小伙伴，互帮互助，  群里有不错的视频学习教程和PDF！

   1. 利用爬虫爬取诗歌，制作诗歌语料库；
   2. 将诗歌分句，形成字典：键（key）为该句首字的拼音，值（value）为该拼音对应的诗句，并将字典保存为pickle文件；
   3. 读取pickle文件，编写程序，以exe文件形式运行该程序。

   该项目实现的诗歌接龙，规则为下一句的首字与上一句的尾字的拼音（包括声调）一致。下面将分步讲述该项目的实现过程。

   诗歌语料库

   首先，我们利用Python爬虫来爬取诗歌，制作语料库。爬取的页面如下：

   爬取的诗歌

   由于本文主要为试了展示该项目的思路，因此，只爬取了该页面中的唐诗三百首、古诗三百、宋词三百、宋词精选，一共大约1100多首诗歌。为了加速爬虫，采用并发实现爬虫，并保存到poem.txt文件。完整的Python程序如下：

   import re
   import requests
   from bs4 import BeautifulSoup
   from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED
   
   # 爬取的诗歌网址
   urls = ['https://so.gushiwen.org/gushi/tangshi.aspx',
           'https://so.gushiwen.org/gushi/sanbai.aspx',
           'https://so.gushiwen.org/gushi/songsan.aspx',
           'https://so.gushiwen.org/gushi/songci.aspx'
           ]
   
   poem_links = []
   # 诗歌的网址
   for url in urls:
       # 请求头部
       headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
       req = requests.get(url, headers=headers)
   
       soup = BeautifulSoup(req.text, "lxml")
       content = soup.find_all('div', class_="sons")[0]
       links = content.find_all('a')
   
       for link in links:
           poem_links.append('https://so.gushiwen.org'+link['href'])
   
   poem_list = []
   # 爬取诗歌页面
   def get_poem(url):
       #url = 'https://so.gushiwen.org/shiwenv_45c396367f59.aspx'
       # 请求头部
       headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
       req = requests.get(url, headers=headers)
       soup = BeautifulSoup(req.text, "lxml")
       poem = soup.find('div', class_='contson').text.strip()
       poem = poem.replace(' ', '')
       poem = re.sub(re.compile(r"([sS]*?)"), '', poem)
       poem = re.sub(re.compile(r"（[sS]*?）"), '', poem)
       poem = re.sub(re.compile(r"。([sS]*?）"), '', poem)
       poem = poem.replace('!', '！').replace('?', '？')
       poem_list.append(poem)
   
   # 利用并发爬取
   executor = ThreadPoolExecutor(max_workers=10)  # 可以自己调整max_workers,即线程的个数
   # submit()的参数： 第一个为函数， 之后为该函数的传入参数，允许有多个
   future_tasks = [executor.submit(get_poem, url) for url in poem_links]
   # 等待所有的线程完成，才进入后续的执行
   wait(future_tasks, return_when=ALL_COMPLETED)
   
   # 将爬取的诗句写入txt文件
   poems = list(set(poem_list))
   poems = sorted(poems, key=lambda x:len(x))
   for poem in poems:
       poem = poem.replace('《','').replace('》','') 
                  .replace('：', '').replace('“', '')
       print(poem)
       with open('F://poem.txt', 'a') as f:
           f.write(poem)
           f.write('
   ')
   

   该程序爬取了1100多首诗歌，并将诗歌保存至poem.txt文件，形成我们的诗歌语料库。当然，这些诗歌并不能直接使用，需要清理数据，比如有些诗歌标点不规范，有些并不是诗歌，只是诗歌的序等等，这个过程需要人工操作，虽然稍显麻烦，但为了后面的诗歌分句效果，也是值得的。

   诗歌分句

   有了诗歌语料库，我们需要对诗歌进行分句，分句的标准为：按照结尾为。？！进行分句，这可以用正则表达式实现。之后，将分句好的诗歌写成字典：键（key）为该句首字的拼音，值（value）为该拼音对应的诗句，并将字典保存为pickle文件。完整的Python代码如下：

   import re
   import pickle
   from xpinyin import Pinyin
   from collections import defaultdict
   
   def main():
       with open('F://poem.txt', 'r') as f:
           poems = f.readlines()
   
       sents = []
       for poem in poems:
           parts = re.findall(r'[sS]*?[。？！]', poem.strip())
           for part in parts:
               if len(part) >= 5:
                   sents.append(part)
   
       poem_dict = defaultdict(list)
       for sent in sents:
           print(part)
           head = Pinyin().get_pinyin(sent, tone_marks='marks', splitter=' ').split()[0]
           poem_dict[head].append(sent)
   
       with open('./poemDict.pk', 'wb') as f:
           pickle.dump(poem_dict, f)
   
   main()
   

   我们可以看一下该pickle文件（poemDict.pk）的内容：

   pickle文件的内容（部分）

   当然，一个拼音可以对应多个诗歌。

   诗歌接龙

   读取pickle文件，编写程序，以exe文件形式运行该程序。
     为了能够在编译形成exe文件的时候不出错，我们需要改写xpinyin模块的__init__.py文件，将该文件的全部代码复制至mypinyin.py，并将代码中的下面这句代码

   data_path = os.path.join(os.path.dirname(os.path.abspath(__file__)),
                                'Mandarin.dat')
   

