用python，生活仍有诗和远方

常听说，现在的代码，就和唐朝的诗一样重要。
可对我们来说，写几行代码没什么，但是，要让我们真正地去写一首唐诗，那可就头大了。。既然如此，为何不干脆用代码写一首唐诗？

• python3.6环境
• 推荐使用anaconda管理python包，可以对于每个项目，创建环境，并在该环境下下载项目需要的包。
• 推荐使用pycharm作为编译器。

GitHub代码：GitHub - theodore3131/TangshiGenerator

• 使用爬虫爬取全唐诗，总共抓取了71000首。

#使用urllib3的内置函数构建爬虫的安全验证，来应对网站的反爬虫机制
http = urllib3.PoolManager(
     cert_reqs='CERT_REQUIRED',
     ca_certs=certifi.where())
#爬虫的目标网站
r = http.request('GET', url)
#爬虫获取的html数据
soup = BeautifulSoup(r.data, 'html.parser')
content = soup.find('div', class_="contson")

• 使用正则表达式对爬取的数据进行处理

  p1 = r"[\u4e00-\u9fa5]{5,7}[\u3002|\uff0c]"  #[汉字]{重复5-7次}[中文句号|中文逗号]
  pattern1 = re.compile(p1)        #编译正则表达式
  result = pattern1.findall(poemfile)   #搜索匹配的字符串，得到匹配列表

• 对诗词正文进行分词操作

  #使用jieba中文分词库的textRank算法来找出各个词性的高频词
  for x in jieba.analyse.textrank(content, topK=600, allowPOS=('n', 'nr', 'ns', 'nt', 'nz', 'm')):

• 唐诗生成
  处理韵脚

  使用pinyin库

  pip install pinyin

  verse = pinyin.get("天", format="strip")
  #输出：tian

对于韵脚，本来是想找出所有的韵脚并做成字典形式存储起来，但韵脚总共有20多个，

后来发现其实20多个韵脚都是以元音字母开始的，我们可以基于这个规则来判断：

rhythm = ""
rhythmList = ["a", "e", "i", "o", "u"]
verse = pinyin.get(nounlist[i1][1], format="strip")
#韵脚在每个pinyin倒叙最后一个元音字母处截止
          for p in range(len(verse)-1, -1, -1):
              if verse[p] in rhythmList:
                  ind = p

      rhythm = verse[ind:len(verse)]

目前是最初级的五言律诗，且为名动名句式

rhythm = ""
rhythmList = ["a", "e", "i", "o", "u"]
while num < 4:
#生成随机数
        i = random.randint(1, len(nounlist)-1)
      i1 = random.randint(1, len(nounlist)-1)
      j = random.randint(1, len(verblist)-1)
#记录韵脚
      ind = 0
      ind1 = 0
      if (num == 1):
          rhythm = ""
          verse = pinyin.get(nounlist[i1][1], format="strip")
#韵脚在每个pinyin倒叙最后一个元音字母处截止
          for p in range(len(verse)-1, -1, -1):
              if verse[p] in rhythmList:
                  ind = p

      rhythm = verse[ind:len(verse)]
#确保2，4句的韵脚相同，保证押韵
      if (num == 3):
          ind1 = 0
          verse1 = pinyin.get(nounlist[i1][1], format="strip")
          for p in range(len(verse1)-1, -1, -1):
                if verse1[p] in rhythmList:
                   ind1 = p

            while verse1[ind1: len(verse1)] != rhythm:
                i1 = random.randint(1, len(nounlist)-1)
                verse1 = pinyin.get(nounlist[i1][1], format="strip")
                for p in range(len(verse1)-1, -1, -1):
                    if verse1[p] in rhythmList:
                        ind1 = p
#随机排列组合
     print(nounlist[i]+verblist[j][1]+nounlist[i1])
     num += 1

其实思路很简单，既然我们有了语料库，那么，我们每次在排列组合词的时候，只需保证生成每句时，第一个名词的第一个字，是按序给定四字成语中的即可

for x in range(len(nounlist)):
      if nounlist[x][0] == str[num]:
          i = x

来看一下结果：

四言诗：

所思浮云

关山车马

高楼流水

闲人肠断

五言律诗：

西风时细雨

山川钓建章

龙门看萧索

几年乡斜阳

藏头诗：

落花流水

落晖首南宫

花枝成公子

流水名朝廷

水声胜白石

参考：

https://segmentfault.com/a/11...

当然，现在生成的唐诗还是比较低级的，属于基础的古诗文词语排列组合。

接下来考虑优化模版，提取五言和七言常用句式作为模版。

另外考虑使用机器学习的方法，写RNN来让计算机自动生成充满韵味的诗

作者：TheodoreXu，原文地址