诗意书香，宋风雅韵，宋代的文人们或婉约，或豪放，为后世留下了不朽的文学遗产 —— 宋词。宋词本质上是用于合乐的歌词，词人在填词时用的曲调名即为词牌。各位读者在中学时期一定对“水调歌头”、“念奴娇”这些词牌名耳熟能详。根据统计，存世的宋词当中出现的词牌名约有1400余个。那么，哪些词牌名最受词人追捧？这种枯燥重复的统计工作，正是计算机所擅长的。

版权声明

本文可以在互联网上自由转载，但必须：注明出处(作者：海洋饼干叔叔)并包含指向本页面的链接。

本文不可以以纸质出版为目的进行改编、摘抄。

  在随书源代码的CH6目录下，有个名为songci.json的文件，该文件以JSON保存了21050首存世宋词。关于何为JSON格式，以及如何存取JSON格式文件，我们在第8章中讨论。

  在Visual Studio Code中打开文件songci.json，可见如下内容：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
[
  ...  #此处有大量节略
  {
    "author": "晏殊", 
    "paragraphs": [
      "一曲新词酒一杯。", "去年天气旧亭台。", "夕阳西下几时回。", 
      "无可奈何花落去，似曾相识燕归来。", "小园香径独徘徊。"
    ], 
    "rhythmic": "浣溪沙"
  },
  {
    "author": "李清照", 
    "paragraphs": [
      "常记溪亭日暮。", "沈醉不知归路。", "兴尽晚回舟，误入藕花深处。", 
      "争渡。", "争渡。", "惊起一滩鸥鹭。"
    ], 
    "rhythmic": "如梦令"
  }
  ...   #此处大量节略
]

  songci.json中的文本内容如果按Python语法，可以理解为一个列表，该列表包含21050个字典。每个字典包含一首宋词，其由至少三个键值对构成，其中”author”对应作者姓名，”paragraphs”对应宋词正文，”rhythmic”则对应词牌名。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
#songrhythm.py
f = open("songci.json","rt",encoding="utf-8")
ci = eval(f.read())
f.close()

rhythmic = {}
for x in ci:
    r = x["rhythmic"]
    rhythmic[r] = rhythmic.get(r,0) + 1

from wordcloud import WordCloud
wc = WordCloud( font_path="PuHuiTi.ttf",
                width = 1500, height = 1000,
                background_color='white', colormap="Paired" )
wc.generate_from_frequencies(rhythmic)

from matplotlib import pyplot as plt 
plt.imshow(wc)
plt.axis("off")
plt.subplots_adjust(0,0,1.0,1.0,0,0)
plt.show()

#本程序中的宋词数据库引用自开源项目Chinese-poetry
#受限于版权，本演示程序使用了免费的开源字体

🚩第2 ~ 4行：打开当前工作路径下的文件songci.json，将其中的内容按字符串形式读出，并借由eval()函数进行转换，并将转换结果赋值给ci。关于文件读写的详细方法，我们在第8章里讨论。根据songci.json的文件内容可知，上述代码执行后，ci应为一个列表，其中包含21050个字典。

🚩第6 ~ 9行：从宋词列表ci统计各词牌名的出现次数，结果存储于rhythmic字典中。第7行的for循环逐一遍历列表ci中的子字典x，其中的值对象x[“rhythmic”]即为词牌名r。对于每个遇到的词牌名r，均将其在rhythmic字典中的出现次数加1。请读者留意rhythmic.get(r,0)的应用，当某个词牌名，比如”点绛唇”第一次被for循环发现时，其在rhythmic字典中尚不存在，get()函数的应用可以避免程序出错并返回指定的默认值0。

🚩第11 ~ 15行：使用第三方库wordcloud生成词云。Wordcloud第三方库的安装方法请参见1.6.3节。

🚩第12行：WordCloud是由第三方库wordcloud所定义的类型名，其同名函数WordCloud()用于生成一个词云对象。关键字参数font_path指明了生成词云时所用的字体文件。对于Windows操作系统而言，这些字体文件可以在C:/Windows/Fonts目录中找到。为方便读者，作者复制了开源的阿里巴巴普惠体字体文件PUHUITI.ttf，并放置在了随书代码的CH6子目录下。

🚩第14行：关键字参数background_color用于指定词云的背景色，colormap则指定了颜色映射表。本行代码中用到的颜色映射表”Paired”是由matplotlib定义的。

🚩第15行：词云对象wc的generate_from_frequencies()成员函数进行已有的词频统计结果生成词云。对本例而言，rhythmic字典提供了相应的词频统计结果。那些出现次数多的词牌名将在词云中被突出显示。

🚩第17 ~ 21行：在matplotlib里绘制图云并显示出来。

  运行上述程序songrhythm.py，将得到如图所示的词云。从中可以看出，在宋代，最受追捧的词牌名是“浣溪沙”，然后是“水调歌头”和“鹧鸪天”。

🥇操作技巧

  在运行songrhythm.py时，读者一定要确保文件songrhythm.py、songci.json、PuHuiTi.ttf均位于当前工作路径之下。否则，程序会因为无法找到需要的文件而运行出错。关于当前工作路径的解释，请参见1.5.2节。

  将前述程序略作修改，便可以将统计对象由词牌名改为作者。我们也根据存世作品的数量绘制了宋代词人的词云，如图6-x所示。相应代码文件为songpoet.py，可在随书代码的CH6目录下找到。如图所见，宋代词人存世作品最多的是辛弃疾，然后是苏轼和刘辰翁。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
#songpoet.py
f = open("songci.json","rt",encoding="utf-8")
ci = eval(f.read())
f.close()

authors = {}
for x in ci:
    r = x["author"]
    authors[r] = authors.get(r,0) + 1

from wordcloud import WordCloud
wc = WordCloud( font_path="PuHuiTi.ttf",
                width = 1500, height = 1000,
                background_color='white', colormap="Paired" )
authors.pop("无名氏")
wc.generate_from_frequencies(authors)

from matplotlib import pyplot as plt 
plt.imshow(wc)
plt.axis("off")
plt.subplots_adjust(0,0,1.0,1.0,0,0)
plt.show()

#本程序中的宋词数据库引用自开源项目Chinese-poetry
#受限于版权，本演示程序使用了免费的开源字体

源代码，字体文件，宋词json文件打包下载： 点击下载


  Python 字典