   改写为

   data_path = os.path.join(os.getcwd(), 'Mandarin.dat')
   

   这样我们就完成了mypinyin.py文件。
     接下来，我们需要编写诗歌接龙的代码（Poem_Jielong.py），完整代码如下：

   import pickle
   from mypinyin import Pinyin
   import random
   import ctypes
   
   STD_INPUT_HANDLE = -10
   STD_OUTPUT_HANDLE = -11
   STD_ERROR_HANDLE = -12
   
   FOREGROUND_DARKWHITE = 0x07  # 暗白色
   FOREGROUND_BLUE = 0x09  # 蓝色
   FOREGROUND_GREEN = 0x0a  # 绿色
   FOREGROUND_SKYBLUE = 0x0b  # 天蓝色
   FOREGROUND_RED = 0x0c  # 红色
   FOREGROUND_PINK = 0x0d  # 粉红色
   FOREGROUND_YELLOW = 0x0e  # 黄色
   FOREGROUND_WHITE = 0x0f  # 白色
   
   std_out_handle = ctypes.windll.kernel32.GetStdHandle(STD_OUTPUT_HANDLE)
   
   # 设置CMD文字颜色
   def set_cmd_text_color(color, handle=std_out_handle):
       Bool = ctypes.windll.kernel32.SetConsoleTextAttribute(handle, color)
       return Bool
   
   # 重置文字颜色为暗白色
   def resetColor():
       set_cmd_text_color(FOREGROUND_DARKWHITE)
   
   # 在CMD中以指定颜色输出文字
   def cprint(mess, color):
       color_dict = {
                     '蓝色': FOREGROUND_BLUE,
                     '绿色': FOREGROUND_GREEN,
                     '天蓝色': FOREGROUND_SKYBLUE,
                     '红色': FOREGROUND_RED,
                     '粉红色': FOREGROUND_PINK,
                     '黄色': FOREGROUND_YELLOW,
                     '白色': FOREGROUND_WHITE
                    }
       set_cmd_text_color(color_dict[color])
       print(mess)
       resetColor()
   
   color_list = ['蓝色','绿色','天蓝色','红色','粉红色','黄色','白色']
   
   # 获取字典
   with open('./poemDict.pk', 'rb') as f:
       poem_dict = pickle.load(f)
   
   #for key, value in poem_dict.items():
       #print(key, value)
   
   MODE = str(input('Choose MODE(1 for 人工接龙, 2 for 机器接龙): '))
   
   while True:
       try:
           if MODE == '1':
               enter = str(input('
   请输入一句诗或一个字开始：'))
               while enter != 'exit':
                   test = Pinyin().get_pinyin(enter, tone_marks='marks', splitter=' ')
                   tail = test.split()[-1]
                   if tail not in poem_dict.keys():
                       cprint('无法接这句诗。
   ', '红色')
                       MODE = 0
                       break
                   else:
                       cprint('
   机器回复：%s'%random.sample(poem_dict[tail], 1)[0], random.sample(color_list, 1)[0])
                       enter = str(input('你的回复：'))[:-1]
   
               MODE = 0
   
           if MODE == '2':
               enter = input('
   请输入一句诗或一个字开始：')
   
               for i in range(10):
                   test = Pinyin().get_pinyin(enter, tone_marks='marks', splitter=' ')
                   tail = test.split()[-1]
                   if tail not in poem_dict.keys():
                       cprint('------>无法接下去了啦...', '红色')
                       MODE = 0
                       break
                   else:
                       answer = random.sample(poem_dict[tail], 1)[0]
                       cprint('（%d）--> %s' % (i+1, answer), random.sample(color_list, 1)[0])
                       enter = answer[:-1]
   
               print('
   （*****最多展示前10回接龙。*****）')
               MODE = 0
   
       except Exception as err:
           print(err)
       finally:
           if MODE not in ['1','2']:
               MODE = str(input('
   Choose MODE(1 for 人工接龙, 2 for 机器接龙): '))
   

   现在整个项目的结构如下（Mandarin.dat文件从xpinyin模块对应的文件夹下复制过来）：

   项目文件

   切换至该文件夹，输入以下命令即可生成exe文件：

   pyinstaller -F Poem_jielong.py
   

   生成的exe文件为Poem_jielong.exe，位于该文件夹的dist文件夹下。为了能够让exe成功运行，需要将poemDict.pk和Mandarin.dat文件复制到dist文件夹下。

   测试运行

   运行Poem_jielong.exe文件，页面如下：

   exe文件开始页面

   本项目的诗歌接龙有两种模式，一种为人工接龙，就是你先输入一句诗或一个字，然后就是计算机回复一句，你回复一句，负责诗歌接龙的规则；另一种模式为机器接龙，就是你先输入一句诗或一个字，机器会自动输出后面的接龙诗句（最多10个）。
     先测试人工接龙模式：

   人工接龙

   再测试机器接龙模式：