爬取四大名著和《金瓶梅》全文，并绘制词云，分析各书的第一主角

四大名著的经典性毋庸置疑，除红楼梦外，其他几部只读过一遍，红楼梦读过几遍，也看过几位大家的点评，这几年，也偶尔会拿起来读一读，去年读过的《蒋勋细读红楼梦》，我觉得不错，如果你不想读原著，可以拿这本书来做个入门。下面的代码展示的是红楼梦的爬取，其他小说类似，只改一下网址即可。

# coding=utf-8import requestsfrom bs4 import BeautifulSoupimport jiebafrom pyecharts.charts import WordCloudwordList = []for i in range(121): if i < 10: url = f'http://www.purepen.com/hlm/00{i}.htm' elif i<100: url = f'http://www.purepen.com/hlm/0{i}.htm' else: url = f'http://www.purepen.com/hlm/{i}.htm' res = requests.get(url) res.encoding = res.apparent_encoding html = res.text soup = BeautifulSoup(html,'lxml') content = soup.find('table') data = content.text words = jieba.lcut(data) wordList = wordList + wordswordDict = {}for word in wordList: if len(word) > 1: if word not in wordDict.keys(): wordDict[word] = 1 else: wordDict[word] = wordDict[word]+1wordCloud = WordCloud()wordCloud.add(series_name='',data_pair=wordDict.items(),word_size_range=[20,100])wordCloud.render('wordCloud2.html')

毫无疑问，《红楼梦》的第一主角为贾宝玉，然后是一堆女人围着他，奇怪的是黛玉并没有出现，丫鬟们称黛玉为“姑娘”，宝钗称黛玉为“颦儿”，宝玉称呼黛玉为”林妹妹”，贾母称呼黛玉为““玉儿”，“外孙女”，“丫头”，确实没什么人直接喊黛玉。少年时喜欢黛玉，长大了喜欢史湘云。

接下来是水浒传，水浒传的第一主角是宋江，水浒传108将，出现在词云图里的有卢俊义，李逵，李俊，关胜，柴进，张顺等，最重要的还是那个词：“哥哥”。

早就有话说，少不读水浒，老不读三国。水浒从本质上还是一本黑帮小说，打打杀杀，还一直说：杀去东京，夺了鸟位，李逵看似憨憨，实则是一狠人，宋江道貌岸然，假仁假义，我很讨厌。

《西游记》里第一主角当然是孙悟空，但是从这个词云来看，悟空并没有出现，可能确实出现得太少了，只是出现了个行者，出现最多的词是南无阿弥陀佛。唐僧，圣僧，师父等等词，也经常出现，毕竟，那句，大师兄，师父又被妖怪抓走了已经成了经典。

《三国演义》中出现最多的词是孔明，虽然诸葛亮在全书的中部才出现，但也不影响他成为第一主角，这个主角当然只是字面意义上的，实际上三国确实上是以蜀汉为主要视角来写的。

《金瓶梅》从字面意义上来讲，书名由书中三个女主人公潘金莲、李瓶儿、庞春梅名字中各取一字合成，曹雪芹在《红楼梦》中借焦大之口骂荣国府，除了门口那对石狮子，没有一个是干净的，我们于《金瓶梅》之中的西门家，亦是如此。男主西门庆，但是从词云上来看，并没有出现这潘金莲、李瓶儿、庞春梅的名字，反而最多的主角是月娘，也就是西门庆的大老婆。除了上面提到的三个，西门庆还有三个老婆，孟玉楼，孙雪娥，李娇儿。类似《红楼梦》，一个男人和好多女人的故事。《红楼梦》的创作，深受《金瓶梅》的影响。

简单写了写，并没有写很多，也不深刻，就当是个随笔吧。