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：

http://github.com/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

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

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：

http://segmentfault.com/a/1190000004571958

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。

（完）

来源：TheodoreXu

  

   链接：

http://segmentfault.com/a/1190000013154329

《Python人工智能和全栈开发》2018年07月23日即将在北京开课，

120天冲击Python年薪30万

，改变速约~~~~

*声明：推送内容及图片来源于网络，部分内容会有所改动，版权归原作者所有，如来源信息有误或侵犯权益，请联系我们删除或授权事宜。

- END -

更多

Python好文

请点击【

阅读原文

】哦

↓↓↓

• 日常生活必备：如何用英语口语讨论穿衣。
• 【生活】呵护家庭防火先行，这些家庭火灾预防小提示要谨记！
• 【生活】这个小家电几乎每家都有，使用不当很危险！
• 如果有一天生活把你逼上绝路
• 家族舞林秀 | 快乐生活广场舞《绥山牧歌》个人版，秀出最美的自
• Drift.HK车手Ricky Chan陈连财的飘移生活
• 92亩“建设用地”荒废16年 不断有生活垃圾被倒入
• 揭秘蛰居族的封闭生活方式
• 知乎高赞：七种应刻意训练的思维方式，让生活慢慢变好
• 生活垃圾堆了不少 居民：抓紧清理吧