- jieba用起來非常簡單，短短几行代碼就完成了分詞工作（下圖），可是...仔細一看發現哪裡不對了
- “段譽”作為一個姓名沒有被單獨分出來，而是和其他一些動詞連在一起，另外也有一些角色名字被拆分成了兩個甚至更多的單詞，例如“神仙姊姊”被分成了“神仙”和“姊姊”兩個詞。
- 不過這也難怪，中文的靈活性太強，一個詞往往有多層含義和多種用法，看來直接使用jieba分詞還是會有不小的誤差，我們得想辦法來解決這個問題，不然會對分析結果造成干擾。
現在是不是有一種“我為刀俎，它為魚肉”的感覺了。經過簡單的數據處理，我們得到了每個人物的名字在小說中出現的頻次，由於蕭峰和喬峰是同一個人，為了方便統計將兩個名字的出場次合併。
然後取出場率排名前30位的角色數據，用圖表的形式展示出來。
其實《天龍八部》的中心思想就是“求不得”：
- 段譽不想學武功卻練成了絕世神通
- 一心追求王語嫣最終美人對慕容復不離不棄
- 蕭峰立志保衛大宋沒想到自己居然是契丹人
- 決定與阿朱塞外牧馬，然而造化弄人，心愛的人卻死在自己手上
這裡我們僅提取詞長度不小於4的成語、俗語和短語進行分析。同時，考慮到某些人名（例如：上官婉兒、澹臺滅明）等專有名詞會對分析結果造成干擾，在分詞取詞的時候可以一併過濾掉，最終得到這樣一份詞語文件：
2.雲圖
對用詞習慣的分析更傾向於定性分析，我們這裡使用詞雲圖來作展示，首先繪製《萍蹤俠影錄》的詞雲圖。
我們可以看到在這篇小說中“微微一笑”、“哈哈大笑”、“大吃一驚”、“非同小可”等詞語使用頻率非常高，再來看另一部作品《女帝奇英傳》，詞雲圖如下：
分享到:
閱讀更多 繁華落盡and曲終人散 的文章
