Go語言實現自動填寫古詩詞實例代碼

2020-04-01 18:58:41

字體：大中小

來源：轉載

供稿：網友

前言

“白日依山盡，___”。下句自然填黃河入海流，那么“日月忽其不淹兮，___，___，恐美人之遲暮”，中間兩句怎么填呢？

最近工作中有個需求，就是1500道語文詩詞填空題沒有答案，現在需要給這些題目大爺們匹配它們對應的答案，好在題目信息都很完整，指出了詩詞出處、作者信息。自然想到到網上爬取對應文章信息然后字符串匹配答案。目前做完，效果還可以，基本上所有題目的答案都有了，現把操作流程記錄下，做個總結。

1. 文章信息獲取

網上找了很久，目前發現百度漢語對古詩詞收錄的比較好，格式也比較規范，整個爬取過程還是比較簡單，瀏覽器分析網站，找到它們的搜索接口：http://hanyu.baidu.com/hanyu/ajax/sugs只需要傳一個參數：mainkey，是一個urlencode格式的字符串。接口會返回一個匹配列表，再用作者名稱對這個列表做篩選，詳細代碼如下:

 baseUrl := "http://hanyu.baidu.com/hanyu/ajax/sugs?" client := &http.Client{ } u, _ := url.Parse(baseUrl) q := u.Query() q.Set("mainkey", name) u.RawQuery = q.Encode() //添加Header req, _ := http.NewRequest("GET", u.String(), nil) req.Header.Add("User-Agent", `Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36`) req.Header.Add("DNT", "1") req.Header.Add("Host", "hanyu.baidu.com") req.Header.Add("Accept-Language", "zh-CN,zh;q=0.8") req.Header.Add("Referer", "http://hanyu.baidu.com/shici/detail?pid=be520db056da43238035dc18bb1e1798&tn=sug_click")  resp, errDo := client.Do(req)

拿到返回值以后，篩選出對應的作者信息。

//如果有多個搜索結果，比對author是否正確 respJson.ForEach(func(key, value gjson.Result) bool { //先看看有沒有display_name displayName := value.Get("display_name.0").String() sid := value.Get("sid.0").String() if len(displayName) == 0 { //不是這條記錄 return true } //看看type typeStr := value.Get("type.0").String() if typeStr == "poemline"{ //取Source displayName = value.Get("source_poem.0").String() sid = value.Get("source_poem_sid.0").String() } literatureAuthor := value.Get("literature_author.0").String() //author是否一致 if literatureAuthor == author { searchResult.Sid = sid searchResult.DisplayName = displayName searchResult.Author = literatureAuthor return false } return true // keep iterating })

SearchResult保存了搜索到的結果，根據sid拿到文章頁面，解析出其中的文章。

func GetContent(sid string) (content string, err error) { baseUrl := "http://hanyu.baidu.com/shici/detail" result := make([]string, 0, 0) client := &http.Client{ } u, _ := url.Parse(baseUrl) q := u.Query() q.Set("pid", sid) u.RawQuery = q.Encode() req, _ := http.NewRequest("GET", u.String(), nil) req.Header.Add("User-Agent", `Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36`) req.Header.Add("DNT", "1") req.Header.Add("Host", "hanyu.baidu.com") req.Header.Add("Accept-Language", "zh-CN,zh;q=0.8") req.Header.Add("Referer", "http://hanyu.baidu.com/shici/detail?pid=be520db056da43238035dc18bb1e1798&tn=sug_click") resp, errDo := client.Do(req) if errDo != nil || resp.StatusCode != 200 { err = errors.New("無法連接百度漢語 " + errDo.Error()) return } docm, errDoc := goquery.NewDocumentFromResponse(resp) if errDoc != nil { err = errors.New("解析Doc錯誤 " + errDoc.Error()) return } //詩詞信息都保存在 body_p 的div中，可以通過PuerkitoBio/goquery庫獲取 pSelect := docm.Find("#body_p") pSelect.Each(func(pos int, selection *goquery.Selection) { content := strings.TrimSpace(selection.Text()) result = append(result, content) }) content = strings.Join(result, "") return}

