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？

准备：

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：

theodore3131/TangshiGenerator

具体步骤：

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"[一-龥]{5,7}[。|，]"#[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forxinjieba.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 pinyinverse = 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forpinrange(len(verse)-1, -1, -1):ifverse[p]inrhythmList: 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"]whilenum<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 =0ind1 =0if(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forpinrange(len(verse)-1,-1,-1):ifverse[p]inrhythmList: 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 =0verse1 = pinyin.get(nounlist[i1][1],format="strip")forpinrange(len(verse1)-1,-1,-1):ifverse1[p]inrhythmList: ind1 = pwhileverse1[ind1:len(verse1)] != rhythm: i1 =random.randint(1,len(nounlist)-1) verse1 = pinyin.get(nounlist[i1][1],format="strip")forpinrange(len(verse1)-1,-1,-1):ifverse1[p]inrhythmList: ind1 = p#随机排列组合print(nounlist[i]+verblist[j][1]+nounlist[i1])num+=1

藏头诗

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：

人类身份验

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。

最后小编自己也是一个有着6年工作经验的工程师，关于python编程，自己有做材料的整合，一个完整的python编程学习路线，学习资料和工具。想要这些资料的可以关注小编，加入python学习交流Q群735967233。