基于Python经典版成语接龙逻辑实现

  今天,想检验一下前期Python学习成功,加上好友提起斗一波成语接龙,为完全碾压,轻松取胜,便顺手写一个适合日常群聊PK的成语接龙小程序。具体实现流程如下:

  成语俗语词库下载

  前往搜狗输入法官网,找到词库页面,搜索成语,定位进入 成语俗语 页面, 下载 官方词库 -- 成语俗语【官方推荐】.scel

  搜狗成语俗语词库转txt备用

  github上有现成的scel转txt的代码,此处个人调试为适用python3.6的版本

import struct
import os

# 搜狗的scel词库就是保存的文本的unicode编码,每两个字节一个字符(中文汉字或者英文字母)
# 找出其每部分的偏移位置即可
# 主要两部分
# 1.全局拼音表,貌似是所有的拼音组合,字典序
#       格式为(index,len,pinyin)的列表
#       index: 两个字节的整数 代表这个拼音的索引
#       len: 两个字节的整数 拼音的字节长度
#       pinyin: 当前的拼音,每个字符两个字节,总长len
#
# 2.汉语词组表
#       格式为(same,py_table_len,py_table,{word_len,word,ext_len,ext})的一个列表
#       same: 两个字节 整数 同音词数量
#       py_table_len:  两个字节 整数
#       py_table: 整数列表,每个整数两个字节,每个整数代表一个拼音的索引
#
#       word_len:两个字节 整数 代表中文词组字节数长度
#       word: 中文词组,每个中文汉字两个字节,总长度word_len
#       ext_len: 两个字节 整数 代表扩展信息的长度,好像都是10
#       ext: 扩展信息 前两个字节是一个整数(不知道是不是词频) 后八个字节全是0
#
#      {word_len,word,ext_len,ext} 一共重复same次 同音词 相同拼音表


# 拼音表偏移,
startPy = 0x1540;

# 汉语词组表偏移
startChinese = 0x2628;

# 全局拼音表
GPy_Table = {}

# 解析结果
# 元组(词频,拼音,中文词组)的列表
GTable = []

# 原始字节码转为字符串
def byte2str(data):
    pos = 0
    str = ''
    while pos < len(data):
        c = chr(struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0])
        if c != chr(0):
            str += c
        pos += 2
    return str

# 获取拼音表
def getPyTable(data):
    data = data[4:]
    pos = 0
    while pos < len(data):
        index = struct.unpack('H', bytes([data[pos],data[pos + 1]]))[0]
        pos += 2
        lenPy = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]
        pos += 2
        py = byte2str(data[pos:pos + lenPy])

        GPy_Table[index] = py
        pos += lenPy

# 获取一个词组的拼音
def getWordPy(data):
    pos = 0
    ret = ''
    while pos < len(data):
        index = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]
        ret += GPy_Table[index]
        pos += 2
    return ret

# 读取中文表
def getChinese(data):
    pos = 0
    while pos < len(data):
        # 同音词数量
        same = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]

        # 拼音索引表长度
        pos += 2
        py_table_len = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]

        # 拼音索引表
        pos += 2
        py = getWordPy(data[pos: pos + py_table_len])

        # 中文词组
        pos += py_table_len
        for i in range(same):
            # 中文词组长度
            c_len = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]
            # 中文词组
            pos += 2
            word = byte2str(data[pos: pos + c_len])
            # 扩展数据长度
            pos += c_len
            ext_len = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]
            # 词频
            pos += 2
            count = struct.unpack('H', bytes([data[pos], data[pos + 1]]))[0]

            # 保存
            GTable.append((count, py, word))

            # 到下个词的偏移位置
            pos += ext_len


def scel2txt(file_name):
    print('-' * 60)
    with open(file_name, 'rb') as f:
        data = f.read()

    print("词库名:", byte2str(data[0x130:0x338])) # .encode('GB18030')
    print("词库类型:", byte2str(data[0x338:0x540]))
    print("描述信息:", byte2str(data[0x540:0xd40]))
    print("词库示例:", byte2str(data[0xd40:startPy]))

    getPyTable(data[startPy:startChinese])
    getChinese(data[startChinese:])

if __name__ == '__main__':

    # scel所在文件夹路径
    in_path = "E:\python_workspace"
    # 输出词典所在文件夹路径
    out_path = "coal_dict.txt"

    fin = [fname for fname in os.listdir(in_path) if fname[-5:] == ".scel"]
    for f in fin:
        f = os.path.join(in_path, f)
        scel2txt(f)

    # 保存结果
    with open(out_path, 'w', encoding='utf8') as f:
        f.writelines([word+'\n' for count, py, word in GTable])

