建站
咨詢
售后
建站咨詢
新聞中心
《中國有嘻哈》火了，作為一名對中國 HipHop 毫無了解的吃瓜群眾，我開始好奇以下三個問題：
成都創(chuàng)新互聯(lián)-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價(jià)比涇縣網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式?jīng)芸h網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋涇縣地區(qū)。費(fèi)用合理售后完善，十年實(shí)體公司更值得信賴。
HipHop 到底在唱些什么?
各個國家和地區(qū)的 Rapper 們想要說的唱的都有哪些特色?
如果想當(dāng)一個 Rapper，我應(yīng)該怎樣寫詞才能緊跟潮流又不會離題太遠(yuǎn)?
為了解答這個疑問，我用 Python 抓取了美英、臺灣、香港、中國大陸四個地區(qū)，總共六千萬的歌詞，其中包括大陸 600 萬的歌詞，做了一些數(shù)據(jù)分析的工作，目的就是給我以及像我一樣的吃瓜群眾們一個有理有據(jù)的答案。
我的數(shù)據(jù)源選了 X 米音樂，寫了好一會代碼，抓取歌詞的爬蟲開始蹭蹭工作了：
爬蟲一般會面對兩個問題：
1.代理問題
頻繁地抓取網(wǎng)站的頁面，IP 很容易被封。于是寫了個抓免費(fèi)代理的爬蟲，抓了八百多個代理 IP，夠用了。
2.效率問題
10 萬首歌，即使是 1 秒一個請求，那得 27 個小時(shí)，我可等不了 27 個小時(shí)。
于是我決定開 10 個線程，三小時(shí)程序就能跑完。
……
然后在三小時(shí)之后，我收獲一個約 100M，49419 首歌的數(shù)據(jù)庫。
接下來，就是一些數(shù)據(jù)清洗、處理、分析的工作。
蝦米的歌詞都是用戶編輯上傳的，格式不適用數(shù)據(jù)分析，所以我得把無用的符號、編曲、作詞之類的信息除去(格式統(tǒng)一有多么重要啊朋友們)，然后中英文各自分詞。
英文需要去停詞(對數(shù)據(jù)分析無用的詞，一般沒有實(shí)際含義，如 is、on、at、which)，大小寫變換，以及詞形變換。英語中詞匯有單復(fù)數(shù)、各種時(shí)態(tài)，為了易于分析，需要還原為詞干。
另外不管是中文還是英文都需要詞性標(biāo)注，一般來說分析也就分析名詞和形容詞，這些使用現(xiàn)成的開源庫(此處省去 1000 萬字)。
總之，我都搞定了，我們先看看以下的分析結(jié)果。
1.大陸 Rapper 歌詞里的關(guān)鍵詞
“世界”和“時(shí)間”占據(jù)首位，“老子”、“兄弟”、“baby”、“money”、“bitch”、“real”等詞倒是讓 Rapper 的形象呼之欲出。
Rapper 的詞里頻繁提到“音樂”、“歌詞”、“旋律”、“歌曲”，可見他們對自己的音樂非常在乎。嘻哈音樂由于有 Freestyle 的文化，對親自寫詞有要求，否則就不“ real ”，從節(jié)目中他們對偶像 Rapper 的 diss 也能看出來。
接著，我們來看看與其他幾個地區(qū)的關(guān)鍵詞對比：
看起來 Rapper 的生活差不多，無論大陸還是臺灣，都喜歡喊“baby”，身邊都有一群“兄弟”和“朋友”，有“夢想”，平時(shí)都在唱“hip hop”，有“煩惱”了就罵罵街。
亮點(diǎn)是美國的關(guān)鍵字 Top1 是“nigga”，這個和帶有種族歧視意味的“nigger”還不是一個詞。關(guān)于這個 Tupac 有過一個有意思的定義。
nigger : a black man with a slavery chain around his neck。(黑奴)
