我们分析了六百万字歌词，告诉你中国的Rapper唱的都是什么嘻哈

推荐

作者：猫弟Azz

来源：摩登天空杂志（ID：ModernskyMag)

编辑：

大冰洁

社长说

网友按：猫弟你太叼，数据分析少不了，嘻哈也能分析这样搞，教教我好不好。yo yo……

● ●●

我们分析了六百万字歌词，告诉你中国的Rapper唱的都是什么嘻哈

当“你有freestyle吗”火遍全网之后，一个个你从来没听过的 rapper 像加拿大土拨鼠播报春天一样冒出洞口——你突然感觉到，HipHop还真要成主流了？我努力努力改天还能靠这个吃饭吗？

然后，你作为一个对HipHop，尤其是中国HipHop毫无了解的吃瓜群众，你自然会好奇以下三个问题：

· HipHop到底在唱些什么？

· 各个国家和地区的 Rapper 们想要说的聊的唱的都有哪些特色？

· 如果想当一个Rapper，我应该怎样写词才能紧跟潮流又不会离题太远？

所以我们用 Python 抓取了中国大陆、台湾、香港、美国、英国五个国家和地区，总共六千万的歌词，其中包括大陆600万的歌词，做了一些数据分析的工作，目的就是给你想要的答案。

我们的数据源选了虾米音乐，因为虾米有详细的嘻哈音乐分类，其它的如网易云音乐、Spotify、iTunes、StreetVoice，要么欠缺对歌手音乐风格的分类，要么分类粗糙，没法当做数据源。

选定虾米音乐之后，写了好一会代码，抓取歌词的爬虫开始蹭蹭工作了 ⇣

爬虫一般会面对两个问题——

1.代理问题

频繁地抓取网站的页面，IP 很容易被封。于是写了个抓免费代理的爬虫，抓了八百多个代理 IP，够用了。

2.效率问题

10万首歌，即使是1秒一个请求，那得27个小时，我可等不了27个小时。于是我决定开10个线程，三小时程序就能跑完。

……

然后在三小时之后，我收获一个约100M，49419首歌的数据库。

看着这满满的记录，感受到蜜蜂辛勤搬运后看着蜂蜜的喜悦，我相信，关于HipHop歌词的秘密全部都包含在里边了。

接下来，就是一些数据清洗、处理、分析的工作。

虾米的歌词都是用户编辑上传的，格式不适用数据分析，所以我得把无用的符号、编曲、作词之类的信息除去，然后中英文各自分词。英文需要去停词（对数据分析无用的词，一般没有实际含义，如 is、on、at、which），大小写变换，以及词形变换。英语中词汇有单复数、各种时态，为了易于分析，需要还原为词干。另外不管是中文还是英文都需要词性标注，一般来说分析也就分析名词和形容词，这些现成的开源库使用。

总之，我都搞定了，以下就是分析结果。

歌词中的关键字

我们先看看大陆的 rapper 歌词里有都写啥关键词 ⇣

“世界”和“时间”占据首位，“老子”、“兄弟”、“baby”、“money”、“hiphop”、“real” 等词倒是让 rapper 的形象呼之欲出。rapper 的歌词里频繁提到“音乐”、“歌词”、“旋律”、“歌曲”，可见他们对自己的音乐非常在乎。嘻哈音乐由于有 freestyle 的文化，对亲自写词有要求，否则就不 “ real ” ，从节目中他们对偶像 rapper 的 diss 也能看出来。

接着，我们来看看与其他几个国家和地区的关键词对比↓

看起来 rapper 的生活差不多，无论大陆还是台湾，都喜欢喊 “baby”，身边都有一群“兄弟”和“朋友”，有“梦想”，平时都在唱 “hip hop” ，有“烦恼”了就骂骂街。

亮点是美国的关键字 top1 是 “nigga”，这个和带有种族歧视意味的 “nigger” 还不是一个词。关于这个Tupac 有过一个有意思的定义。

nigger : a black man with a slavery chain around his neck.

nigga : a black man with a gold chain on his neck.

歌词中的汽车

接下来，为了了解 rapper 的生活状况，我开始分析一些常见词汇在歌词中出现的频率。饶舌歌手们的生活想必少不了豪车，出门骑摩拜可能有被开除 rap 籍的风险。

感谢维基提供汽车品牌页面，并且很贴心的分了英语名称、中国大陆译名，于是我又写了个爬虫把品牌名称抓下来，然后统计数据库中每个品牌出现的频率。

这是各汽车品牌在国内16284首嘻哈歌曲中出现的情况，在一首歌的歌词中出现算一次，总共约有400多首歌中出现至少一次汽车的品牌名字。可以看出，饶舌歌手喜欢宝马和奔驰的很多，特点只有一个，就是贵！其实夏利、桑塔纳等车也有不少歌提到，但一般表达的是消极情绪。

Rapper们的“饮料”

然后我又统计了一下 rapper 们都喝什么 ⇣

红色是国内饶舌歌手的数据，黄色是总数据

看来饶舌歌手不那么喜欢喝威士忌，排在威士忌前面的还分别有龙舌兰、白兰地、朗姆酒，限于图表大小我们没将这几个列入图表。香槟作为富有的象征，遥遥领先，不过国内的饶舌歌手似乎处于消费尚未升级的水平，啤酒排在首位。外国人比较喜欢金酒，国内的饶舌歌手几乎没提到，虽然金酒一般用来调鸡尾酒，但是鸡尾酒提到的次数也是少得可怜。

绝对伏特加在《中国有嘻哈》做广告确实是找对地方了，rapper 们对伏特加有高于常人的偏好。

所以 rapper 们都怎么喝金酒？我看了看歌词:

“Sippin’ gin and juice Layin' underneath the palm trees”

gin&juice 是最常见的组合，由于著名 rapper Snoop Dogg 发过同名单曲，rapper 们特别喜欢。

“Think we a joke? I'll put three in your throa Drunk off gin and C&C; coke then we flee in a boat”，

金酒兑可乐，听起来不错。

“Swimmin’ under water like I'm aquaman. I used to drink gin now it's vodka man”

这个 rapper 喝腻了，从金酒转到伏特加阵营......

Rapper与管制药物

然后，我们来看一下管制药物的情况 ⇣

果然rapper们还是喜欢叶子。

Rapper与脏话

饶舌歌手喜欢互相 diss，所以他们 diss 时会骂些啥？让我们来看看他们都骂了什么脏话。

左边是所有数据的出现次数，右边是大陆说唱的出现次数

大陆16284首歌有2496首出现脏话，脏话率约为15%，而非大陆的数据中，33134首歌有13217首出现脏话，脏话率约为40%。

总的来看，我国歌手比较符合社会主义核心价值观。我试着把 “damn” 和 “shit” 这两个不那么“脏”并且口语常见的词在国外的统计中去掉，最后脏话率还有33%，比例远远高于大陆。一个推测是，英文脏话词汇在歌词中更容易押韵，或者唱起来 flow 更好把握。另一个可能是审查原因，早有“in3” 这样的乐队因为英文歌词原因被禁，国内的 rapper 创作起来可不能太奔放。

歌词中的押韵

最后我们来探讨一下 rap 里的押韵。

在《中国有嘻哈》中我们看到有单押、双押、三押，各种层出不穷的押韵。旋律、押韵、节奏是说唱歌曲三个很重要的评判标准，一个好的押韵，能让歌曲的 flow 更加流畅。