  业务逻辑实现

from IPython.core.interactiveshell import InteractiveShell

InteractiveShell.ast_node_interactivity = "all"

from pypinyin import pinyin, lazy_pinyin, Style

idiom_dic = {}
idiom_list = []
idiom_char_dic = {}

with open('E:\python_workspace\coal_dict.txt', 'r', encoding='utf8') as r:
    for line in r:
        line = line.strip()
        if None == line or line == '':
            continue
        idiom_list.append(line)
        key = lazy_pinyin(line)[0]
        value = ''
        if key in idiom_dic.keys():
            value = idiom_dic[key] + ',' + line
        else:
            value = line
        idiom_dic[key] = value
        # 汉字接龙
        key_char = line[0]
        value_char = ''
        if key_char in idiom_char_dic.keys():
            value_char = idiom_char_dic[key_char] + ',' + line
        else:
            value_char = line
        idiom_char_dic[key_char] = value_char


# 汉字接龙,polyphone -- 是否匹配读音
def idiom_next_char(idiom, polyphone=False):
    if idiom not in idiom_list:
        res = idiom + ' is not one idiom'
    else:
        last = idiom[len(idiom) - 1]
        if polyphone:
            pass
            if last not in idiom_char_dic:
                res = 'library without the supply idioms'
            else:
                aa = idiom_char_dic[last]
                last = lazy_pinyin(idiom)[len(idiom) - 1]
                bb = idiom_dic[last]
                aa_list = aa.split(',')
                bb_list = bb.split(',')
                cd_list = set(aa_list).intersection(set(bb_list))  # 求并集
                res = ','.join(cd_list)
        else:
            if last not in idiom_char_dic:
                res = 'library without the supply idioms'
            else:
                res = idiom_char_dic[last]
    return res


# 拼音接龙
def idiom_next(idiom):
    if idiom not in idiom_list:
        res = idiom + ' is not one idiom'
    else:
        last = lazy_pinyin(idiom)[len(idiom) - 1]
        if last not in idiom_dic:
            res = 'library without the supply idioms'
        else:
            res = idiom_dic[last]
    return res


# print(idiom_next('怒发冲冠'))

# 汉字定长接龙
def idiom_multi_char_length(idiom, length=10, polyphone=False):
    index = 0
    res_list = [idiom]
    while index < length:
        res = idiom_next_char(idiom, polyphone)
        if 'idiom' in res:
            break
        else:
            res_next = res.split(',')
            idiom = res_next[0]
        res_list.append(idiom)
        index = index + 1
    return res_list


# 拼音定长接龙
def idiom_multi_length(idiom, length=10):
    index = 0
    res_list = [idiom]
    while index < length:
        res = idiom_next(idiom)
        if 'idiom' in res:
            break
        else:
            res_next = res.split(',')
            idiom = res_next[0]
        res_list.append(idiom)
        index = index + 1
    return res_list


def check_none_follow_list():
    none_follow = []
    for idiom in idiom_list:
        res = idiom_next(idiom)
        if 'idiom' in res:
            none_follow.append(idiom)
    return none_follow


# none_supply = check_none_follow_list()
# print(none_supply)

  简单调试

  pycharm 2018.2版本依赖,支持 运行调试功能,即即直接加载 .py 代码到内存,可以直接调用声明的函数和变量,打开方式:Run/Debug Configurations -- Configuration -- Execution -- Run with Python console。

  这样调试尤其便利:

  1、成语接龙(读音匹配)

idiom_multi_length('刻舟求剑')
Out[6]: 
['刻舟求剑',
 '兼爱无私',
 '死败涂地',
 '低昂不就',
 '灸艾分痛',
 '同胞共气',
 '期月有成',
 '撑岸就船',
 '传杯换盏',
 '粘皮带骨',
 '告朔饩羊']

  2、成语接龙(汉字匹配)

idiom_multi_char_length('刻舟求剑')
Out[5]: 
['刻舟求剑',
 '剑拔弩张',
 '张本继末',
 '末大必折',
 '折本买卖',
 '卖卜测字',
 '字挟风霜',
 '霜刀小径',
 '径情而行',
 '行行出状元',
 '元恶大憝']

  3、成语接龙(汉字、读音匹配)

idiom_multi_char_length('刻舟求剑',polyphone=True)
Out[7]: 
['刻舟求剑',
 '剑拔弩张',
 '张冠李戴',
 '戴凭夺席',
 '席丰履厚',
 '厚貌深情',
 '情恕理遣',
 '遣将调兵',
 '兵来将挡水来土掩',
 '掩耳不闻',
 '闻弦歌而知雅意']