如何用Python来理一理红楼梦里的那些关系

2019-11-25 11:59:12

字体：大中小

来源：转载

供稿：网友

前言

今天，一起用 Python 来理一理红楼梦里的那些关系

不要问我为啥是红楼梦，而不是水浒三国或西游，因为我也鉴定的认为，红楼才是无可争议的中国古典小说只巅峰，且不接受反驳！而红楼梦也是我多次反复品读的为数不多的小说，对它的感情也是最深的。

好了，不酸了，开干。

数据准备

红楼梦 TXT 文件一份

金陵十二钗 + 贾宝玉人物名称列表

人物列表内容如下：

宝玉 nr黛玉 nr宝钗 nr湘云 nr凤姐 nr李纨 nr元春 nr迎春 nr探春 nr惜春 nr妙玉 nr巧姐 nr秦氏 nr

这份列表，同时也是为了做分词时使用，后面的 nr 就是人名的意思。

数据处理

读取数据并加载词典

  with open("红楼梦.txt", encoding='gb18030') as f:    honglou = f.readlines()  jieba.load_userdict("renwu_forcut")  renwu_data = pd.read_csv("renwu_forcut", header=-1)  mylist = [k[0].split(" ")[0] for k in renwu_data.values.tolist()]

这样，我们就把红楼梦读取到了 honglou 这个变量当中，同时也通过 load_userdict 将我们自定义的词典加载到了 jieba 库中。

对文本进行分词处理并提取

tmpNames = []  names = {}  relationships = {}  for h in honglou:    h.replace("贾妃", "元春")    h.replace("李宫裁", "李纨")    poss = pseg.cut(h)    tmpNames.append([])    for w in poss:      if w.flag != 'nr' or len(w.word) != 2 or w.word not in mylist:        continue      tmpNames[-1].append(w.word)      if names.get(w.word) is None:        names[w.word] = 0      relationships[w.word] = {}      names[w.word] += 1

首先，因为文中"贾妃", "元春"，"李宫裁", "李纨" 混用严重，所以这里直接做替换处理。
然后使用 jieba 库提供的 pseg 工具来做分词处理，会返回每个分词的词性。
之后做判断，只有符合要求且在我们提供的字典列表里的分词，才会保留。
一个人每出现一次，就会增加一，方便后面画关系图时，人物 node 大小的确定。
对于存在于我们自定义词典的人名，保存到一个临时变量当中 tmpNames。

处理人物关系

  for name in tmpNames:    for name1 in name:      for name2 in name:        if name1 == name2:          continue        if relationships[name1].get(name2) is None:          relationships[name1][name2] = 1        else:          relationships[name1][name2] += 1

对于出现在同一个段落中的人物，我们认为他们是关系紧密的，每同时出现一次，关系增加1.

保存到文件

  with open("relationship.csv", "w", encoding='utf-8') as f:    f.write("Source,Target,Weight/n")    for name, edges in relationships.items():      for v, w in edges.items():        f.write(name + "," + v + "," + str(w) + "/n")  with open("NameNode.csv", "w", encoding='utf-8') as f:    f.write("ID,Label,Weight/n")    for name, times in names.items():      f.write(name + "," + name + "," + str(times) + "/n")

文件1：人物关系表，包含首先出现的人物、之后出现的人物和一同出现次数
文件2：人物比重表，包含该人物总体出现次数，出现次数越多，认为所占比重越大。

制作关系图表

使用 pyecharts 作图

def deal_graph():  relationship_data = pd.read_csv('relationship.csv')  namenode_data = pd.read_csv('NameNode.csv')  relationship_data_list = relationship_data.values.tolist()  namenode_data_list = namenode_data.values.tolist()  nodes = []  for node in namenode_data_list:    if node[0] == "宝玉":      node[2] = node[2]/3    nodes.append({"name": node[0], "symbolSize": node[2]/30})  links = []  for link in relationship_data_list:    links.append({"source": link[0], "target": link[1], "value": link[2]})  g = (    Graph()    .add("", nodes, links, repulsion=8000)    .set_global_opts(title_opts=opts.TitleOpts(title="红楼人物关系"))  )  return g

首先把两个文件读取成列表形式

对于“宝玉”，由于其占比过大，如果统一进行缩放，会导致其他人物的 node 过小，展示不美观，所以这里先做了一次缩放

最后得出的关系图