用Python實現古詩詞填字遊戲（一）

            利用古詩詞做填字遊戲是一項很有趣的活動，通常的填字遊戲都是由幾橫幾豎構成，如下圖：

       顯然，橫豎交叉的位置就是兩句詩共有的字。那麼，問題來了，如何從衆多詩文中找到有共同字的句子呢？

       這裏Mr. PosPro用Python寫了一個小程序，可以生成簡單填字遊戲（的模型），程序輸出的效果如下：

       可以看到，程序從全唐詩中找到了3句有共同字的句子，並以合適的位置完成了排列。？和＃代表了交叉處的字，同時在屏幕下方給出了最後答案。

       下面Mr. PosPro教你如何實現這個程序。程序總體上分爲三個部分：

（一）從TXT文件《全唐詩》中提取有用信息，並按照我們需要的格式保存到新文件中

（二）實現一個在DOS窗口的輸出程序，以便在指定位置輸出特定文字

（三）核心部分，抽取詩句，找到關聯的字，確定每一個字的輸出位置，並把最後結果交給（二）中實現的程序

        本次主要討論第（一）部分內容，其它部分的實現請參見後續博客。

       想要做一個古詩詞的填字遊戲，首先得收集到足夠多的詩句作爲原料庫。可以在網上搜索“全唐詩TXT“，我選擇的版本大概有8.2M，內容如圖：

           這個版本適合直接閱讀，但卻不適合用程序處理，所以首先得寫一段程序，把這四百多萬字的文本文件，轉化成我想要形式。對此我是這樣設計的：

1>去掉所有無關信息，只保留標題，作者，詩文內容（標點符號也不要）

2>一首詩的所有信息都在一行中表達，從左到右依次爲：行號，題目，作者，詩句全文，所有內容Tab隔開。

       即，形成如下這個樣子

下面就是具體的程序實現了：

1.讀入文件

i=3200  # PosPro says:在測試時無需讀取全部信息，可以通過此參數調整讀入行數，加快測試
with open('全唐詩.txt',encoding='gbk',errors="ignore") as f:
    for line in f:
    	line=line.rstrip().lstrip() #去除左右空白字符
    	if i>0:
    		analyzeText(line)
    		i-=1
    	else:
        	break

       代碼很簡單，但有個小技巧可以和大家分享一下：由於文件很大（超過400萬字），在測試階段如果一次性讀入的話，會很耗時間。這裏用i控制一下讀入的行數。畢竟，我們首先要驗證的是功能的正確。

2. analyzeText函數在幹什麼？

        仔細分析《全唐詩》的文本，可以發現一個特點，即‘卷’和‘【’同時出現的那一行就是詩文的起始，我們應該以此爲標誌，將程序分爲尋找下一首詩，處理標題，處理詩文等幾個階段，代碼如下：（PosPro says: Python的優美之處就在於，程序本身和對程序的解釋幾乎是一體的，你讀懂了代碼也就理解了代碼。當然，我也會加上足夠多的註釋的。）

INDEXNUM=0
EMPTYLINE=0
STATEFLAG=0
def analyzeText(line):
	global INDEXNUM, EMPTYLINE, STATEFLAG

	if line=='':
		EMPTYLINE+=1

	#PosPro says:構成一個無限循環，只有通過return才能夠退出整個函數，讀取下一行
	while (True):  
		if STATEFLAG==0: 
		#0：始狀態，在此狀態下若發現某一行同時包含'卷'和'【'，則進入詩句標題
			if ('卷' in line) and ('【' in line):
				STATEFLAG=1
			else:
				return

		#1: 表示當前句爲標題
		if STATEFLAG==1:
			INDEXNUM+=1
			processTitle(line)
			STATEFLAG=2
			EMPTYLINE=0
			return

		#2: 表示正在讀取詩文，但需要特別考慮空行和進入下一首詩標題的情況
		if STATEFLAG==2:
			if EMPTYLINE>2:
				processEndPoem()
				STATEFLAG=0
				EMPTYLINE=0
				return
			elif ('卷' in line) and ('【' in line):
				processEndPoem()
				STATEFLAG=1
				EMPTYLINE=0
				#PosPro says:此處不return，因爲該line還需交由狀態1處理
			else:
				processPoemText(line)
				return

