信息在生活中的作用越来越大。获取信息，除了常规的看书看文章看网页，也能爬虫获取更加底层的信息；不仅如此，信息多了，展示方式也更加重要--即数据可视化。所以就想结合爬虫获取信息，并加信息可视化出来。刚好那段时间一直在听林夕的歌，就想着能否用数据分析歌词。选取了4位香港词人，他们是林夕，黄伟文，周耀辉和黄霑。香港是有三大词人只说，是林夕，黄伟文，周耀辉。黄霑相当于他们的前辈，我把他们和在一起分析，称为香港四大词人数据分析。
出名作品
可能我们对林夕最为熟悉。这里列下他们各自一篇词，先熟悉一下词人。比如：林夕写给杨千嬅的《再见二丁目》，黄伟文写给卢巧音的《垃圾》，周耀辉写给陈奕迅的《今天只做一件事》和黄霑写给许冠杰的《沧海一声笑》。
分析方法
- 数据爬取的是网易云音乐上的歌曲，用的爬虫框架是spider163
- 数据的存储和分析使用的是本地mysql
- 歌词的切分使用分词器node结巴
- 歌词情感分析使用sentiment
- 数据可视化是我自建本地node服务，用antV处理和展示数据
词云及情感分析
由于获取的是网易云音乐歌单上歌曲，造成样本数量有所不同，其中林夕1190首，黄伟文445首，周耀辉162首，黄霑138首
- 林夕
看出林夕前10个关键词为：没有、快乐、一个、需要、难道、拥抱、没法、情人、其实、忘掉
- 黄伟文
看出黄伟文前10个关键词为：没有、其实、喜欢、恋爱、仍然、快乐、不要、情人、分手、一个
- 周耀辉
看出周耀辉前10个关键词为：几多、快乐、相信、美丽、世界、歌歌、永远、忘记、感觉、今天
- 黄霑
看出周耀辉前10个关键词为：随人、茫茫、美梦、崎岖、无谓、几多、风霜、心中、依稀、风雨
对词云进行情感分析：
样本量不同，数据大小不比较；但是从方向上，看出林夕和黄伟文的词更加消极；而周耀辉和黄霑则积极向上很多。
词人喜欢活在哪一天？
看出都是「今天」出现最多次，林夕和黄伟文相对比较喜欢「明天」，而黄霑则喜欢「昨天」
词人喜欢哪个季节？
喜欢的季节都是「春>秋>夏>冬」，毕竟春天人都多愁善感些。
林夕
四大词人数据分析完成。接下来详细分析林夕的词。
创造多少首词？
- 林夕从1985年开始写词
- 最高的是2000年，那一年共写了216首，平均3天写2首词
- 1995年至2003年连续九年获得叱咤乐坛填词人大奖，同时也是写词的高峰期
top20歌手
林夕与众多歌手都合作过，其中与杨千嬅和古巨基合作的最多。林夕不仅合作的歌手多，他还非常擅长因人写词，不同性格的歌手，林夕会写出不同的词，且看以下分析。
轻与重
以上这张图是林夕写给张国荣和陈奕迅的词。张国荣的词频是：妄想、需要、寂寞、忘掉。张国荣是比较潇洒的一个人，唱歌有个特点是「举重若轻」。他的歌听起来轻飘飘，不像陈奕迅那么感情直抒。所以林夕给张国荣的词就是妄想、寂寞这种词，我总结其特点就是「轻」。相比，陈奕迅的歌给人的感觉就很「重」。陈奕迅的词频是：拥抱、没有、何必、其实。林夕给陈奕迅的歌词会把感情深处表达出来，平常不敢表达的感情，唱出来吧。
远与近
这张是王菲与杨千嬅的词频。王菲给人的感觉就是高冷。她的歌唱着就觉得这个人很远，或者说空灵的感觉。可以看到词频是：情书、没有、感情、快乐。情书是一种物体，物体相对于人来说，就有比较「远」的感觉。与之相反的是杨千嬅的词频：情人、女友、需要。主要词汇都是指向人。杨千嬅给人的感觉是很立体，一个爱哭爱笑的女孩。有一种离你很「近」的感觉。
所以说林夕能成功，能跟那么多歌手合作。他是很会分析歌手的特点，写的歌词也是很符合歌手唱的。
总结
本文是一次信息检索并且可视化结果的探索。由于数据量比较少，得出结论不一定可靠。最好将其当成一个故事--一个歌词的拆分和重组的故事，或许还是个有趣的故事。