目前會爬取百度漢語、古詩詞兩個網站的數據，如果有更好的數據源，只需要實現Spider接口，在MapSpiderManifest()方法中注冊即可。

type Spider interface { GetContent(SearchResult) (string, error) FindContent(string, string) (SearchResult, error)}func MapSpiderManifest() map[string]Spider { //初始化并且注冊所有的Spider spiderMap := make(map[string]Spider) //百度 baiduSpider := new(BaiduSpider) spiderMap["baiduSpider"] = baiduSpider //古詩文網 gushiwenSpider := new(GushiwenSpider) spiderMap["gushiwenSpider"] = gushiwenSpider return spiderMap}

2.詩詞句子查找

古詩文默寫，以前上學的時候做的多了，把一句話摳出來，隨機選其中幾段話讓學生默寫。一般可以歸類為一下幾種模式:

開頭留空 :_，[_，...],何人不起故園情。
末尾留空：俱往矣，_，[_，...]。
中間留空：月出于東山之上,_,白露橫江,

不管是什么樣的模式，就每個填空處來看，只有它前面或者后面有提示句，我們才能知道這個空的答案是什么。也就是說，這樣的填空可以自主的找到答案，姑且稱之為自主空。而前后都沒有提示句的空，只能等待附近有自主空找到了答案，才能找到它本身的答案，用一個圖說明更加清晰：

go語言,go語言教程,go語言web開發,go語言編程

圖中灰色的塊因為有提示句，所以可以通過步驟一種爬取下來的文章內容找到對應的答案，填入Blank中，具體的查找算法如下代碼所示：

//已知newFind的PreString，求BlankString和PostStringfunc makeWithPreContent(contentsSplit []string, newFind *Find) { for l := range contentsSplit { if isEqual(contentsSplit[l], newFind.PreString) && l < len(contentsSplit)-1 { newFind.BlankString = contentsSplit[l+1] if l < len(contentsSplit)-2 { newFind.PostString = contentsSplit[l+2] } newFind.BlankFinish = true } }}//已知newFind的PostString，求BlankString和PreStringfunc makeWithPostContent(contentsSplit []string, newFind *Find) { for l := range contentsSplit { if isEqual(contentsSplit[l], newFind.PostString) && l > 0 { newFind.BlankString = contentsSplit[l-1] if l-1 > 0 { newFind.PreString = contentsSplit[l-2] } newFind.BlankFinish = true } }}// 按標點符號分隔內容func SplitByPunctuation(s string) ([]string, []string) { regPunctuation, _ := regexp.Compile(`[,，。.?？！!;；：:]`) //匹配標點符號，保存下來。 然后分割字符串 toPun := regPunctuation.FindAllString(s, -1) result := regPunctuation.Split(s, -1) if len(result[len(result)-1]) == 0 { result = result[:len(result)-1] } //去掉前后空格，去掉引號 for i := range result { result[i] = strings.TrimSpace(result[i]) regQuoting := regexp.MustCompile("[“”‘'']") result[i] = regQuoting.ReplaceAllString(result[i], "") } return result, toPun}

所有的自主塊都找到答案后，可以把每個自主塊看作一個雙向鏈表的表頭，我們所要做的就是遍歷每個雙向鏈表，把其中每個節點的答案都通過查找算法找出來。當下一個節點是NULL，或者下個節點是一個自主塊時，就停止遍歷，處理下一個雙向鏈表。這樣，無論給出的需要填空的內容多么復雜，都可以順利的完整自動填寫工作。

3.效果

一些常用的文言文或詩詞：

1、前赤壁賦

go語言,go語言教程,go語言web開發,go語言編程