超详细，手把手教你用20行Python代码制作飞花令小程序！

朴灿烈づ我的快乐病毒、 2022-11-15 14:24 159阅读 0赞

![c343ac687dec49488a51441129e4c5fb.gif][]

飞花令是古时候人们经常玩一种“行酒令”的游戏，是中国古代酒令之一，属雅令。“飞花”一词则出自唐代诗人韩翃《寒食》中 **春城无处不飞花** 一句。行飞花令时选用诗和词，也可用曲，但选择的句子一般不超过7个字。

在《中国诗词大会》中改良了“飞花令”，不再仅用 **花** 字，而是增加了 **云、 春、月、夜** 等诗词中的高频字，轮流背诵含有关键字的诗句，直至决出胜负。

今天，我们就利用 Python 定制一款“飞花令”小程序：**给定一个关键字或者关键词，就能够返回许多含有这个关键字的诗句**，跟朋友玩再也不怕输了！

## 网页分析 ##

要利用爬虫完成这项工作需要先选择一个合适的网站，这里我们选择了 **古诗文网**`https://www.gushiwen.cn/`

![293d8020bef091e1faec59a77935e380.png][]

在右上角的方框中输入关键词，如**酒**，就能够返回相应的结果：

![5c8de251c50da4512d83e599a18beed6.png][]

我们注意到，返回的结果是一整首诗或词，关键字所在的句子仅为其中一句。后面我们爬取信息时也需要做到过滤。

往下翻页后会发现只能获取前 2 页内容，到第 3 页会出现以下提示：

![d78aa5d7b093993c90d213a299cca426.png][]

也就是说要完整获取全部诗文需要下载 App，本文简化问题只爬取前 2 页的内容，后续有机会再分享 App 相关爬虫推文。在翻页的过程中我们注意一下 URL 的改变：

> “
> 
> 第 1 页：`https://so.gushiwen.cn/search.aspx?value=酒`
> 
> 第 2 页：`https://so.gushiwen.cn/search.aspx?type=title&page=2&value=酒`
> 
> ”

其中经过测试 `type=title` 可以去除，而`page=2` 显然是页码，那么 `page=1` 能否获取到第 1 页呢？

答案是可以的，因此不需要用 `requests` 的 `post` 请求，直接 `get` 下面的 URL 就可到达指定页面：`https://so.gushiwen.cn/search.aspx?page=页码&value=关键字`

大致分析完就可以写代码了

## 代码实现 ##

首先导入库，设置请求头

以关键字**酒**为例，尝试获取第一页全部内容：

import requests
    from lxml import html
    
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}
    html_data = requests.get('https://so.gushiwen.cn/search.aspx?page=1&value=酒', headers=headers).text
    print(html_data)

![dfdb9479bb5fc0b8ca9388a9e718e7bd.png][]

返回的文本中有我们需要的内容，说明组合而成的请求是没有问题的。接下来就可以解析文本获取具体内容了，本文采用 `Xpath`：

selector = html.fromstring(html_data)
    poets = selector.xpath("/html/body/div[2]/div[1]/div[@class='sons']")
    for poet in poets:
        title = ''.join(poet.xpath("div[1]/p[1]/a/b//text()")).strip()
        print(title)

![74440af4ee42bdd6cc81a0490a23d5c6.png][]

诗人和朝代被分隔至两行，说明之间存在换行符及空格，可以用包含`.strip()`的列表推导式去除：

![e403b52991ea94301dd1c62316e175f3.png][]

最后是对诗句的解析。为了**获取关键字真正在的句子，我们要通过句号或者问号将整首诗断开成多个完整句**：

![516e1910f5bc373ed8d6f6858d23c1ca.png][]

对每一首诗逐渐判断是否包含关键字：

for poet in poets:
        title = ''.join(poet.xpath("div[1]/p[1]/a/b//text()")).strip()
        source = ''.join(poet.xpath('div[1]/p[2]//text()'))
        source = ''.join([i.strip() for i in source])
        contents = ''.join(poet.xpath('div[1]/div[@class="contson"]//text()')).strip().replace('\n', '。').replace('？', '。').split('。')
        content_lst = []
        for i in contents:
            if '酒' in i:
                content = i.strip() + '。'
                content_lst.append(content)
                # 有的诗可能有两句都包含关键字，这两句诗就都是需求
        if not content_lst: # 有可能只有题目中含有关键词，这种诗就跳过
            continue
        for j in list(set(content_lst)): # 有可能有的诗虽然有两句都包含关键字，但这两句是一样的，需要去重
            print(j, title, source)

