今年三月份，为了掌握文本分析技术，特意找了两个版本《天龙八部》的txt文件作为数据而进行练习，但可能被其他事情给耽搁了，当时只完成了一部分。前几天金老去世，令人不胜感概，于是想把这个《天龙八部》的文本分析完成，也算是以自己的方式表达对大师的怀念。
首先还是载入相关的包，这次的包有点多：
library(tidyverse)
library(readxl)
library(tidytext)
library(jiebaR)
library(ggthemes)
library(widyr)
library(igraph)
library(ggraph)
然后将两个版本的小说文本导入，顺便导入了主要人物的人名，因为这次分析是以分析主要人物为主：
tl_new <- read_lines('tl_new.txt')
tl_old <- read_lines('tl_old.txt')
tl_main <- read_lines('tl_main.txt') %>% .[-1]
因为每个人的称呼不止一个，如乔帮主、萧大王、姊夫等等，都是指萧峰一个人，所以为了统一人名，还要做一些替换工作：
tl_new_tran <- tl_new %>% str_replace_all('(段公子)|(哥哥)|(誉儿)', '段誉') %>%
str_replace_all('(乔峰)|(乔帮主)|(姊夫)|(萧大王)', '萧峰') %>% str_replace_all('(梦郎)|(小和尚)', '虚竹') %>% str_replace_all('(南海鳄神)|(岳老二)', '岳老三') %>% str_replace_all('带头大哥', '玄慈') %>% str_replace_all('延庆太子', '段延庆') %>% str_replace_all('白长老', '白世镜') %>% str_replace_all('全舵主', '全冠清') %>% str_replace_all('甘宝宝', '钟夫人') %>% str_replace_all('小康', '马夫人') %>% str_replace_all('灵儿', '钟灵') %>% str_replace_all('(星宿老怪)|(星宿老仙)', '丁春秋') %>% str_replace_all('庄聚贤', '游坦之') %>% str_replace_all('(慕容公子)|(表哥)', '慕容复') %>% str_replace_all('国师', '鸠摩智') %>% str_replace_all('表妹', '王语嫣') %>% str_replace_all('(婉妹)|(木姊姊)', '木婉清') %>% str_replace_all('(郡主)|(小师妹)', '阿紫') %>% str_replace_all('段王爷', '段正淳')
tl_old_tran <- tl_old %>% str_replace_all('(段公子)|(哥哥)|(誉儿)', '段誉') %>%
str_replace_all('(乔峰)|(乔帮主)|(姊夫)|(萧大王)', '萧峰') %>% str_replace_all('(梦郎)|(小和尚)', '虚竹') %>% str_replace_all('(南海鳄神)|(岳老二)', '岳老三') %>% str_replace_all('带头大哥', '玄慈') %>% str_replace_all('延庆太子', '段延庆') %>% str_replace_all('白长老', '白世镜') %>% str_replace_all('全舵主', '全冠清') %>% str_replace_all('甘宝宝', '钟夫人') %>% str_replace_all('小康', '马夫人') %>% str_replace_all('灵儿', '钟灵') %>% str_replace_all('(星宿老怪)|(星宿老仙)', '丁春秋') %>% str_replace_all('庄聚贤', '游坦之') %>% str_replace_all('(慕容公子)|(表哥)', '慕容复') %>% str_replace_all('国师', '鸠摩智') %>% str_replace_all('表妹', '王语嫣') %>% str_replace_all('(婉妹)|(木姊姊)', '木婉清') %>% str_replace_all('(郡主)|(小师妹)', '阿紫') %>% str_replace_all('段王爷', '段正淳')
上面的替换工作并不全，比如，同样是段郞，有时可能是指段誉，有时可能是指段正淳，这就需要具体的情境，才能判断出来这个词指的是谁，但这个工作太麻烦了，这里就放弃了。
据说希腊的德尔菲神庙上刻着几条箴言，其中一条告诫我们要“认识你自己”。这条箴言刻起来容易，做起来却很难，甚至可能是人生最困难的事情之一。要想认识自己，大概有四种方法，一是客观内容的客观描述，如测量人的身高、体重等各种身体特征，这些特征在一定的时间内不会有太大幅度的变化，用来测量这些特征的工具也具有极高的信度和效度，因此不论从要了解的内容和用于了解该内容的方式，都是很客观的；二是客观内容的主观描述，如使用问卷量表测量人的各种能力，人的能力应该也是比较恒定的，但用于测量这些特征的工具，无论是编制过程还是施用过程，都避免不了与人为因素有关的干扰，即便硬要说它是客观的，也是“主观”的客观。三是主观内容的主观描述，如各种投射测验，对于这些测验，我没有实际接触过，但从书本上来看，难免不让我认为这种测验从内容到方式都不是那么客观；最后一种就显而易见了，即对主观内容的客观描述，如对推特的文本分析，我要进行的日记文本分析，也是这一范围之内的。日记本身是主观的产物，但这里我要对这些主观的内容进行客观的数据分析，进而从这一角度来加深对自己的了解，不过这个方法的局限性也很大，毕竟不是每个人都有几十万字的日记文本可以用来分析。另外再加一句，上面这段话，也可以说是对客观内容的主观描述。
这篇文章分为三部分，首先是对我每天记日记的时间进行一个简单的分析，然后对文本进行分词，针对词频进行分析，最后是一个初步的情感分析。下面先载入需要用到的包。
导入需要的包
library(tidyverse)
library(readxl)
library(jiebaR)
library(ggthemes)
一般情况下，我的第一行代码都是library(tidyverse)，这次主要用到了其中dplyr、tidyr、stringr以及ggplot2四个包；readxl包用来读入.xlsx格式的文件；jiebarR用来分词；ggthemes用来添加我最喜欢的tufte主题。
时间分析
首先要把日记中与时间有关的内容提取出来，我记录时间的格式很固定，都是20XX年X月X日 周X XX：XX的形式，通过以下代码，可以把这部分内容提取出来：
time <- read_lines('dairy.txt') %>% as.tibble() %>% filter(str_detect(value, '.*年.*月.*日.*周')) %>% mutate(num = row_number()) %>% select(2, time = 1)
处理后是这个样子的：
num
time
1
2012年1月13日 周五 21：40
2
2012年1月14日 周六 21：41
3
2012年1月15日 周日 21：53
4
2012年1月16日 周一 21：58
5
2012年1月17日 周二 21：45
6
2012年1月18日 周三 21：51
7
2012年1月19日 周四 22：01
8
2012年1月20日 周五 21：43
9
2012年1月21日 周六 21：35
10
2012年1月22日 周日 21：53
所有的时间都放在一起是没法分析的，接下来我就把各部分时间分离开，并转化成了整数型，这一步代码如下：
