唐诗三百首txt下载(儿童唐诗三百首下载)

学了python，又苦于没有练手的项目？python的书都翻烂了，但是真正做起项目来，却不知如何下手？莫慌，本文选了一个比较简单入手，但又有点意思的项目，给未来的python大牛练练手。

简单介绍一下，本项目在GitHub上有开源，我根据上面的源码做了部分修改，使其看起来更简单易懂。同时，代码的规范更符合新手入门。好了，不多说，就让我们开始吧。

准备工作：

编程工具IDE：pycharm

python版本： 3.6.0

首先新建一个py文件，命名为：ai_poem.py

PS： 以下七步的代码直接复制到单个py文件里面就可以直接运行。（七步成诗）为了让读者方便写代码，我把代码都贴出来了，但是排版存在问题，我又把在pycharm的代码排版给截图出来。

第一步：导入相关的python包#encoding:utf-8from gensim.models import Word2Vec # 词向量from random import choicefrom os.path import existsfrom warnings import filterwarningsfilterwarnings('ignore') # 不打印警告import re

老规矩，一步一步来，先介绍每个包的作用。 gensim 包是自然语言处理的其中一个python包，简单容易使用，是入门NLP算法必用的一个python包。如果你想往人工智能方向发展，这个包必须学会。random包用来生成随机数，或者从某个列表随机抽取一个元素。os包，本项目只用到了对文件的操作功能。re包是用于正则表达式，做爬虫的朋友经常会用到这个包来对数据进行清洗。warning包，是包含了程序运行警告的一些功能。

代码排版

以上这些包，不是关键，学习的时候，如果不懂，可以先跳过。等理解、跑通整个程序流程后，可以一个一个包有针对性地去学习、去看文档。

第二步：参数设定class CONF: path = '古诗词.txt' # 语料路径 window = 16 # 滑窗大小 min_count = 60 # 过滤低频字 size = 125 # 词向量维度 topn = 14 # 生成诗词的开放度 model_path = 'gushici.model' # 模型路径

这里是个人编程的习惯，我习惯把一些配置，例如：文件路径、模型存放路径、模型参数统一放在一个类中。当然，实际项目开发的时候，是用config 文本文件存放，不会直接写在代码里，这里为了演示方便，就写在一起，也方便运行。

代码排版

第三步：模型的初始化函数class Model: def __init__(self, window, topn, model): self.window = window self.topn = topn self.model = model # 词向量模型 self.chr_dict = model.wv.index2word # 字典 """模型初始化""" @classmethod def initialize(cls, config): if exists(config.model_path): # 模型读取 model = Word2Vec.load(config.model_path) else: # 语料读取 with open(config.path, encoding='utf-8') as f: ls_of_ls_of_c = [list(line.strip()) for line in f] # 模型训练和保存 model = Word2Vec(sentences=ls_of_ls_of_c, size=config.size, window=config.window, min_count=config.min_count) model.save(config.model_path) return cls(config.window, config.topn, model)

initialize() 函数和 __init__() 函数 是对象初始化和实例化，其中包括基本参数的赋值、模型的导入、模型的训练、模型的保存、最后返回用户一个对象。这里作为一个类的基本操作，是属于一个通用模板，在大多数项目中，都可以这么去写。大家可以翻看我之前写的几篇关于python项目，基本都是这个写法，所以这个模板还是有必要记住的。

代码排版

第四步： 古诗词生成（类里面的函数）class Model: ...... """古诗词生成""" def poem_generator(self, title, form, author='佚名', type_name=''): # list_of_tuples --> list_of_strings 并过滤标点符号 filter = lambda lst: [t[0] for t in lst if t[0] not in ['，', '。']] # 标题补全 if not title: title += choice(self.chr_dict) tmp_n = 0 for _ in range(4 - len(title)): try: chrs = self.model.similar_by_word(title[-1], self.topn // 2) chrs = filter(chrs) char = choice([c for c in chrs if c not in title]) except: char = title[tmp_n] tmp_n += 1 title += char # 文本生成 seq = list(title) for i in range(form[0]): # 多少行 for _ in range(form[1]): # 每行字数 chrs = self.model.predict_output_word(seq[-self.window:], max(self.topn, len(seq) + 1)) chrs = filter(chrs) char = choice([c for c in chrs if c not in seq[len(title):]]) seq.append(char) seq.append('，' if i % 2 == 0 else '。') # 返回标题+主体 length = form[0] * (form[1] + 1) title = '《%s》' % ''.join(seq[:-length]) poem = ''.join(seq[-length:]) if author != 'undefined': return title + '\n'+ "诗人：" + author + '\n\n' + poem else: return title + '\n'+"--"+ type_name + '\n\n' + poem

