诗人称号大全

小李杜:杜牧、李商隐

大李杜:李白、杜甫

三苏:苏洵、苏轼、苏辙

婉约派:李清照、柳永、周邦彦、贺铸、秦观、张先、晏几道、晏殊、李煜、温庭筠

桐城派:刘大槐、方苞、曾国藩、姚鼐

女诗人:李清照、蔡文姬、左芬、田娥、甄宓、林佩环、谢道韫、柳如是、徐灿、王清惠、王昭君、唐婉、朱淑真、江采萍、鱼玄机、薛涛、刘采春、李冶、鲍令晖、刘令娴、班昭、卓文君

初唐四杰:王勃、骆宾王、杨炯、卢照邻

竹林七贤:阮咸、王戎、山涛、向秀、阮籍、嵇康、刘伶

建安七子:孔融、应场、徐干、陈琳、刘桢、王粲、阮璃

边塞诗人:王之涣、祖咏、岑参、王昌龄、王翰、李颀、崔颢、高适

十八学士:李玄道、褚亮、姚思廉、许敬宗

饮中八仙:李白、贺知章、焦遂、苏晋、崔宗之、李琏、李适之、张旭

田园诗人:王维、孟浩然、韦应物、谢灵运、陶渊明、柳宗元、范成大

北宋四家:苏轼、黄庭坚、蔡襄、米芾

爱国诗人:辛弃疾、曹植、谢翱、于谦、龚自珍、释敬安、张维屏、邓剡、岳飞、林景熙、曹豳、郑思肖、文天祥、陈子昂、刘琨、蔡琰、屈原

仙踪十友:李白、贺知章、王维、孟浩然、毕构、王适、卢藏用、宋之问、司马承祯、陈子昂

石鼓七贤:韩愈、朱熹、李士真、李宽、黄干、张杖、周敦颐

帝王风采:武则天、曹操、刘邦、李世民、刘彻、杨广、朱元璋

唐宋八大家:苏辙、苏洵、欧阳修、苏轼、曾巩、王安石、韩愈、柳宗元

元曲四大家:关汉卿、马致远、白朴、郑光祖

楷书四大家:赵孟烦、柳公权、欧阳询、颜真卿

南宋四大家:陆游、杨万里、尤袤、范成大

大历十才子:吉中孚、苗发、司空曙、耿漳、夏侯审、李端、韩翊、钱起、李益、卢纶

花间派词人:   李珀、鹿虔宸、毛熙震、魏承班、薛昭蕴、欧阳炯、牛希济、韦庄

江左三大家:龚鼎孳、钱谦益、吴伟业

豪放派诗人:苏轼、岳飞、张孝祥、张元干

清词三大家:纳兰性德、朱彝尊、陈维崧

浪漫主义诗人:李贺、李白

帝王后妃才女:庄姜、花蕊夫人、上官昭容、徐惠、甄宓、班婕妤、刘细君

明代三大才子:解缙、徐渭、杨慎

江南四大才子:唐寅、文征明、祝允明、徐祯卿

凌烟阁二十四功臣:李孝恭、房玄龄、长孙无忌、魏征、虞世南

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 以下是一个使用Python的程序,可以统计一位诗人的作品中出现频率最高的单词: ```python import requests from bs4 import BeautifulSoup from collections import Counter # 输入要统计的诗人的姓名和作品网址 poet_name = input("请输入诗人姓名:") url = input("请输入作品网址:") # 获取网页内容 response = requests.get(url) soup = BeautifulSoup(response.content, 'html.parser') # 获取所有的诗词内容 poems = soup.find_all('div', {'class': 'contson'}) # 统计词频 words = [] for poem in poems: lines = poem.text.strip().split('\n') for line in lines: words.extend(line.split()) counter = Counter(words) # 输出结果 print("{}的作品中出现频率最高的单词是:{}".format(poet_name, counter.most_common(1)[0][0])) ``` 这个程序会提示用户输入诗人的姓名和作品的网址,然后使用Requests库和BeautifulSoup库获取网页内容,并提取出所有的诗词内容。接着,程序会把所有的单词存储到一个列表中,并使用Counter库统计每个单词出现的次数。最后,程序会输出出现频率最高的单词。 请注意,这个程序只是一个简单的示例,仅仅能够统计单个单词的出现频率。如果你想要更复杂的分析结果,你可能需要使用更加高级的自然语言处理工具或者人工智能算法。 ### 回答2: Python诗人作品统计是指使用Python编程语言来分析和统计诗人的作品的数量和特征。通过编写Python程序,我们可以使用文本处理技术和数据分析算法来完成这项任务。 首先,我们需要将诗人的作品转化为文本文件或在程序中进行文本获取。可以通过网络爬虫技术从网上获取诗人的作品集,或者手动整理成文本文件。 接下来,我们可以使用Python的文本处理库,如NLTK(Natural Language Toolkit)来对诗人的作品进行分词和文本清洗。通过分词,我们可以将每个词语单独提取出来,形成词语库,这有助于后续的统计和分析。 然后,我们可以使用Python的统计库,如Pandas和NumPy,对诗人的作品进行统计分析。例如,我们可以统计每个诗人的总诗数,平均每首诗的字数,诗人使用频率最高的词语等。 此外,我们还可以使用Python的可视化库,如Matplotlib和Seaborn,将统计结果可视化展示。可以绘制条形图、饼图或词云图等形式,更直观地呈现诗人作品的统计情况。 总之,使用Python编程语言进行诗人作品统计可以帮助我们快速而准确地了解诗人的创作情况和特点。通过统计分析,我们可以更好地理解诗人的文学风格、偏好和创作技巧,为文学研究和欣赏提供有益的参考。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值