用Python分析周杰伦6.5W字的歌词，原来他是这样的人

一、准备歌词素材

歌词选择：杰伦至今的所有专辑（从最开始的<JAY>到最新的<周杰伦的床边故事>）

由于爬虫木有学会，就只能手动收集歌词。经过一系列的 google、baidu，终于找到别人整理好的歌词全集。ok，就这样歌词文件搞定了，一共也没多大，也就207K（想想周董这么多年唱的歌词大半都在这207K的txt文件里就不免有些感慨）。

二、对歌词文件完成分词

这是最难的部分，产品汪只会跟程序猿们相爱相杀，哪会写代码呀！！！

没办法，硬着头皮也要写。网上goolge各种关键字，看博客，花了半天的时间，连蒙带猜，勉勉强强看懂了网上的代码示例，比着葫芦画瓢写了一点点写。

千难万险，终于写完调通，最终主要的部分一共也就12行，没有任何注释（简直乞丐版代码，根本看不出来哪里sexy ~~~~(>_<)~~~~）

三、对分词的结果进行分析

好,我们终于到了正文，以上都是废话，下边才是重要结论。（如果以这种方式写邮件一定会被老板打死 ♪(^∇^*) ）

结论一：杰伦最喜欢的唱的主题 --- 情歌 （我自己也知道这是废话 O(∩_∩)O）

拉了下出现频率 top20 的词语，满满的都是文艺、伤感、爱情 ：

我们 / 怎么 / 没有 / 微笑 / 离开 / 爱情 / 回忆 / 不要 / 开始 / 如果 / 怎么 / 开始

我擦，感觉随机排列组合都能成歌词，方文山以后是不是就可以下岗了 ♪(^∇^*)

结论二：杰伦喜欢妈妈胜过爸爸，喜欢外婆胜过爷爷以及外公（歌词中没有出现奶奶）

大家应该都听过<听妈妈的话>。

杰伦专门为外婆写了一首歌<外婆>，其中也就1句歌词提到了外公。

至于爷爷，杰伦也有那首<爷爷泡的茶>

结论三：杰伦喜欢黑色、白色胜过其他颜色

很符合周董的形象，歌词里高大上的黑色&白色力压其他颜色。看到黑白两色频率这么高，我第一时间想到的是<以父之名>，感觉很符合那个气质。还有就是青色出现了6次，大概率是因为<青花瓷>吧。

结论四：杰伦最喜欢的语气词是 oh~

毋庸置疑，杰伦最喜欢 oh~ ，排除大小写的因素，[oh] 出现的频率甚至超过 [我们] 成为出现词频最高的词汇。此外杰伦经典的 "哎呦不错哦~" 中的 [哎呦] 也名列前茅，看来杰伦真的很喜欢讲这句话。

总结：只是从歌词来看，大概杰伦就是一个穿着黑白帽衫，表面上酷酷的，但是骨子里满是深情、文艺， 只喜欢喝爷爷泡的茶，听妈妈的话，爱自己外婆的 ，嘴里时不时地冒出一句‘哎呦，不错哦’ 的 五好青年 ^_^

注：以上内容纯属胡说八道，如有雷同，纯属巧合。

另，头图不是 python 生成,是使用一个国外的网站（wordart）生成的。文章中使用的分词代码、歌词文本、头图已通过有道云笔记分享（文章末尾有链接），内容如下：

有道云笔记链接：http://t.cn/RaICFIV