怎麼使用Python寫詩詞接龍程序-Python教學-PHP中文網

詩歌語料庫

首先，我們利用Python爬蟲來爬取詩歌，製作語料庫。爬取的頁面如下：

怎麼使用Python寫詩詞接龍程序

爬取的詩歌

#由於本文主要為試了展示該項目的思路，因此，只爬取了該頁面中的唐詩三百首、古詩三百、宋詞三百、宋詞精選，總共約1100多首詩歌。為了加速爬蟲，採用並發實現爬蟲，並儲存到poem.txt檔案。完整的Python程式如下：

import re
import requests
from bs4 import BeautifulSoup
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED

# 爬取的诗歌网址
urls = [&#39;https://so.gushiwen.org/gushi/tangshi.aspx&#39;,
       &#39;https://so.gushiwen.org/gushi/sanbai.aspx&#39;,
       &#39;https://so.gushiwen.org/gushi/songsan.aspx&#39;,
       &#39;https://so.gushiwen.org/gushi/songci.aspx&#39;
       ]

poem_links = []
# 诗歌的网址
for url in urls:
   # 请求头部
   headers = {: &#39;Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36&#39;}
   req = requests.get(url, headers=headers)

   soup = BeautifulSoup(req.text, "lxml")
   content = soup.find_all(&#39;div&#39;, class_="sons")[0]
   links = content.find_all(&#39;a&#39;)

   for link in links:
       poem_links.append(&#39;https://so.gushiwen.org&#39;+link[&#39;href&#39;])

poem_list = []
# 爬取诗歌页面
def get_poem(url):
   #url = &#39;https://so.gushiwen.org/shiwenv_45c396367f59.aspx&#39;
   # 请求头部
   headers = {: &#39;Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36&#39;}
   req = requests.get(url, headers=headers)
   soup = BeautifulSoup(req.text, "lxml")
   poem = soup.find(&#39;div&#39;, class_=&#39;contson&#39;).text.strip()
   poem = poem.replace(&#39; &#39;, &#39;&#39;)
   poem = re.sub(re.compile(r"([sS]*?)"), &#39;&#39;, poem)
   poem = re.sub(re.compile(r"（[sS]*?）"), &#39;&#39;, poem)
   poem = re.sub(re.compile(r"。([sS]*?）"), &#39;&#39;, poem)
   poem = poem.replace(&#39;!&#39;, &#39;！&#39;).replace(&#39;?&#39;, &#39;？&#39;)
   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(&#39;《&#39;,&#39;&#39;).replace(&#39;》&#39;,&#39;&#39;) 
              .replace(&#39;：&#39;, &#39;&#39;).replace(&#39;“&#39;, &#39;&#39;)
   print(poem)
   with open(&#39;F://poem.txt&#39;, &#39;a&#39;) as f:
       f.write(poem)
       f.write(&#39;
&#39;)

登入後複製

該程式爬取了1100多首詩歌，並將詩歌保存至poem.txt文件，形成我們的詩歌語料庫。當然，這些詩歌並不能直接使用，需要清理數據，例如有些詩歌標點不規範，有些並不是詩歌，只是詩歌的序等等，這個過程需要人工操作，雖然稍顯麻煩，但為了後面的詩歌分句效果，也是值得的。

詩歌分句

有了詩歌語料庫，我們需要對詩歌進行分句，分句的標準為：依照結尾為。？！進行分句，這可以用正規表示式實現。之後，將分句好的詩寫成字典：鍵（key）為該句首字的拼音，值（value）為該拼音對應的詩句，並將字典儲存為pickle檔。完整的Python程式碼如下：

import re
import pickle
from xpinyin import Pinyin
from collections import defaultdict

def main():
   with open(&#39;F://poem.txt&#39;, &#39;r&#39;) as f:
       poems = f.readlines()

   sents = []
   for poem in poems:
       parts = re.findall(r&#39;[sS]*?[。？！]&#39;, 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=&#39;marks&#39;, splitter=&#39; &#39;).split()[0]
       poem_dict[head].append(sent)

   with open(&#39;./poemDict.pk&#39;, &#39;wb&#39;) as f:
       pickle.dump(poem_dict, f)

main()

