原发自《摩登天空杂志》公众号，原文标题为 我做了六百万字的歌词分析，告诉你中国Rapper都在唱些啥 。感谢摩登天空编辑 好好说话的 的编辑
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，妈的，HipHop还真要成主流了？我努力努力改天还靠这个吃饭吗？
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？
所以我用 Python 抓取了美国、英国、台湾、香港、中国大陆四个地区，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、QQ、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 ⇣
大陆地区关键词
“世界”和“时间”占据首位，“老子”、“兄弟”、“baby”、“money”、“bitch”、“real”等词倒是让 rapper 的形象呼之欲出。rapper 的词里频繁提到“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地区的关键词对比↓
image.png
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.
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。
管制药物排行
果然大家还是喜欢叶子，不只是饶舌歌手啦。
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。
这个统计有个小插曲，第一次统计发现一个中文脏话都没有，还以为净网运动成功了，结果发现分词的词库里压根就没脏话的词汇，重新手动加入词库后就好了。
（左边是所有数据的出现次数，右边是大陆说唱的出现次数）
image.png
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” 这样的乐队英文歌词原因被禁，国内的 rapper 创作起来可不能太奔放。
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。
节目截图
那么我们怎么才能唱出酷酷的押韵呢？我从歌词库中取出所有歌词，分词，然后根据韵母、声调分类，然后得到了一个押韵词汇文件。
韵脚的分布挺有趣的，我统计了一下出现前十的两字词语韵脚 ⇣
韵脚排名
可以看出，i i 这个韵脚是最容易押韵的。下图的这个韵脚的部分词汇。“势利”，“世纪”，“日志”，“秘密”……
看着这些词汇，我就情不自禁 rap 起来了，drop the beat！
我的freestyle
双押x9 达成！
以上应该能告诉你中国到底有什么样的嘻哈了。
歌词分析暂时到此为止，其实还有更多的工作可以做，例如统计歌手的词汇量，国外的 Matt Daniels 统计了饶舌歌手的词汇量，跟莎士比亚的词汇量做对照。
网友评论