神马三押四押 给你来上一打

大家七夕过的愉快吗？胡萝卜酱来更hiphop歌曲最后一部分了，关于押韵的分析。看今年的新说唱，发现那吾克热他们简直是押韵狂魔啊，怎么能想到那么多可以押韵的词啊？真是令语文一向不好的小编好生羡慕啊。大家还记得可视化篇里面我们已经将中英文分开了吗？鉴于小编能力有限，无法去分析英文的押韵，所以本文只分析了中文部分的。

xpinyin的应用

---

要想押韵，那么就必须提及我们的拼音呢。如何把汉字转化为拼音呢，那就必须用上xpinyin了。你可以通过pip直接安装，并且它的使用非常的简单，我们通过一个小小的例子来认识一下吧。

 1from xpinyin import Pinyin
 2p = Pinyin()
 3# 默认‘-’分隔
 4p.get_pinyin(u"上海")
 5'shang-hai'
 6# 显示声调
 7p.get_pinyin(u"上海", show_tone_marks=True)
 8'shàng-hǎi'
 9#无分隔
10p.get_pinyin(u"上海", '')
11'shanghai'
12# 空格进行分隔
13p.get_pinyin(u"上海", ' ')
14'shang hai'
15#首字母大写，默认‘-’分隔
16p.get_initials(u"上海")
17'S-H'
18#首字母大写，并无分隔
19p.get_initials(u"上海", u'')
20'SH'

是不是觉得很好用啊，其实把汉字转为拼音容易，但我们押韵分析的并不是整个拼音，而只是韵脚，所以，我们进行了下一步。

韵脚分析

---

分析韵脚，当然要进行一些分类，小编是直接从网上找的，分为下列两个数据集。

1RhymeIndex = [('1', ['a', 'ia', 'ua']), ('2', ['ai', 'uai']), ('3', ['an', 'ian', 'uan']),
2              ('4', ['ang', 'iang', 'uang']), ('5', ['ao', 'iao']), ('6', ['e', 'o', 'uo']), ('7', ['ei', 'ui']),
3              ('8', ['en', 'in', 'un']), ('9', ['eng', 'ing', 'ong', 'iong']), ('10', ['er']), ('11', ['i']),
4              ('12', ['ie', 'ye']), ('13', ['ou', 'iu']), ('14', ['u']), ('16', ['ue']), ('15', ['qu', 'xu', 'yu'])]
5
6RhymeDct = {'ui': '7', 'uan': '3', 'ian': '3', 'iu': '13', 'en': '8', 'ue': '16', 'ing': '9', 'a': '1', 'ei': '7',
7            'eng': '9', 'uo': '6', 'ye': '12', 'in': '8', 'ou': '13', 'ao': '5', 'uang': '4', 'ong': '9', 'ang': '4',
8            'ai': '2', 'ua': '1', 'uai': '2', 'an': '3', 'iao': '5', 'ia': '1', 'ie': '12', 'iong': '9', 'i': '11',
9            'er': '10', 'e': '6', 'u': '14', 'un': '8', 'iang': '4', 'o': '

现在我们需要做的事，就是让分词出来的中文分别对应于下面那个韵脚。

 1chinese_word = pd.DataFrame({"word":chinese_rank.index,"count":chinese_rank.values})
 2rhyme = []
 3for i in range(len(chinese_word)):
 4    word_py = p.get_pinyin(u'{}'.format(chinese_word["word"][i]))
 5    lst_words = word_py.split('-')
 6    r=[]
 7    for j in lst_words:
 8        while True:
 9            if not j:
10                break
11            token = RhymeDct.get(j, None)
12            if token:
13                r.append(token)
14                break
15            j = j[1:]
16    rhyme.append(r)
17chinese_word["rhyme"] = rhyme
18#print (chinese_word.loc[2])
19#count 2134;word  时间;rhyme  [11, 3]

一个简单的循环，获得相应韵脚，那么我们现在需要的就是分类统计了。

分类统计

---

我们分词的结果通过过滤，留下来的都是大于两个字的词，考虑到押韵多是两字押韵，将分类结果分为两个TXT文件存储，分别是两个韵脚.txt和三个韵脚及以上.txt。代码如下：

 1#押韵组合
 2query = []
 3for i in chinese_word["rhyme"]:
 4    if i not in query:
 5        query.append(i)
 6
 7#分类数据
 8def get_words(word):
 9    r = []
10    sum=0
11    for i in range(len(chinese_word)):
12        if chinese_word["rhyme"][i] == word:            
13            r.append((chinese_word["word"][i], chinese_word["count"][i]))
14            sum = sum + chinese_word["count"][i]
15    return sorted(r, key=lambda x:x[1], reverse=True),sum            
16
17#存储
18def save_file(r,NUM):
19    if NUM <= 2:
20        with open('两个韵脚', 'a+')as f:
21            f.write(str(r))
22            f.write('\n')
23    else:
24        with open('三个韵脚及以上', 'a+')as f:
25            f.write(str(r))
26            f.write('\n')
27
28rdct = dict(RhymeIndex)
29
30for i in query:
31    rh = i
32    res = get_words(rh)   #获得和韵脚匹配的歌词
33    if res:
34        s = []
35        for i in rh:
36            pre = rdct.get(i)
37            s.append(str(pre))
38        NUM = len(rh)
39        s = '-'.join(s)
40        res = '韵脚:' + s + '\t' + '出现次数：' + str(res[1]) + '\t' + '词汇:' + str(res[0])
41        save_file(res,NUM)
42#个人觉得这部分代码写的很啰嗦，不够简洁，重复太多，计算复杂度过高

得到如下数据集：

可视化

---

读取存储的数据，进行了简单地统计分析，看看常用的押韵是哪些吧？

两个字最常用的韵脚是['i']-['an', 'ian', 'uan']，比如说'时间'， '喜欢'， '习惯'等。

三个字及以上的韵脚最常用得是['an', 'ian', 'uan']-['u']-['an', 'ian', 'uan']，比如说‘看不见’，‘敢不敢’等词。

freestyle

---

为了方便freestyle，可以简单地搜索，所以我们通过键盘输入想要押韵的词，来给出相应的可用的词。比如输入“世界”，输出相应的押韵词汇：

如果你觉得这种上述的方式很难看，你可以学习一下django，搭建一个小网站，将结果输出更加美观。

结语

---

这一部分就结束了，三篇推文结合起来，你能学习到爬虫，jieba分词，xpinyin库。这次的学习过程也让胡萝卜酱认识到自己的代码写的不够精简，因为平时涉及到的数据量较小，所以没有考虑时间复杂度，计算复杂度的问题，大家有什么建议，可以直接在QQ群或者后台联系，相互讨论，共同进步。mua,爱大家。

往期精彩回顾：

更多代码和详解在QQ群：852113213）

此文花费了不少功夫，赞赏、点赞、转发都是对作者的认可和支持。