【Python】使用python實現漢字轉拼音（2018.12更新）
阿新 • • 發佈：2018-12-16
在瀏覽部落格時，偶然看到了用python將漢字轉為拼音的第三方包，但是在實現的過程中發現一些引數已經更新，現在將兩種方法記錄一下。
xpinyin
在一些部落格中看到，如果要轉化成帶音節的拼音，需要傳遞引數，‘show_tone_marks=True’，但我在實際使用時發現，已經沒有這個引數了，變成了tone_marks，其它的引數和使用方法，一看就明白了，寫的很清楚。
看下原始碼：
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'
請輸入utf8編碼漢字
.. _chinese\_pinyin: https://github.com/flyerhzm/chinese_pinyin
""" - 安裝：pip install xpinyin
- 程式碼：
from xpinyin import Pinyin
# 例項拼音轉換物件
p = Pinyin()
# 進行拼音轉換
ret = p.get_pinyin(u"漢語拼音轉換", tone_marks='marks')
ret1 = p.get_pinyin(u"漢語拼音轉換", tone_marks='numbers')
print(ret+'\n'+ret1)
# 得到轉化後的結果
# hàn-yǔ-pīn-yīn-zhuǎn-huàn
# han4-yu3-pin1-yin1-zhuan3-huan4 pypinyin
- 與xpinyin相比，pypinyin更強大。
- 安裝：pip install pypinyin
- 使用：
import pypinyin
# 不帶聲調的(style=pypinyin.NORMAL)
def pinyin(word):
s = ''
for i in pypinyin.pinyin(word, style=pypinyin.NORMAL):
s += ''.join(i)
return s
# 帶聲調的(預設)
def yinjie(word):
s = ''
# heteronym=True開啟多音字 - 原始碼：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from copy import deepcopy
from itertools import chain
from pypinyin.compat import text_type, callable_check
from pypinyin.constants import (
PHRASES_DICT, PINYIN_DICT,
RE_HANS, Style
)
from pypinyin.contrib import mmseg
from pypinyin.utils import simple_seg, _replace_tone2_style_dict_to_default
from pypinyin.style import auto_discover, convert as convert_style
auto_discover()
def seg(hans):
hans = simple_seg(hans)
ret = []
for x in hans:
if not RE_HANS.match(x): # 沒有拼音的字元，不再參與二次分詞
ret.append(x)
elif PHRASES_DICT:
ret.extend(list(mmseg.seg.cut(x)))
else: # 禁用了詞語庫，不分詞
ret.append(x)
return ret
def load_single_dict(pinyin_dict, style='default'):
"""載入使用者自定義的單字拼音庫
:param pinyin_dict: 單字拼音庫。比如： ``{0x963F: u"ā,ē"}``
:param style: pinyin_dict 引數值的拼音庫風格. 支援 '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'):
"""載入使用者自定義的詞語拼音庫
:param phrases_dict: 詞語拼音庫。比如： ``{u"阿爸": [[u"ā"], [u"bà"]]}``
:param style: phrases_dict 引數值的拼音庫風格. 支援 '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):
"""根據拼音風格格式化帶聲調的拼音.
:param pinyin: 單個拼音
:param style: 拼音風格
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母
:return: 根據拼音風格格式化後的拼音字串
:rtype: unicode
"""
return convert_style(pinyin, style=style, strict=strict, default=pinyin)
def _handle_nopinyin_char(chars, errors='default'):
"""處理沒有拼音的字元"""
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):
# 包含多音字資訊
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):
"""單字拼音轉換.
:param han: 單個漢字
:param errors: 指定如何處理沒有拼音的字元，詳情請參考
:py:func:`~pypinyin.pinyin`
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母
:return: 返回拼音列表，多音字會有多個拼音項
:rtype: list
"""
num = ord(han)
# 處理沒有拼音的字元
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)]]
# 輸出多音字的多個讀音
# 臨時儲存已存在的拼音，避免多音字拼音轉換為非音標風格出現重複。
# 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):
"""詞語拼音轉換.
