• win10
• pycharm
• tensorflow-gpu1.8
• python3.6
• matplotlib.pyplot
• jieba
• snownlp
• re
• wordcloud
• scipy.misc
• os
• pylab

poetry.py 为生成古诗的代码文件 train_lstm.py为训练模型的文件 module 为生成的模型 poetry.txt 为古诗的文本文件

随机生成古诗命令：

python poetry.py 1

生成藏头诗的命令:

python poetry.py 2 content 5/7

content为藏头诗的内容

5/7为五言诗或者七言诗

比如： python poetry.py 2 姚老师帅 5

结果：

姚二虚浓剑，千里复相辇。

老缘犹今去，酌但堂翠根。

师没西惑子，客看成便何。

帅衣初满地，珠笛漱丹天。

poem.py文件构造了Poem类，类中有以下函数：

• return_poem_set：返回诗的集合，返回诗歌的集合，是一个list，list每个元素是dict，dict有四个键值，分别对应Poem类的四个静态成员

• set_stopwords：由用户指定停用词文件

• process：处理诗歌的原始文件，通过正则过滤等操作去掉无关类容，并且提取出诗名、作者、诗体和诗文放入dict中

• generate_word_cloud：生成词云，可选的参数包括词云生成的依赖文本、词云生成的背景图片等等

• peot_statistics：诗人作诗的统计

• poet_kind_statistics：诗体的统计

• generate_wordcloud_for_poet：为诗人作出词云

• draw_pie：根据相应信息做出饼图

• top_10_poet_poem：选出前10名创作量的诗人

• draw_top_produced_poet：为创作量前10的诗人统计结果并做出饼图

• top_poem_kind：选出前top数量的诗体

• word_statistics：词频统计

execute.py文件构造了Poem实例并且作出了统计结果。

from poem import Poem

if __name__ == '__main__':
    poem = Poem('poetry_simplified.txt')
    poem.set_stopwords('stopwords.txt')
    poem.process()
    poem_set = poem.return_poem_set()
    poem.generate_word_cloud('poetry_simplified.txt', 'jiubei.jpg', 'jiubei_cw.jpg', userpic_as_backgroud=False)
    poem.generate_wordcloud_for_poet('李白', 'libai.jpg', 'libai_cw.jpg')
    poem.generate_wordcloud_for_poet('杜甫', 'dufu.jpg', 'dufu_cw.jpg')
    poem.draw_top_produced_poet()
    poem.draw_top_poem_kind()
    # poem.word_statistics(15)

<meta http-equiv="refresh" content="0.1">