常聽說，現在的程式碼，就和唐朝的詩一樣重要。
可對我們來說，寫幾行程式碼沒什麼，但是，要讓我們真正地去寫一首唐詩，那可就頭大了。。既然如此，為何不乾脆用程式碼寫一首唐詩？
準備：
- python3.6環境
- 推薦使用anaconda管理python包，可以對於每個專案，建立環境，並在該環境下下載專案需要的包。
- 推薦使用pycharm作為編譯器。
GitHub程式碼：GitHub – theodore3131/TangshiGenerator
具體步驟：
- 使用爬蟲爬取全唐詩，總共抓取了71000首。
#使用urllib3的內建函式構建爬蟲的安全驗證，來應對網站的反爬蟲機制
http = urllib3.PoolManager(
cert_reqs=`CERT_REQUIRED`,
ca_certs=certifi.where())
#爬蟲的目標網站
r = http.request(`GET`, url)
#爬蟲獲取的html資料
soup = BeautifulSoup(r.data, `html.parser`)
content = soup.find(`div`, class_="contson")- 使用正規表示式對爬取的資料進行處理
p1 = r"[u4e00-u9fa5]{5,7}[u3002|uff0c]" #[漢字]{重複5-7次}[中文句號|中文逗號]
pattern1 = re.compile(p1) #編譯正規表示式
result = pattern1.findall(poemfile) #搜尋匹配的字串，得到匹配列表- 對詩詞正文進行分詞操作
#使用jieba中文分詞庫的textRank演算法來找出各個詞性的高頻詞
for x in jieba.analyse.textrank(content, topK=600, allowPOS=(`n`, `nr`, `ns`, `nt`, `nz`, `m`)):-
唐詩生成
- 處理韻腳
使用pinyin庫pip install pinyinverse = pinyin.get("天", format="strip")
#輸出：tian對於韻腳，本來是想找出所有的韻腳並做成字典形式儲存起來，但韻腳總共有20多個，
後來發現其實20多個韻腳都是以母音字母開始的，我們可以基於這個規則來判斷：
rhythm = ""
rhythmList = ["a", "e", "i", "o", "u"]
verse = pinyin.get(nounlist[i1][1], format="strip")
#韻腳在每個pinyin倒敘最後一個母音字母處截止
for p in range(len(verse)-1, -1, -1):
if verse[p] in rhythmList:
ind = p
rhythm = verse[ind:len(verse)]目前是最初級的五言律詩，且為名動名句式
rhythm = ""
rhythmList = ["a", "e", "i", "o", "u"]
while num < 4:
#生成隨機數
i = random.randint(1, len(nounlist)-1)
i1 = random.randint(1, len(nounlist)-1)
j = random.randint(1, len(verblist)-1)
#記錄韻腳
ind = 0
ind1 = 0
if (num == 1):
rhythm = ""
verse = pinyin.get(nounlist[i1][1], format="strip")
#韻腳在每個pinyin倒敘最後一個母音字母處截止
for p in range(len(verse)-1, -1, -1):
if verse[p] in rhythmList:
ind = p
rhythm = verse[ind:len(verse)]
#確保2，4句的韻腳相同，保證押韻
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
#隨機排列組合
print(nounlist[i]+verblist[j][1]+nounlist[i1])
num += 1藏頭詩
其實思路很簡單，既然我們有了語料庫，那麼，我們每次在排列組合詞的時候，只需保證生成每句時，第一個名詞的第一個字，是按序給定四字成語中的即可
for x in range(len(nounlist)):
if nounlist[x][0] == str[num]:
i = x來看一下結果：
四言詩：
所思浮雲
關山車馬
高樓流水
閒人腸斷
五言律詩：
西風時細雨
山川釣建章
龍門看蕭索
幾年鄉斜陽
藏頭詩：
落花流水
落暉首南宮
花枝成公子
流水名朝廷
水聲勝白石
參考：
當然，現在生成的唐詩還是比較低階的，屬於基礎的古詩文詞語排列組合。
接下來考慮優化模版，提取五言和七言常用句式作為模版。
另外考慮使用機器學習的方法，寫RNN來讓計算機自動生成充滿韻味的詩