不到 30 行代碼，我自制了一個(gè)成語接龍小游戲！

大家好，我是杰哥。

中國文化底蘊(yùn)深厚，在漫長的歷史中，我們的語言文字形成了大量特定的組合，用來表達(dá)特定的意思。成語是中國傳統(tǒng)文化的一大特色，有的來源于典故，有的則來源于固定的使用方法。在成語類的比賽中，經(jīng)常有“成語接龍”的比賽，往往是雙方對戰(zhàn)，一方先提出一個(gè)成語，然后另一方根據(jù)這個(gè)成語最后一個(gè)字的拼音，作為下一個(gè)成語的首拼，承接下去。

本文中，我們希望借助R語言的文本處理工具做一個(gè)簡單的成語接龍小游戲，可以滿足簡單的人機(jī)對戰(zhàn)的需求。首先，讓我們在R中加載基本的環(huán)境：

if(!require(pacman)) install.packages("pacman")
## Loading required package: pacman
pacman::p_load(tidyfst,pinyin,stringr)

在上面加載的包中，tidyfst包用于數(shù)據(jù)的處理，pinyin包用于把漢字轉(zhuǎn)化為其拼音，stringr包則被用于字符串的處理。

首先，我們需要對成語的數(shù)據(jù)集進(jìn)行加載。這需要我們有中華成語的語料庫，在GitHub中有相關(guān)的庫可以用，詳情見：https://github.com/pwxcoo/chinese-xinhua。這個(gè)項(xiàng)目中的idiom.json文件包含了成語的信息，可以使用jsonlite包將其讀入并轉(zhuǎn)化為數(shù)據(jù)框。這里我們不詳細(xì)展開數(shù)據(jù)獲取和轉(zhuǎn)化的過程，我們最終把數(shù)據(jù)存儲(chǔ)在名為“chengyu.csv”的文件中，它只有一列，我們在這里進(jìn)行簡單展示：

fread("chengyu.csv",encoding = "UTF-8") # 編碼格式需要設(shè)置，否則可能顯示亂碼
##                    word
##                  <char>
##     1:           阿諛奉承
##     2:           阿黨比周
##     3:           阿黨相為
##     4:           阿狗阿貓
##     5:           阿姑阿翁
##    ---                   
## 30891:   做一天和尚撞一天鐘
## 30892:           做賊心虛
## 30893:           做張做勢
## 30894:           做張做致
## 30895:           做張做智

我們看到，這份數(shù)據(jù)只有一列成語，共30895行，列名為word。僅僅是這個(gè)數(shù)據(jù)框還不足夠，我們還需要有每一個(gè)成語的首字拼音（簡稱“首拼”）和尾字拼音（簡稱“尾拼”）。關(guān)于這個(gè)步驟，我們可以使用pinyin包進(jìn)行實(shí)現(xiàn)，具體操作如下：

my_dic = pydic(method = "tone",dic = "pinyin2") # 設(shè)置詞典

# 取得成語的首拼和尾拼
chengyu = fread("chengyu.csv",encoding = "UTF-8")%>%
  mutate_dt(shoupin = str_sub(word,1,1)
 %>% py(dic = my_dic),
            weipin = str_sub(word,-1,-1) %>% py(dic = my_dic))

# 展示結(jié)果
chengyu
##                      word shoupin weipin
##                    <char>  <char> <char>
##     1:           阿鼻地獄      a1    yu4
##     2:           阿黨比周      a1  zhou1
##     3:           阿黨相為      a1   wei2
##     4:           阿狗阿貓      a1   mao1
##     5:           阿姑阿翁      a1  weng1
##    ---                                  
## 30891:   做一天和尚撞一天鐘    zuo4 zhong1
## 30892:           做賊心虛    zuo4    xu1
## 30893:           做張做勢    zuo4   shi4
## 30894:           做張做致    zuo4   zhi4
## 30895:           做張做智    zuo4   zhi4

在上面的操作中，str_sub函數(shù)用來提取成語的第一個(gè)字和最后一個(gè)字，然后利用py函數(shù)來將其轉(zhuǎn)化為首拼和尾拼。pinyin包中有兩套詞典，這里用“pinyin2”詞典來完成轉(zhuǎn)化，因?yàn)樗腻e(cuò)誤率較低

