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：GitHub - 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"[\u4e00-\u9fa5]{5,7}[\u3002|\uff0c]" #[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 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
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：
https://segmentfault.com/a/11...
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