:param phrase: 詞語
:param errors: 指定如何處理沒有拼音的字元
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母
: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 py
def _pinyin(words, style, heteronym, errors, strict=True):
"""
:param words: 經過分詞處理後的字串，只包含中文字元或只包含非中文字元，
不存在混合的情況。
"""
pys = []
# 初步過濾沒有拼音的字元
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 pys
def pinyin(hans, style=Style.TONE, heteronym=False,
errors='default', strict=True):
"""將漢字轉換為拼音.
:param hans: 漢字字串( ``'你好嗎'`` )或列表( ``['你好', '嗎']`` ).
可以使用自己喜愛的分詞模組對字串進行分詞處理,
只需將經過分詞處理的字串列表傳進來就可以了。
:type hans: unicode 字串或字串列表
:param style: 指定拼音風格，預設是 :py:attr:`~pypinyin.Style.TONE` 風格。
更多拼音風格詳見 :class:`~pypinyin.Style`
:param errors: 指定如何處理沒有拼音的字元。詳見 :ref:`handle_no_pinyin`
* ``'default'``: 保留原始字元
* ``'ignore'``: 忽略該字元
* ``'replace'``: 替換為去掉 ``\\u`` 的 unicode 編碼字串
(``'\\u90aa'`` => ``'90aa'``)
* callable 物件: 回撥函式之類的可呼叫物件。
:param heteronym: 是否啟用多音字
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 :ref:`strict`
:return: 拼音列表
:rtype: list
:raise AssertionError: 當傳入的字串不是 unicode 字元時會丟擲這個異常
Usage::
>>> from pypinyin import pinyin, Style
>>> import pypinyin
>>> pinyin('中心')
[['zhōng'], ['xīn']]
>>> pinyin('中心', heteronym=True) # 啟用多音字模式
[['zhōng', 'zhòng'], ['xīn']]
>>> pinyin('中心', style=Style.FIRST_LETTER) # 設定拼音風格
[['z'], ['x']]
>>> pinyin('中心', style=Style.TONE2)
[['zho1ng'], ['xi1n']]
>>> pinyin('中心', style=Style.CYRILLIC)
[['чжун1'], ['синь1']]
"""
# 對字串進行分詞處理
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 pys
def slug(hans, style=Style.NORMAL, heteronym=False, separator='-',
errors='default', strict=True):
"""生成 slug 字串.
:param hans: 漢字
:type hans: unicode or list
:param style: 指定拼音風格，預設是 :py:attr:`~pypinyin.Style.NORMAL` 風格。
更多拼音風格詳見 :class:`~pypinyin.Style`
:param heteronym: 是否啟用多音字
:param separstor: 兩個拼音間的分隔符/連線符
:param errors: 指定如何處理沒有拼音的字元，詳情請參考
:py:func:`~pypinyin.pinyin`
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 :ref:`strict`
:return: slug 字串.
:raise AssertionError: 當傳入的字串不是 unicode 字元時會丟擲這個異常
::
>>> import pypinyin
>>> from pypinyin import Style
>>> pypinyin.slug('中國人')
'zhong-guo-ren'
>>> pypinyin.slug('中國人', separator=' ')
'zhong guo ren'
>>> pypinyin.slug('中國人', style=Style.FIRST_LETTER)
'z-g-r'
>>> pypinyin.slug('中國人', 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.
與 :py:func:`~pypinyin.pinyin` 的區別是返回的拼音是個字串，
並且每個字只包含一個讀音.
:param hans: 漢字
:type hans: unicode or list
:param style: 指定拼音風格，預設是 :py:attr:`~pypinyin.Style.NORMAL` 風格。
更多拼音風格詳見 :class:`~pypinyin.Style`。
:param errors: 指定如何處理沒有拼音的字元，詳情請參考
:py:func:`~pypinyin.pinyin`
:param strict: 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 :ref:`strict`
:return: 拼音列表(e.g. ``['zhong', 'guo', 'ren']``)
:rtype: list
:raise AssertionError: 當傳入的字串不是 unicode 字元時會丟擲這個異常
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)))