（“pinyin1”詞典有bug，詳情可參考：https://github.com/pzhaonet/pinyin/issues/16）

下面，我們要設(shè)置一個(gè)小游戲。游戲中，我們首先提示用戶輸入一個(gè)成語，然后把用戶寫入的字符串導(dǎo)入，然后把匹配到的第一個(gè)成語輸出來，作為接龍的結(jié)果。如果庫內(nèi)沒有匹配的成語，那么就輸出“好吧，你贏了?！保缓髶Q行。如果匹配上了，就直接輸出匹配結(jié)果。當(dāng)用戶想退出的時(shí)候，鍵入大寫字母Q，然后按回車即可。實(shí)現(xiàn)代碼如下：

game = function(){
  chengyu1 = chengyu
  repeat{
    cat("請輸入一個(gè)成語（認(rèn)輸或離開請按Q）：")
    input = readline()
    if(input == "Q") break else chengyu1 = chengyu1[word != input]
    str_sub(input,-1,-1) %>% py(dic = my_dic) -> input_weipin
    res = chengyu1[shoupin == input_weipin]
    if(nrow(res) == 0) {
      cat("好吧，你贏了。\n")
    }else{
      cat(res$word[1])
      chengyu1 = chengyu1[word != res$word[1]]
      cat("\n")
    }
  }
}

現(xiàn)在，game函數(shù)中就封裝了我們這個(gè)游戲的所有過程。下面我們進(jìn)行簡單的解釋：

1、把chengyu這個(gè)數(shù)據(jù)框復(fù)制一份放在chengyu1中，因?yàn)槲覀冊诔烧Z接龍中不允許成語重復(fù)出現(xiàn)，因此出現(xiàn)過一次的成語都會(huì)刪掉。

2、readline函數(shù)可以讓用戶交互式地讀入一段字符串；

3、cat函數(shù)可以在屏幕中輸出一段文字對話；

4、repeat語句相當(dāng)于while(1)，如果沒有跳出語句（break），它會(huì)一直執(zhí)行下去。

下面，我們可以嘗試玩耍，從而進(jìn)行測試：

成語接龍測試

我們可以看到，基于命令行的小游戲沒有出現(xiàn)明顯的問題。這樣，我們就用了不到30行的代碼完成了成語接龍的小游戲，實(shí)現(xiàn)的完成代碼如下：

if(!require(pacman)) install.packages("pacman")
pacman::p_load(tidyfst,pinyin,stringr)

my_dic = pydic(method = "tone",dic = "pinyin2")

chengyu = fread("chengyu.csv",encoding = "UTF-8")%>%
  mutate_dt(shoupin = str_sub(word,1,1)
%>% py(dic = my_dic),weipin = str_sub(word,-1,-1) %>% py(dic = my_dic))

chengyu

game = function(){
  chengyu1 = chengyu
  repeat{
    cat("請輸入一個(gè)成語（認(rèn)輸或離開請按Q）：")
    input = readline()
    if(input == "Q") break else chengyu1 = chengyu1[word != input]
    str_sub(input,-1,-1) %>% py(dic = my_dic) -> input_weipin
    res = chengyu1[shoupin == input_weipin]
    if(nrow(res) == 0) {
      cat("好吧，你贏了。\n")
    }else{
      cat(res$word[1])
      chengyu1 = chengyu1[word != res$word[1]]
      cat("\n")
    }
  }
}

game()

在這個(gè)基礎(chǔ)上，我們還可以讓電腦和電腦自己玩接龍游戲，從而得到一大串沒有重復(fù)的成語接龍結(jié)果。此外，還可以利用shiny包做一個(gè)漂亮的人機(jī)交互界面。

通過這個(gè)例子中，我們可以看到R語言強(qiáng)大的文本挖掘能力，但這都是比較零散的知識。要系統(tǒng)地學(xué)習(xí)一套R語言文本挖掘的系統(tǒng)知識與技術(shù)，可以參考機(jī)械工業(yè)出版社出版的新作《文本數(shù)據(jù)挖掘——基于R語言》。

該書立足于R語言與文本挖掘知識基礎(chǔ)，實(shí)用性和趣味性兼具，循序漸進(jìn)地引導(dǎo)讀者掌握各項(xiàng)文本挖掘?qū)崿F(xiàn)。書中包含大量代碼，因此也可以作為工具書為文本挖掘用戶提供R代碼參考。

贈(zèng)書福利

書籍贊助方： 機(jī)械工業(yè)出版社計(jì)算機(jī)分社

贈(zèng)書書籍：《文本數(shù)據(jù)挖掘基于 R 語言》

贈(zèng)書規(guī)則： 為本文「點(diǎn)贊」+ 「在看」 +「留言」且與文章內(nèi)容相關(guān)的優(yōu)質(zhì)留言即可上墻并從所有留言中選出點(diǎn)贊最多的前三位讀者留言將各獲得一本。

截止時(shí)間： 2021年6月22日，晚 20:00

領(lǐng)書須知： 提供轉(zhuǎn)發(fā)截圖 + 點(diǎn)贊和在看截圖

注意事項(xiàng)： 凡發(fā)現(xiàn)刷贊者一律取消資格，最終獲贈(zèng)者請?jiān)?4小時(shí)以內(nèi)添加我的微信，備注：贈(zèng)書??

原創(chuàng)專輯

原創(chuàng)專輯 | Python 與 數(shù)據(jù)分析