3. 分而治之，實現對標題、詩文，以及結束的分別處理。三個函數一起給出：

def processTitle(line):
	print (str(INDEXNUM), end='\t') #INDEX就是我自己做的詩文索引
	idx1=line.find('【')
	idx2=line.find('】')
	poemTitle=line[idx1+1:idx2]
	author=line[idx2+1:]
	print(poemTitle,end='\t')

	if author.rstrip()=='':
		print ('佚名',end='\t') #發現有些詩句沒有註明作者，那我就自己標一下
	else:
		print(author,end='\t')

def processPoemText(line):
	#此時已深入到詩句中了，要將各種標點符號刪掉，並將每句詩文作爲list中的一項
	if not line=='':
		#如果要以多個不同字符作爲分隔符，就必須用
		everyLine=re.split('，|。',line)
		for l in everyLine:
			print (l, end='\t')

def processEndPoem():
	print ('') #完成一個換行

4. 等等，不是說要產生一個新文件麼？怎麼都是在DOS窗口顯示的啊？

別急，這就是Python另一個優雅之處了。在命令行敲完文件名之後，加上">1.txt"，想輸出到哪裏就到哪裏

附：全部代碼如下：

## Created by PosPro
## http://blog.csdn.net/pospro

import re
i=3200  # PosPro says:在測試時無需讀取全部信息，可以通過此參數調整讀入行數，加快測試

INDEXNUM=0
EMPTYLINE=0
STATEFLAG=0

def processTitle(line):
	print (str(INDEXNUM), end='\t') #INDEX就是我自己做的詩文索引
	idx1=line.find('【')
	idx2=line.find('】')
	poemTitle=line[idx1+1:idx2]
	author=line[idx2+1:]
	print(poemTitle,end='\t')

	if author.rstrip()=='':
		print ('佚名',end='\t') #發現有些詩句沒有註明作者，那我就自己標一下
	else:
		print(author,end='\t')

def processPoemText(line):
	#此時已深入到詩句中了，要將各種標點符號刪掉，並將每句詩文作爲list中的一項
	if not line=='':
		#PosPro says:如果要以多個不同字符作爲分隔符，就必須用到re模塊了
		everyLine=re.split('，|。',line)
		for l in everyLine:
			print (l, end='\t')

def processEndPoem():
	print ('') #完成一個換行

def analyzeText(line):
	global INDEXNUM, EMPTYLINE, STATEFLAG

	if line=='':
		EMPTYLINE+=1

	#PosPro says:構成一個無限循環，只有通過return才能夠退出整個函數，讀取下一行
	while (True):  
		if STATEFLAG==0: 
		#0：始狀態，在此狀態下若發現某一行同時包含'卷'和'【'，則進入詩句標題
			if ('卷' in line) and ('【' in line):
				STATEFLAG=1
			else:
				return

		#1: 表示當前句爲標題
		if STATEFLAG==1:
			INDEXNUM+=1
			processTitle(line)
			STATEFLAG=2
			EMPTYLINE=0
			return

		#2: 表示正在讀取詩文，但需要特別考慮空行和進入下一首詩標題的情況
		if STATEFLAG==2:
			if EMPTYLINE>2:
				processEndPoem()
				STATEFLAG=0
				EMPTYLINE=0
				return
			elif ('卷' in line) and ('【' in line):
				processEndPoem()
				STATEFLAG=1
				EMPTYLINE=0
				#PosPro says:此處不return，因爲該line還需交由狀態1處理
			else:
				processPoemText(line)
				return


with open('全唐詩.txt',encoding='gbk',errors="ignore") as f:
    for line in f:
    	#去除左右空白字符
    	line=line.rstrip().lstrip()
    	if i>0:
    		analyzeText(line)
    		i-=1
    	else:
        	break