利用python实现汉字转拼音的2种方法

Python  /  管理员 发布于 7年前   198

前言

在浏览博客时，偶然看到了用python将汉字转为拼音的第三方包，但是在实现的过程中发现一些参数已经更新，现在将两种方法记录一下。

xpinyin

在一些博客中看到，如果要转化成带音节的拼音，需要传递参数，‘show_tone_marks=True'，但我在实际使用时发现，已经没有这个参数了，变成了tone_marks，其它的参数和使用方法，一看就明白了，写的很清楚。

看下源码：

class Pinyin(object): """translate chinese hanzi to pinyin by python, inspired by flyerhzm's `chinese\_pinyin`_ gem usage ----- :: >>> from xpinyin import Pinyin >>> p = Pinyin() >>> # default splitter is `-` >>> p.get_pinyin(u"上海") 'shang-hai' >>> # show tone marks >>> p.get_pinyin(u"上海", tone_marks='marks') 'shàng-hǎi' >>> p.get_pinyin(u"上海", tone_marks='numbers') >>> 'shang4-hai3' >>> # remove splitter >>> p.get_pinyin(u"上海", '') 'shanghai' >>> # set splitter as whitespace >>> p.get_pinyin(u"上海", ' ') 'shang hai' >>> p.get_initial(u"上") 'S' >>> p.get_initials(u"上海") 'S-H' >>> p.get_initials(u"上海", u'') 'SH' >>> p.get_initials(u"上海", u' ') 'S H' 请输入utf8编码汉字 .. _chinese\_pinyin: https://github.com/flyerhzm/chinese_pinyin """

安装：pip install xpinyin

代码：

from xpinyin import Pinyin# 实例拼音转换对象p = Pinyin()# 进行拼音转换ret = p.get_pinyin(u"汉语拼音转换", tone_marks='marks')ret1 = p.get_pinyin(u"汉语拼音转换", tone_marks='numbers')print(ret+'\n'+ret1)# 得到转化后的结果# hàn-yǔ-pīn-yīn-zhuǎn-huàn# han4-yu3-pin1-yin1-zhuan3-huan4

pypinyin

与xpinyin相比，pypinyin更强大。

安装：pip install pypinyin

使用：

import pypinyin# 不带声调的(style=pypinyin.NORMAL)def pinyin(word): s = '' for i in pypinyin.pinyin(word, style=pypinyin.NORMAL): s += ''.join(i) return s# 带声调的(默认)def yinjie(word): s = '' # heteronym=True开启多音字 for i in pypinyin.pinyin(word, heteronym=True): s = s + ''.join(i) + " " return sif __name__ == "__main__": print(pinyin("忠厚传家久")) print(yinjie("诗书继世长"))

