中国文化底蕴深厚，在漫长的历史中，我们的语言文字形成了大量特定的组合，用来表达特定的意思。成语是中国传统文化的一大特色，有的来源于典故，有的则来源于固定的使用方法。在成语类的比赛中，经常有“成语接龙”的比赛，往往是双方对战，一方先提出一个成语，然后另一方根据这个成语最后一个字的拼音，作为下一个成语的首拼，承接下去。
本文中，我们希望借助R语言的文本处理工具做一个简单的成语接龙小游戏，可以满足简单的人机对战的需求。首先，让我们在R中加载基本的环境：
if(!require(pacman)) install.packages("pacman")## Loading required package: pacman
pacman::p_load(tidyfst,pinyin,stringr)
在上面加载的包中，tidyfst包用于数据的处理，pinyin包用于把汉字转化为其拼音，stringr包则被用于字符串的处理。
首先，我们需要对成语的数据集进行加载。这需要我们有中华成语的语料库，在GitHub中有相关的库可以用，详情见：https://github.com/pwxcoo/chinese-xinhua。这个项目中的idiom.json文件包含了成语的信息，可以使用jsonlite包将其读入并转化为数据框。这里我们不详细展开数据获取和转化的过程，我们最终把数据存储在名为“chengyu.csv”的文件中，它只有一列，我们在这里进行简单展示：
fread("chengyu.csv",encoding = "UTF-8") # 编码格式需要设置，否则可能显示乱码## word
## <char>
## 1: 阿谀奉承
## 2: 阿党比周
## 3: 阿党相为
## 4: 阿狗阿猫
## 5: 阿姑阿翁
## ---
## 30891: 做一天和尚撞一天钟
## 30892: 做贼心虚
## 30893: 做张做势
## 30894: 做张做致
## 30895: 做张做智
我们看到，这份数据只有一列成语，共30895行，列名为word。仅仅是这个数据框还不足够，我们还需要有每一个成语的首字拼音（简称“首拼”）和尾字拼音（简称“尾拼”）。关于这个步骤，我们可以使用pinyin包进行实现，具体操作如下：
my_dic = pydic(method = "tone",dic = "pinyin2") # 设置词典
# 取得成语的首拼和尾拼
chengyu = fread("chengyu.csv",encoding = "UTF-8")%>%
mutate_dt(shoupin = str_sub(word,1,1) %>% py(dic = my_dic), weipin = str_sub(word,-1,-1) %>% py(dic = my_dic))
# 展示结果
chengyu
## word shoupin weipin
## <char> <char> <char>
## 1: 阿鼻地狱 a1 yu4
## 2: 阿党比周 a1 zhou1
## 3: 阿党相为 a1 wei2
## 4: 阿狗阿猫 a1 mao1
## 5: 阿姑阿翁 a1 weng1
## ---
## 30891: 做一天和尚撞一天钟 zuo4 zhong1
## 30892: 做贼心虚 zuo4 xu1
## 30893: 做张做势 zuo4 shi4
## 30894: 做张做致 zuo4 zhi4
## 30895: 做张做智 zuo4 zhi4
在上面的操作中，str_sub函数用来提取成语的第一个字和最后一个字，然后利用py函数来将其转化为首拼和尾拼。pinyin包中有两套词典，这里用“pinyin2”词典来完成转化，因为它的错误率较低
（“pinyin1”词典有bug，详情可参考：https://github.com/pzhaonet/pinyin/issues/16）
下面，我们要设置一个小游戏。游戏中，我们首先提示用户输入一个成语，然后把用户写入的字符串导入，然后把匹配到的第一个成语输出来，作为接龙的结果。如果库内没有匹配的成语，那么就输出“好吧，你赢了。”，然后换行。如果匹配上了，就直接输出匹配结果。当用户想退出的时候，键入大写字母Q，然后按回车即可。实现代码如下：
game = function(){
chengyu1 = chengyu
repeat{
cat("请输入一个成语（认输或离开请按Q）：")
input = readline()
if(input == "Q") break else chengyu1 = chengyu1[word != input]
str_sub(input,-1,-1) %>% py(dic = my_dic) -> input_weipin
res = chengyu1[shoupin == input_weipin]
if(nrow(res) == 0) {
cat("好吧，你赢了。\n")
}else{
cat(res$word[1])
chengyu1 = chengyu1[word != res$word[1]]
cat("\n")
}
}
}现在，game函数中就封装了我们这个游戏的所有过程。下面我们进行简单的解释：
1、把chengyu这个数据框复制一份放在chengyu1中，因为我们在成语接龙中不允许成语重复出现，因此出现过一次的成语都会删掉。
2、readline函数可以让用户交互式地读入一段字符串；
3、cat函数可以在屏幕中输出一段文字对话；
4、repeat语句相当于while(1)，如果没有跳出语句（break），它会一直执行下去。
下面，我们可以尝试玩耍，从而进行测试：
成语接龙测试
我们可以看到，基于命令行的小游戏没有出现明显的问题。这样，我们就用了不到30行的代码完成了成语接龙的小游戏，实现的完成代码如下：
if(!require(pacman)) install.packages("pacman")
pacman::p_load(tidyfst,pinyin,stringr)
my_dic = pydic(method = "tone",dic = "pinyin2")
chengyu = fread("chengyu.csv",encoding = "UTF-8")%>%
mutate_dt(shoupin = str_sub(word,1,1)%>% py(dic = my_dic),weipin = str_sub(word,-1,-1) %>% py(dic = my_dic))
chengyu
game = function(){
chengyu1 = chengyu
repeat{
cat("请输入一个成语（认输或离开请按Q）：")
input = readline()
if(input == "Q") break else chengyu1 = chengyu1[word != input]
str_sub(input,-1,-1) %>% py(dic = my_dic) -> input_weipin
res = chengyu1[shoupin == input_weipin]
if(nrow(res) == 0) {
cat("好吧，你赢了。\n")
}else{
cat(res$word[1])
chengyu1 = chengyu1[word != res$word[1]]
cat("\n")
}
}
}
game()在这个基础上，我们还可以让电脑和电脑自己玩接龙游戏，从而得到一大串没有重复的成语接龙结果。此外，还可以利用shiny包做一个漂亮的人机交互界面。
通过这个例子中，我们可以看到R语言强大的文本挖掘能力，但这都是比较零散的知识。要系统地学习一套R语言文本挖掘的系统知识与技术，可以参考机械工业出版社出版的新作《文本数据挖掘——基于R语言》。
该书立足于R语言与文本挖掘知识基础，实用性和趣味性兼具，循序渐进地引导读者掌握各项文本挖掘实现。书中包含大量代码，因此也可以作为工具书为文本挖掘用户提供R代码参考。