怎么用Python分析红楼梦关键词

发布时间：2021-12-27 13:37:24 作者：iii
来源：亿速云阅读：434

# 怎么用Python分析《红楼梦》关键词

《红楼梦》作为中国古典文学的巅峰之作，其语言艺术和思想内涵值得深入挖掘。本文将介绍如何利用Python的自然语言处理技术，从文本分析角度解读这部经典作品的关键词特征。

## 一、准备工作

### 1.1 获取文本数据
首先需要获取《红楼梦》的原始文本。可通过以下方式：
- 从古腾堡计划等公开电子书平台下载
- 使用爬虫抓取权威文学网站文本
- 使用现成的中文语料库

```python
import requests
url = "http://example.com/hongloumeng.txt"
response = requests.get(url)
text = response.text

1.2 安装必要库

需要安装以下Python库：

pip install jieba wordcloud matplotlib numpy

二、文本预处理

2.1 清洗文本

去除无关内容（如注释、标点等）：

import re
def clean_text(text):
    text = re.sub(r'[^\u4e00-\u9fa5]', '', text)  # 保留中文
    return text
    
cleaned_text = clean_text(text)

2.2 分词处理

使用jieba进行中文分词：

import jieba
jieba.enable_paddle()  # 启用精确模式

words = jieba.cut(cleaned_text, use_paddle=True)
word_list = list(words)

三、关键词分析

3.1 词频统计

from collections import Counter

word_counts = Counter(word_list)
top50 = word_counts.most_common(50)

3.2 去除停用词

创建停用词表过滤无意义词汇：

stopwords = ["的", "了", "在", "是", "我"]
filtered_words = [w for w in word_list if w not in stopwords]

3.3 TF-IDF分析

使用sklearn提取重要关键词：

from sklearn.feature_extraction.text import TfidfVectorizer

corpus = [" ".join(word_list)]  # 将分词结果组合为文档
vectorizer = TfidfVectorizer()
tfidf = vectorizer.fit_transform(corpus)
feature_names = vectorizer.get_feature_names_out()

四、可视化呈现

4.1 词云生成

from wordcloud import WordCloud
import matplotlib.pyplot as plt

wc = WordCloud(font_path="SimHei.ttf", background_color="white")
wc.generate(" ".join(filtered_words))

plt.imshow(wc)
plt.axis("off")
plt.show()

4.2 柱状图展示

top20 = word_counts.most_common(20)
labels, values = zip(*top20)

plt.barh(labels, values)
plt.title("《红楼梦》高频词Top20")
plt.show()

五、深入分析方向

5.1 人物关系分析

通过共现网络分析人物关系：

import networkx as nx

# 构建共现矩阵（示例）
relations = {
    ("宝玉", "黛玉"): 256,
    ("宝玉", "宝钗"): 189,
    ("黛玉", "宝钗"): 97
}

G = nx.Graph()
for pair, weight in relations.items():
    G.add_edge(pair[0], pair[1], weight=weight)

nx.draw(G, with_labels=True)

5.2 情感分析

使用SnowNLP进行情感倾向分析：

from snownlp import SnowNLP

sample_text = "黛玉听了这话，不觉又喜又惊"
s = SnowNLP(sample_text)
print(s.sentiments)  # 输出情感值

5.3 章节对比

分析不同章节的关键词变化：

chapters = text.split("第")[1:]  # 简单按章节分割
for i, chap in enumerate(chapters[:5]):
    words = jieba.lcut(chap)
    print(f"第{i+1}章高频词:", Counter(words).most_common(5))

六、完整代码示例

# 《红楼梦》关键词分析完整流程
import jieba
from collections import Counter
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 1. 加载文本
with open("hongloumeng.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 2. 清洗和分词
words = [w for w in jieba.cut(text) if len(w) > 1 and w not in stopwords]
word_counts = Counter(words)

# 3. 生成词云
wc = WordCloud(font_path="msyh.ttc", width=800, height=600)
wc.generate_from_frequencies(word_counts)
plt.imshow(wc)
plt.axis("off")
plt.show()

七、分析结论

通过Python分析可以发现： 1. “宝玉”、”黛玉”、”贾母”等人物名称出现频率最高 2. “笑道”、”说道”等对话动词反映作品叙事特点 3. “银子”、”衣裳”等词汇反映封建贵族生活细节 4. 诗词相关词汇出现频率显著高于其他古典小说

这种量化分析方法为传统文学研究提供了新的视角，但需要注意： - 中文分词的准确性会影响结果 - 需要结合文学批评理论进行解读 - 要考虑古汉语与现代汉语的差异

八、扩展阅读

使用Gensim进行主题建模
基于BERT的深度学习分析方法
跨文本比较研究（如与《金瓶梅》对比）
时间序列分析情节发展

通过Python进行文本分析，我们能够用数据化的方式重新解读经典文学作品，发现传统阅读中容易忽略的文本特征。 “`