登入後複製

我們可以看一下該pickle檔案（poemDict.pk）的內容：

怎麼使用Python寫詩詞接龍程序

##pickle檔案的內容（部分）

當然，一個拼音可以對應多個詩。

詩歌接龍

讀取pickle文件，編寫程序，以exe檔案形式運行該程式。為了能夠在編譯形成exe檔的時候不出錯，我們需要改寫xpinyin模組的

init.py文件，將該檔案的全部程式碼複製至mypinyin.py，並將程式碼中的下面這句程式碼

data_path = os.path.join(os.path.dirname(os.path.abspath(__file__)),
                            &#39;Mandarin.dat&#39;)

登入後複製

改寫為

data_path = os.path.join(os.getcwd(), &#39;Mandarin.dat&#39;)

登入後複製

這樣我們就完成了mypinyin.py檔。接下來，我們需要編寫詩歌接龍的程式碼（Poem_Jielong.py），完整程式碼如下：

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 = {
                 : FOREGROUND_BLUE,
                 : FOREGROUND_GREEN,
                 : FOREGROUND_SKYBLUE,
                 : FOREGROUND_RED,
                 : FOREGROUND_PINK,
                 : FOREGROUND_YELLOW,
                 : FOREGROUND_WHITE
                }
   set_cmd_text_color(color_dict[color])
   print(mess)
   resetColor()

color_list = [&#39;蓝色&#39;,&#39;绿色&#39;,&#39;天蓝色&#39;,&#39;红色&#39;,&#39;粉红色&#39;,&#39;黄色&#39;,&#39;白色&#39;]

# 获取字典
with open(&#39;./poemDict.pk&#39;, &#39;rb&#39;) as f:
   poem_dict = pickle.load(f)

#for key, value in poem_dict.items():
   #print(key, value)

MODE = str(input(&#39;Choose MODE(1 for 人工接龙, 2 for 机器接龙): &#39;))

while True:
   try:
       if MODE == &#39;1&#39;:
           enter = str(input(&#39;
请输入一句诗或一个字开始：&#39;))
           while enter != &#39;exit&#39;:
               test = Pinyin().get_pinyin(enter, tone_marks=&#39;marks&#39;, splitter=&#39; &#39;)
               tail = test.split()[-1]
               if tail not in poem_dict.keys():
                   cprint(&#39;无法接这句诗。
&#39;, &#39;红色&#39;)
                   MODE = 0
                   break
               else:
                   cprint(&#39;
机器回复：%s&#39;%random.sample(poem_dict[tail], 1)[0], random.sample(color_list, 1)[0])
                   enter = str(input(&#39;你的回复：&#39;))[:-1]

           MODE = 0

       if MODE == &#39;2&#39;:
           enter = input(&#39;
请输入一句诗或一个字开始：&#39;)

           for i in range(10):
               test = Pinyin().get_pinyin(enter, tone_marks=&#39;marks&#39;, splitter=&#39; &#39;)
               tail = test.split()[-1]
               if tail not in poem_dict.keys():
                   cprint(&#39;------>无法接下去了啦...&#39;, &#39;红色&#39;)
                   MODE = 0
                   break
               else:
                   answer = random.sample(poem_dict[tail], 1)[0]
                   cprint(&#39;（%d）--> %s&#39; % (i+1, answer), random.sample(color_list, 1)[0])
                   enter = answer[:-1]

           print(&#39;
（*****最多展示前10回接龙。*****）&#39;)
           MODE = 0

   except Exception as err:
       print(err)
   finally:
       if MODE not in [&#39;1&#39;,&#39;2&#39;]:
           MODE = str(input(&#39;
Choose MODE(1 for 人工接龙, 2 for 机器接龙): &#39;))

登入後複製

現在整個專案的結構如下（Mandarin.dat檔案從xpinyin模組對應的資料夾下複製過來）：

怎麼使用Python寫詩詞接龍程序