朴素贝叶斯写诗机器人

lishangyin.txt是诗词文件。诗分两种，一种是七言的，比如“相见时难别亦难，东风无力百花残”。一种是五言的，比如“八岁偷照镜，长眉已能画”。如下图

 LishangyinPre.py是数据预处理用的。由于笔者已经做了这一步，读者朋友们可以跳过。它的作用是生成两个文件words.txt和sample.txt。对于七言诗句，第一第二个字成一个词，第三第四个字成一个词，第五、第六、第七个字单独成词，所以七言诗句可以用5个词表示。对于五言诗句，每个字单独成词，所以五言诗句也是用5个词表示。比如“相见时难别亦难，东风无力百花残”可以切分为10个词“相见/时难/别/亦/难，东风/无力/百/花/残”，比如“八岁偷照镜，长眉已能画”可以切分为10个词“八/岁/偷/照/镜，长/眉/已/能/画”。然后给这些词赋予id。比如“相见”的id是1，“别难”的id是2。LishangyinPre.py的作用是遍历所有诗句，对每句诗切分出来的词赋予id，如果看到这个词已经被赋予过id，则跳过这个词（代码里用一个字典存储）。它将“id-词”对写进了文件words.txt里。LishangyinPre.py还做了一件事，它再次遍历所有诗句，将两句诗歌表示成了10个词的id序列，比如“相见时难别亦难，东风无力百花残”被换成了“1 2 3 4 5 6 7 8 9 10”,每个词用它的id换掉。将结果写进了文件sample.txt里（一行就表示了两句诗哦）。