![f4abecfb57480e920e755b71b9646fd6.png][]

大部分需求已经满足，最后只需要利用循环结构组装 URL 达到范围多页的目的，同时关键字可以修改为 `input` 交互输入，代码如下：

import requests
    from lxml import html
    
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}
    
    def poet_content(keyword,num,url):
        html_data = requests.get(url, headers=headers).text
        selector = html.fromstring(html_data)
        poets = selector.xpath("/html/body/div[2]/div[1]/div[@class='sons']")
        for poet in poets:
            title = ''.join(poet.xpath("div[1]/p[1]/a/b//text()")).strip()
            source = ''.join(poet.xpath('div[1]/p[2]//text()'))
            source = ''.join([i.strip() for i in source])
            contents = ''.join(poet.xpath('div[1]/div[@class="contson"]//text()')).strip().replace('\n', '。').replace('？','。').split('。')
            content_lst = []
            for i in contents:
                if keyword in i:
                    content = i.strip() + '。'
                    content_lst.append(content)
            if not content_lst:
                continue
            for j in list(set(content_lst)):
                print(num, j)
                print(f'<{title}>', source)
                print('')
                num += 1
        return num
    
    if __name__ == '__main__':
        keyword = input('> 请输入关键词: ')
        print('')
        num = 1
        for i in range(1, 3):
            url = f'https://so.gushiwen.org/search.aspx?page={i}&value={keyword}'
            num = poet_content(keyword, num, url)

![7ba603169cfef6dc05a7fef9ce9abae6.png][]

至此，我们就通过 Python 爬虫就成功制作了一款“飞花令”小工具，感兴趣的读者可以自己尝试一下！

***好课推荐***

![fee6f02e2bba7c4d7cc7d90d9d7b1d30.png][]

***推荐阅读***

[![5c2a3a9813fba611d35c27ccb9353d7d.png][]][5c2a3a9813fba611d35c27ccb9353d7d.png 1]

点分享点收藏点点赞点在看

[c343ac687dec49488a51441129e4c5fb.gif]: /images/20221022/09c5db41019b455ea9ba5c2620b453ac.png
[293d8020bef091e1faec59a77935e380.png]: /images/20221022/433b232e46de47fd8e2d95ea5f109bfb.png
[5c8de251c50da4512d83e599a18beed6.png]: /images/20221022/2cb712fdc3a545db809eeffb06326953.png
[d78aa5d7b093993c90d213a299cca426.png]: /images/20221022/4a97243493fc4b188f07792e1ae6f518.png
[dfdb9479bb5fc0b8ca9388a9e718e7bd.png]: /images/20221022/9bac773e29fd45c4a11a7af86f26c483.png
[74440af4ee42bdd6cc81a0490a23d5c6.png]: /images/20221022/4581b07a7b1c462a9f4f111138834507.png
[e403b52991ea94301dd1c62316e175f3.png]: /images/20221022/e38d9e57e1b74d65a4bf9c7412612dff.png
[516e1910f5bc373ed8d6f6858d23c1ca.png]: /images/20221022/f139c1c973a74803a9131743d83fc319.png
[f4abecfb57480e920e755b71b9646fd6.png]: /images/20221022/722e7d9eb6d64c41859f9cbfcb85e8a8.png
[7ba603169cfef6dc05a7fef9ce9abae6.png]: /images/20221022/9df5b81f879e4b87a60b5a65ab4fc8d8.png
[fee6f02e2bba7c4d7cc7d90d9d7b1d30.png]: /images/20221022/091db5f5195b4232ae22360a71e9b027.png
[5c2a3a9813fba611d35c27ccb9353d7d.png]: /images/20221022/5801358caf9043a5a57901273fba9c6d.png
[5c2a3a9813fba611d35c27ccb9353d7d.png 1]: http://mp.weixin.qq.com/s?__biz=Mzg5MjEyOTg0Mw%3D%3D&chksm=cfc3901ff8b41909d7c3835405b3a4775e88da4235e41578c70f447366d7adc2da2e647eb2f6&idx=1&mid=2247489347&scene=21&sn=3ecc27e78e9d64e926e97caa6ef1efa4#wechat_redirect