nigga : a black man with a gold chain on his neck。(金鏈黑漢子)
美國 rapper fetty wap
接下來，為了了解 Rapper 的生活狀況，我開始分析一些常見詞匯在歌詞中出現(xiàn)的頻率。饒舌歌手們的生活想必少不了豪車，出門騎摩拜可能有被開除 rap 籍的風(fēng)險(xiǎn)。
感謝維基提供汽車品牌頁面，并且很貼心的分了英語名稱、中國大陸譯名，于是我又寫了個爬蟲把品牌名稱抓下來，然后統(tǒng)計(jì)數(shù)據(jù)庫中每個品牌出現(xiàn)的頻率。
這是各汽車品牌在國內(nèi) 16284 首嘻哈歌曲中出現(xiàn)的情況，在一首歌的歌詞中出現(xiàn)算一次，總共約有 400 多首歌中出現(xiàn)至少一次汽車的品牌名字。
可以看出，饒舌歌手喜歡寶馬和奔馳的很多，特點(diǎn)只有一個，就是貴!其實(shí)夏利、桑塔納等車也有不少歌提到，但一般表達(dá)的是消極情緒。
2.Rapper 們都喝什么
紅色是國內(nèi)饒舌歌手的數(shù)據(jù)，黃色是總數(shù)據(jù)
看來饒舌歌手不那么喜歡喝威士忌，排在威士忌前面的還分別有龍舌蘭、白蘭地、朗姆酒，限于圖表大小我沒將這幾個列入圖表。
香檳作為富有的象征，遙遙領(lǐng)先，不過國內(nèi)的饒舌歌手似乎處于消費(fèi)尚未升級的水平，啤酒排在首位。外國人比較喜歡金酒，國內(nèi)的饒舌歌手幾乎沒提到，雖然金酒一般用來調(diào)雞尾酒，但是雞尾酒提到的次數(shù)也是少得可憐。
饒舌歌手喜歡互相 diss(懟)，所以他們 diss 時(shí)會罵些啥?讓我們來看看他們都罵了什么臟話。
這個統(tǒng)計(jì)有個小插曲，第一次統(tǒng)計(jì)發(fā)現(xiàn)一個中文臟話都沒有，還以為凈網(wǎng)運(yùn)動成功了，結(jié)果發(fā)現(xiàn)分詞的詞庫里壓根就沒臟話的詞匯，重新手動加入詞庫后就好了。
(左邊是所有數(shù)據(jù)的出現(xiàn)次數(shù)，右邊是大陸說唱的出現(xiàn)次數(shù))
大陸 16284 首歌有 2496 首出現(xiàn)臟話，臟話率約為 15%，而非大陸的數(shù)據(jù)中，33134 首歌有 13217 首出現(xiàn)臟話，臟話率約為 40%。
總的來看，我國歌手比較符合社會主義核心價(jià)值觀。我試著把“damn”和“shit”這兩個不那么“臟”并且口語常見的詞在國外的統(tǒng)計(jì)中去掉，最后臟話率還有 33%，比例遠(yuǎn)遠(yuǎn)高于大陸。
一個推測是，英文臟話詞匯在歌詞中更容易押韻，或者唱起來 flow 更好把握。另一個可能是審查原因，早有“in3”這樣的樂隊(duì)因?yàn)楦柙~原因被禁，國內(nèi)的 Rapper 創(chuàng)作起來可不能太奔放。
3.Rap 里的押韻
在《中國有嘻哈》中我們看到有單押、雙押、三押，各種層出不窮的押韻。旋律、押韻、節(jié)奏是說唱歌曲三個很重要的評判標(biāo)準(zhǔn)，一個好的押韻，能讓歌曲的 flow 更加流暢。
那么我們怎么才能唱出酷酷的押韻呢?我從歌詞庫中取出所有歌詞，分詞，然后根據(jù)韻母、聲調(diào)分類，然后得到了一個押韻詞匯文件。
韻腳的分布挺有趣的，我統(tǒng)計(jì)了一下出現(xiàn)前十的兩字詞語韻腳：
可以看出，i i 這個韻腳是最容易押韻的。下圖的這個韻腳的部分詞匯，比如“勢利”，“世紀(jì)”，“日志”，“秘密”……
看著這些詞匯，我就情不自禁 rap 起來了，drop the beat!
雙押 x9 達(dá)成!以上應(yīng)該能告訴你中國到底有什么樣的嘻哈了。
當(dāng)前文章：我用Python做了六百萬字的歌詞分析，告訴你中國Rapper都在唱些啥
URL地址：http://www.dlmjj.cn/article/cdppgge.html
