诗歌语料库 首先，我们利用python爬虫来爬取诗歌，制作语料库。爬取的页面如下：
爬取的诗歌
由于本文主要为试了展示该项目的思路，因此，只爬取了该页面中的唐诗三百首、古诗三百、宋词三百、宋词精选，一共大约1100多首诗歌。为了加速爬虫，采用并发实现爬虫，并保存到poem.txt文件。完整的python程序如下：
import reimport requestsfrom bs4 import beautifulsoupfrom concurrent.futures import threadpoolexecutor, wait, all_completed# 爬取的诗歌网址urls = ['https://so.gushiwen.org/gushi/tangshi.aspx', 'https://so.gushiwen.org/gushi/sanbai.aspx', 'https://so.gushiwen.org/gushi/songsan.aspx', 'https://so.gushiwen.org/gushi/songci.aspx' ]poem_links = []# 诗歌的网址for url in urls: # 请求头部 headers = {: 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/67.0.3396.87 safari/537.36'} req = requests.get(url, headers=headers) soup = beautifulsoup(req.text, lxml) content = soup.find_all('div', class_=sons)[0] links = content.find_all('a') for link in links: poem_links.append('https://so.gushiwen.org'+link['href'])poem_list = []# 爬取诗歌页面def get_poem(url): #url = 'https://so.gushiwen.org/shiwenv_45c396367f59.aspx' # 请求头部 headers = {: 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/67.0.3396.87 safari/537.36'} req = requests.get(url, headers=headers) soup = beautifulsoup(req.text, lxml) poem = soup.find('div', class_='contson').text.strip() poem = poem.replace(' ', '') poem = re.sub(re.compile(r([ss]*?)), '', poem) poem = re.sub(re.compile(r（[ss]*?）), '', poem) poem = re.sub(re.compile(r。([ss]*?）), '', poem) poem = poem.replace('!', '！').replace('?', '？') 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('《','').replace('》','') .replace('：', '').replace('“', '') print(poem) with open('f://poem.txt', 'a') as f: f.write(poem) f.write('')
该程序爬取了1100多首诗歌，并将诗歌保存至poem.txt文件，形成我们的诗歌语料库。当然，这些诗歌并不能直接使用，需要清理数据，比如有些诗歌标点不规范，有些并不是诗歌，只是诗歌的序等等，这个过程需要人工操作，虽然稍显麻烦，但为了后面的诗歌分句效果，也是值得的。
诗歌分句 有了诗歌语料库，我们需要对诗歌进行分句，分句的标准为：按照结尾为。？！进行分句，这可以用正则表达式实现。之后，将分句好的诗歌写成字典：键（key）为该句首字的拼音，值（value）为该拼音对应的诗句，并将字典保存为pickle文件。完整的python代码如下：
import reimport picklefrom xpinyin import pinyinfrom collections import defaultdictdef main(): with open('f://poem.txt', 'r') as f: poems = f.readlines() sents = [] for poem in poems: parts = re.findall(r'[ss]*?[。？！]', 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='marks', splitter=' ').split()[0] poem_dict[head].append(sent) with open('./poemdict.pk', 'wb') as f: pickle.dump(poem_dict, f)main()
我们可以看一下该pickle文件（poemdict.pk）的内容：
pickle文件的内容（部分）
当然，一个拼音可以对应多个诗歌。
诗歌接龙 读取pickle文件，编写程序，以exe文件形式运行该程序。 为了能够在编译形成exe文件的时候不出错，我们需要改写xpinyin模块的init.py文件，将该文件的全部代码复制至mypinyin.py，并将代码中的下面这句代码
data_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), 'mandarin.dat')
改写为
data_path = os.path.join(os.getcwd(), 'mandarin.dat')
这样我们就完成了mypinyin.py文件。 接下来，我们需要编写诗歌接龙的代码（poem_jielong.py），完整代码如下：
import picklefrom mypinyin import pinyinimport randomimport ctypesstd_input_handle = -10std_output_handle = -11std_error_handle = -12foreground_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 = ['蓝色','绿色','天蓝色','红色','粉红色','黄色','白色']# 获取字典with open('./poemdict.pk', 'rb') as f: poem_dict = pickle.load(f)#for key, value in poem_dict.items(): #print(key, value)mode = str(input('choose mode(1 for 人工接龙, 2 for 机器接龙): '))while true: try: if mode == '1': enter = str(input('请输入一句诗或一个字开始：')) while enter != 'exit': test = pinyin().get_pinyin(enter, tone_marks='marks', splitter=' ') tail = test.split()[-1] if tail not in poem_dict.keys(): cprint('无法接这句诗。', '红色') mode = 0 break else: cprint('机器回复：%s'%random.sample(poem_dict[tail], 1)[0], random.sample(color_list, 1)[0]) enter = str(input('你的回复：'))[:-1] mode = 0 if mode == '2': enter = input('请输入一句诗或一个字开始：') for i in range(10): test = pinyin().get_pinyin(enter, tone_marks='marks', splitter=' ') tail = test.split()[-1] if tail not in poem_dict.keys(): cprint('------>无法接下去了啦...', '红色') mode = 0 break else: answer = random.sample(poem_dict[tail], 1)[0] cprint('（%d）--> %s' % (i+1, answer), random.sample(color_list, 1)[0]) enter = answer[:-1] print('（*****最多展示前10回接龙。*****）') mode = 0 except exception as err: print(err) finally: if mode not in ['1','2']: mode = str(input('choose mode(1 for 人工接龙, 2 for 机器接龙): '))
现在整个项目的结构如下（mandarin.dat文件从xpinyin模块对应的文件夹下复制过来）：
项目文件
切换至该文件夹，输入以下命令即可生成exe文件：
pyinstaller -f poem_jielong.py
生成的exe文件为poem_jielong.exe，位于该文件夹的dist文件夹下。为了能够让exe成功运行，需要将poemdict.pk和mandarin.dat文件复制到dist文件夹下。
测试运行 运行poem_jielong.exe文件，页面如下：
exe文件开始页面
本项目的诗歌接龙有两种模式，一种为人工接龙，就是你先输入一句诗或一个字，然后就是计算机回复一句，你回复一句，负责诗歌接龙的规则；另一种模式为机器接龙，就是你先输入一句诗或一个字，机器会自动输出后面的接龙诗句（最多10个）。 先测试人工接龙模式：
人工接龙
再测试机器接龙模式：
以上就是python编写诗词接龙程序的详细内容。