Python解析海子诗歌

三年前的夏天，我从茶卡盐湖开着租来的车一路向西，驶向德令哈。那是一个夏日的夜晚，公路两旁都是牧场。高速上几乎没有别的车辆，只有数不清的蚊虫追逐着我们的车灯。

之所以特地奔赴这座小城停留一晚，自然是因为海子在德令哈写的那首诗 — 《1988.6.8～10日记》。

姐姐，今夜我在德令哈，夜色笼罩
姐姐，我今夜只有戈壁
 
草原尽头我两手空空
悲痛时握不住一颗泪滴
姐姐，今夜我在德令哈
这是雨水中一座荒凉的城
 
除了那些路过的和居住的
德令哈……今夜
这是唯一的，最后的，抒情。
这是唯一的，最后的，草原。

第二天的早晨，德令哈下着小雨。我们在这座小城逛一逛，四周的戈壁和草原还在，只不过它不再是“雨水中荒凉的城”。实际上作为青海海西州的首府，现在的德令哈是座挺繁华甚至现代化的小城。尽管时过境迁，但这里的人们并没有忘记三十几年前在这里路过的诗人，还为他建了一座诗歌陈列馆。

在海子去世时，他们的朋友最大的担忧是海子会被人们遗忘。现在看来他们是多虑了。人们没有忘记海子，他的诗歌如今被收录在语文课本中，所有人都知道他的那句“我有一所房子，面朝大海，春暖花开”。

他的老友西川给他整理的诗集《海子诗全集》是我没事就会翻的书。每每翻阅，除了惊叹于海子细腻的笔触，还越发好奇海子最喜欢用的意象是什么。

于是我顺手就用 Python 爬了爬海子的诗的文本，用 jieba 提取出海子最常用的词，将其最常用的词汇进行一个排序，形成此文。

首先我在网上下载了一本《海子诗全集》。如上所说，这本诗集是海子生前好友西川收纳整理的，是市面上海子诗集中质量最高的一本。我下载的是一个pdf，需要将 pdf 中文本进行提取。为此，我们需要安装两个库。

$ pip install pdfplumber
$ pip install pymupdf

安装好以后，我们便可以从 pdf 中提取出海子诗歌的文本（去掉目录、序、后记等）。

import pdfplumber
pdf_file_path = f'/Users/chenyue/Desktop/Haizi_Poem_Explorer/海子诗全集.pdf'
txt_file_path = f'/Users/chenyue/Desktop/Haizi_Poem_Explorer/HaiziPoems_PureText.txt'
with pdfplumber.open(pdf_file_path) as pdf:
    with open(txt_file_path,mode='w') as text:
        for page in pdf.pages[48:872]:
            text.write(page.extract_text())

得到了一个文本后，我们便可以用 jieba 来分析文本了。

import jieba.analyse
#需要做关键词分析的文本路径
path = f'/Users/chenyue/Desktop/Haizi_Poem_Explorer/HaiziPoems_PureText.txt'
file_in = open(path, 'r', encoding='UTF-8')
content = file_in.read()
try:
    #停用词表路径
    jieba.analyse.set_stop_words(f'/Users/chenyue/Desktop/Haizi_Poem_Explorer/stop.txt')
    tags = jieba.analyse.extract_tags(content, topK=100, withWeight=True)
    for v, n in tags:
        #算出来的权重是小数，乘以一万用于凑整
        print (v + '\t' + str(int(n * 10000)))

finally:
    file_in.close()

这是我们最后通过 jieba 得到的结果后，通过wordart做的词云，词汇组成的图片是海子流传最广的一张肖像。