源码：

#!/usr/bin/env python# -*- coding: utf-8 -*-from __future__ import unicode_literalsfrom copy import deepcopyfrom itertools import chainfrom pypinyin.compat import text_type, callable_checkfrom pypinyin.constants import ( PHRASES_DICT, PINYIN_DICT, RE_HANS, Style)from pypinyin.contrib import mmsegfrom pypinyin.utils import simple_seg, _replace_tone2_style_dict_to_defaultfrom pypinyin.style import auto_discover, convert as convert_styleauto_discover()def seg(hans): hans = simple_seg(hans) ret = [] for x in hans: if not RE_HANS.match(x): # 没有拼音的字符，不再参与二次分词  ret.append(x) elif PHRASES_DICT:  ret.extend(list(mmseg.seg.cut(x))) else: # 禁用了词语库，不分词  ret.append(x) return retdef load_single_dict(pinyin_dict, style='default'): """载入用户自定义的单字拼音库 :param pinyin_dict: 单字拼音库。比如： ``{0x963F: u"ā,ē"}`` :param style: pinyin_dict 参数值的拼音库风格. 支持 'default', 'tone2' :type pinyin_dict: dict """ if style == 'tone2': for k, v in pinyin_dict.items():  v = _replace_tone2_style_dict_to_default(v)  PINYIN_DICT[k] = v else: PINYIN_DICT.update(pinyin_dict) mmseg.retrain(mmseg.seg)def load_phrases_dict(phrases_dict, style='default'): """载入用户自定义的词语拼音库 :param phrases_dict: 词语拼音库。比如： ``{u"阿爸": [[u"ā"], [u"bà"]]}`` :param style: phrases_dict 参数值的拼音库风格. 支持 'default', 'tone2' :type phrases_dict: dict """ if style == 'tone2': for k, value in phrases_dict.items():  v = [  list(map(_replace_tone2_style_dict_to_default, pys))  for pys in value  ]  PHRASES_DICT[k] = v else: PHRASES_DICT.update(phrases_dict) mmseg.retrain(mmseg.seg)def to_fixed(pinyin, style, strict=True): """根据拼音风格格式化带声调的拼音. :param pinyin: 单个拼音 :param style: 拼音风格 :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母 :return: 根据拼音风格格式化后的拼音字符串 :rtype: unicode """ return convert_style(pinyin, style=style, strict=strict, default=pinyin)def _handle_nopinyin_char(chars, errors='default'): """处理没有拼音的字符""" if callable_check(errors): return errors(chars) if errors == 'default': return chars elif errors == 'ignore': return None elif errors == 'replace': if len(chars) > 1:  return ''.join(text_type('%x' % ord(x)) for x in chars) else:  return text_type('%x' % ord(chars))def handle_nopinyin(chars, errors='default', heteronym=True): py = _handle_nopinyin_char(chars, errors=errors) if not py: return [] if isinstance(py, list): # 包含多音字信息 if isinstance(py[0], list):  if heteronym:  return py  # [[a, b], [c, d]]  # [[a], [c]]  return [[x[0]] for x in py] return [[i] for i in py] else: return [[py]]def single_pinyin(han, style, heteronym, errors='default', strict=True): """单字拼音转换. :param han: 单个汉字 :param errors: 指定如何处理没有拼音的字符，详情请参考   :py:func:`~pypinyin.pinyin` :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母 :return: 返回拼音列表，多音字会有多个拼音项 :rtype: list """ num = ord(han) # 处理没有拼音的字符 if num not in PINYIN_DICT: return handle_nopinyin(han, errors=errors, heteronym=heteronym) pys = PINYIN_DICT[num].split(',') # 字的拼音列表 if not heteronym: return [[to_fixed(pys[0], style, strict=strict)]] # 输出多音字的多个读音 # 临时存储已存在的拼音，避免多音字拼音转换为非音标风格出现重复。 # TODO: change to use set # TODO: add test for cache py_cached = {} pinyins = [] for i in pys: py = to_fixed(i, style, strict=strict) if py in py_cached:  continue py_cached[py] = py pinyins.append(py) return [pinyins]def phrase_pinyin(phrase, style, heteronym, errors='default', strict=True): """词语拼音转换. :param phrase: 词语 :param errors: 指定如何处理没有拼音的字符 :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母 :return: 拼音列表 :rtype: list """ py = [] if phrase in PHRASES_DICT: py = deepcopy(PHRASES_DICT[phrase]) for idx, item in enumerate(py):  py[idx] = [to_fixed(item[0], style=style, strict=strict)] else: for i in phrase:  single = single_pinyin(i, style=style, heteronym=heteronym,     errors=errors, strict=strict)  if single:  py.extend(single) return pydef _pinyin(words, style, heteronym, errors, strict=True): """ :param words: 经过分词处理后的字符串，只包含中文字符或只包含非中文字符，   不存在混合的情况。 """ pys = [] # 初步过滤没有拼音的字符 if RE_HANS.match(words): pys = phrase_pinyin(words, style=style, heteronym=heteronym,    errors=errors, strict=strict) return pys py = handle_nopinyin(words, errors=errors, heteronym=heteronym) if py: pys.extend(py) return pysdef pinyin(hans, style=Style.TONE, heteronym=False,  errors='default', strict=True): """将汉字转换为拼音. :param hans: 汉字字符串( ``'你好吗'`` )或列表( ``['你好', '吗']`` ).   可以使用自己喜爱的分词模块对字符串进行分词处理,   只需将经过分词处理的字符串列表传进来就可以了。 :type hans: unicode 字符串或字符串列表 :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.TONE` 风格。   更多拼音风格详见 :class:`~pypinyin.Style` :param errors: 指定如何处理没有拼音的字符。详见 :ref:`handle_no_pinyin`   * ``'default'``: 保留原始字符   * ``'ignore'``: 忽略该字符   * ``'replace'``: 替换为去掉 ``\\u`` 的 unicode 编码字符串   (``'\\u90aa'`` => ``'90aa'``)   * callable 对象: 回调函数之类的可调用对象。 :param heteronym: 是否启用多音字 :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict` :return: 拼音列表 :rtype: list :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常 Usage:: >>> from pypinyin import pinyin, Style >>> import pypinyin >>> pinyin('中心') [['zhōng'], ['xīn']] >>> pinyin('中心', heteronym=True) # 启用多音字模式 [['zhōng', 'zhòng'], ['xīn']] >>> pinyin('中心', style=Style.FIRST_LETTER) # 设置拼音风格 [['z'], ['x']] >>> pinyin('中心', style=Style.TONE2) [['zho1ng'], ['xi1n']] >>> pinyin('中心', style=Style.CYRILLIC) [['чжун1'], ['синь1']] """ # 对字符串进行分词处理 if isinstance(hans, text_type): han_list = seg(hans) else: han_list = chain(*(seg(x) for x in hans)) pys = [] for words in han_list: pys.extend(_pinyin(words, style, heteronym, errors, strict=strict)) return pysdef slug(hans, style=Style.NORMAL, heteronym=False, separator='-',  errors='default', strict=True): """生成 slug 字符串. :param hans: 汉字 :type hans: unicode or list :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。   更多拼音风格详见 :class:`~pypinyin.Style` :param heteronym: 是否启用多音字 :param separstor: 两个拼音间的分隔符/连接符 :param errors: 指定如何处理没有拼音的字符，详情请参考   :py:func:`~pypinyin.pinyin` :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict` :return: slug 字符串. :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常 :: >>> import pypinyin >>> from pypinyin import Style >>> pypinyin.slug('中国人') 'zhong-guo-ren' >>> pypinyin.slug('中国人', separator=' ') 'zhong guo ren' >>> pypinyin.slug('中国人', style=Style.FIRST_LETTER) 'z-g-r' >>> pypinyin.slug('中国人', style=Style.CYRILLIC) 'чжун1-го2-жэнь2' """ return separator.join(chain(*pinyin(hans, style=style, heteronym=heteronym,     errors=errors, strict=strict)    ))def lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True): """不包含多音字的拼音列表. 与 :py:func:`~pypinyin.pinyin` 的区别是返回的拼音是个字符串， 并且每个字只包含一个读音. :param hans: 汉字 :type hans: unicode or list :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。   更多拼音风格详见 :class:`~pypinyin.Style`。 :param errors: 指定如何处理没有拼音的字符，详情请参考   :py:func:`~pypinyin.pinyin` :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict` :return: 拼音列表(e.g. ``['zhong', 'guo', 'ren']``) :rtype: list :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常 Usage:: >>> from pypinyin import lazy_pinyin, Style >>> import pypinyin >>> lazy_pinyin('中心') ['zhong', 'xin'] >>> lazy_pinyin('中心', style=Style.TONE) ['zhōng', 'xīn'] >>> lazy_pinyin('中心', style=Style.FIRST_LETTER) ['z', 'x'] >>> lazy_pinyin('中心', style=Style.TONE2) ['zho1ng', 'xi1n'] >>> lazy_pinyin('中心', style=Style.CYRILLIC) ['чжун1', 'синь1'] """ return list(chain(*pinyin(hans, style=style, heteronym=False,    errors=errors, strict=strict)))

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家的支持。