python+virtualenv+pycharm+诗歌

准备步骤

安装python3，下载CSDB，任意选择位置git clone ...

环境配置

1. 在pycharm中，command+,选择interpreter，create virtualenv，选择python版本，location自己定（之后安装的库都是在这个文件夹里），和程序文件所在位置无关。
2. 在终端中，定位到virtualenv所在位置，source bin/activate，激活，可看到(lenv)前缀。可用pip命令安装各种库。
3. 回到pycharm中，仍然选择刚才创建的virtualenv，可看到多了刚才安装的库。

db文件

用sqlite3 filename打开，有.help、.table等命令。

word_level_analyzer.py

文件前加：# coding:utf-8
在函数cut_qts_to_words中，有如下变量：

 char_counter = Counter()  # 字频统计
 author_counter = Counter()  # 每个作者的写诗篇数
 vocab = set()  # 词汇库
 word_counter = Counter()  # 词频统计
 genre_counter = defaultdict(Counter)  # 针对每个词性的Counter

• 源文件格式为num+author+poet，用list区分即可，统计作者、汉子个数；
• 用thulac库中的lex_analyzer.cut分割词语和对应的词性，记录下来，边统计边输出进展。
  分词后输出文档如下（只选取了一首诗，诗的末尾不能有转折，否则程序会出错）：
  

  qts_words_list
• 用gensim中的Word2Vec得到词向量；
• 打印结果，按序输出语句为：print_counter(author_counter.most_common(10))，counter格式能自动选取频率最高的打印出来。

construct_poets_network.py

• 调用utils.py函数读取作者和诗歌内容。由于不用进行词法分析，速度快。
• 用CSDB来确定作者（def get_alter_names）。打开.db文件：

conn = sqlite3.connect(db_file)
cursor = conn.cursor()

识别作者有两个问题：

1. 重名
   解决方法：首先用诗人名字在.db的BLOG_MAIN中查找：

cursor.execute('SELECT c_personid, c_birthyear, c_deathyear FROM BIOG_MAIN WHERE c_name_chn LIKE?', (author_pattern,))
# 记录该人的生卒年和ID信息
person_info_list = cursor.fetchall()

如果候选人列表中的某人生卒年和唐朝重合，则确定此人就是要找的人。

2. 别称
   由于有的作者别称也是日常用词，因此删除这些别称。

• def get_refer_relations计算关系

 for 从CSDB中统计出的诗人
     for 每一首从qts中统计出诗歌
          if该诗歌作者不在CSDB中跳过
          查找该诗人的名字（包括所有别称）

保存在reference_relations.pkl中。

visualize_poets_network.py

三个函数：

• 得到排名靠前的关系def get_concerned_relations_by_range
• 通过已有的不同时期唐诗人名单，计算之间的关系get_concerned_relations_by_authors
• 画图generate_html_page

//得到link数据 
filtered_authors.add(refered_by)
 filtered_authors.add(refered)
 count = math.sqrt(count)
 line_width = min_link_width + width_slope * (count - min_refer_count)
 links_text += links_item_format % (refered_by, refered, line_width)
//处理节点数据
//和已经写好的`html`头尾合并

展示图如下：

盛唐诗人关系图