作诗模型的最核心的算法，通过NLP算法对标题进行补全，对诗的内容进行预测。这里的预测指的是根据用户输入的内容，找出古诗中相关性比较强的语料，再按照古诗词的排版顺序，依次预测每句诗的每个字。这是从五万多首古诗里面，程序自主学习得到的模型。

代码排版

第五步：藏头诗生成规则（类里面的函数）class Model: ...... """古诗词生成 -- 藏头诗""" def poem_generator_hide_head(self, title, form, author='佚名', type_name=''): # list_of_tuples --> list_of_strings 并过滤标点符号 filter = lambda lst: [t[0] for t in lst if t[0] not in ['，', '。']] # 标题补全 if len(title) < 4: if not title: title += choice(self.chr_dict) tmp_n = 0 for _ in range(4 - len(title)): try: chrs = self.model.similar_by_word(title[-1], self.topn // 2) chrs = filter(chrs) char = choice([c for c in chrs if c not in title]) except: char = title[tmp_n] tmp_n+=1 title += char # 文本生成 seq = list(title) for i in range(form[0]): # 多少行 for _ in range(form[1]): # 每行字数 if _ == 0: char = seq[i] else: chrs = self.model.predict_output_word(seq[-self.window:], max(self.topn, len(seq) + 1)) chrs = filter(chrs) char = choice([c for c in chrs if c not in seq[len(title):]]) seq.append(char) seq.append('，' if i % 2 == 0 else '。') # 返回标题+主体 length = form[0] * (form[1] + 1) title = '《%s》' % ''.join(seq[:-length]) poem = ''.join(seq[-length:]) if author != 'undefined': return title + '\n' + "诗人：" + author + '\n\n' + poem else: return title + '\n' + "--" + type_name + '\n\n' + poem

藏头诗，顾名思义就是把用户输入的内容，作为每句诗第一个字。源码里没有这个模块，这里是我自己添加的，因为在这个项目发布后，有不少网友要求能生成藏头诗，所以我就做了这个功能。

代码排版

第六步：一些细节上的处理def filter_char(word): """ 过滤掉非中文字符 """ sub_str = re.sub(u"([^\u4e00-\u9fa5])", "", word) return sub_str

在项目开发的时候，经常要考虑一些特殊的情况，例如用户不按常理出牌，给你输入一堆字母或标点符号之类的怎么办？我这里写了一个正则表达式，可以过滤掉所有的非中文字符。感兴趣的朋友可以去了解一下正则表达式，挺有趣的。

代码排版

第七步： 主流程def main(config=CONF): form = {'五言绝句': (4, 5), '七言绝句': (4, 7)} m = Model.initialize(config) while True: title = input('输入标题：').strip() try: # 普通诗句 poem = m.poem_generator(title, form['五言绝句']) print('\033[031m%s\033[0m' % poem) # red poem = m.poem_generator(title, form['七言绝句']) print('\033[033m%s\033[0m' % poem) # yellow # 藏头诗 poem = m.poem_generator_hide_head(title, form['五言绝句']) print('\033[031m%s\033[0m' % poem) # red poem = m.poem_generator_hide_head(title, form['七言绝句']) print('\033[033m%s\033[0m' % poem) # yellow except: passif __name__ == '__main__': main()

至此，加上一个main函数去调用，所有程序的入口。我们终于完成了。

代码排版

好了，让我们把代码跑起来。输入一个主题：“清明节”，不到一秒就生成一首诗。

微信端显示：

程序后台结果显示：

如果有疑问想获取源码（其实代码都在上面），可以后台私信我，回复：python写诗。 我把源码发你。最后，感谢大家的阅读，祝大家工作生活愉快！

下一篇：守在株边待兔来(打一字)(守在株边待兔来打一字谜底)
上一篇：你介意我与你一同探究孟德尔定律吗的简单介绍