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:
classPinyin(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 xpinyinimport 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)defpinyin(word):
s=''for iin pypinyin.pinyin(word, style=pypinyin.NORMAL):
s+=''.join(i)return s# 带声调的(默认)defyinjie(word):
s=''# heteronym=True开启多音字for iin 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 copyimport deepcopyfrom itertoolsimport chainfrom pypinyin.compatimport text_type, callable_checkfrom pypinyin.constantsimport(
PHRASES_DICT, PINYIN_DICT,
RE_HANS, Style)from pypinyin.contribimport mmsegfrom pypinyin.utilsimport simple_seg, _replace_tone2_style_dict_to_defaultfrom pypinyin.styleimport auto_discover, convertas convert_style
auto_discover()defseg(hans):
hans= simple_seg(hans)
ret=[]for xin hans:ifnot 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 retdefload_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, vin pinyin_dict.items():
v= _replace_tone2_style_dict_to_default(v)
PINYIN_DICT[k]= velse:
PINYIN_DICT.update(pinyin_dict)
mmseg.retrain(mmseg.seg)defload_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, valuein phrases_dict.items():
v=[list(map(_replace_tone2_style_dict_to_default, pys))for pysin value]
PHRASES_DICT[k]= velse:
PHRASES_DICT.update(phrases_dict)
mmseg.retrain(mmseg.seg)defto_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 charselif errors=='ignore':returnNoneelif errors=='replace':iflen(chars)>1:return''.join(text_type('%x'%ord(x))for xin chars)else:return text_type('%x'%ord(chars))defhandle_nopinyin(chars, errors='default', heteronym=True):
py= _handle_nopinyin_char(chars, errors=errors)ifnot py:return[]ifisinstance(py,list):# 包含多音字信息ifisinstance(py[0],list):if heteronym:return py# [[a, b], [c, d]]# [[a], [c]]return[[x[0]]for xin py]return[[i]for iin py]else:return[[py]]defsingle_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 numnotin PINYIN_DICT:return handle_nopinyin(han, errors=errors, heteronym=heteronym)
pys= PINYIN_DICT[num].split(',')# 字的拼音列表ifnot 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 iin pys:
py= to_fixed(i, style, strict=strict)if pyin py_cached:continue
py_cached[py]= py
pinyins.append(py)return[pinyins]defphrase_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 phrasein PHRASES_DICT:
py= deepcopy(PHRASES_DICT[phrase])for idx, iteminenumerate(py):
py[idx]=[to_fixed(item[0], style=style, strict=strict)]else:for iin 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 pysdefpinyin(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ifisinstance(hans, text_type):
han_list= seg(hans)else:
han_list= chain(*(seg(x)for xin hans))
pys=[]for wordsin han_list:
pys.extend(_pinyin(words, style, heteronym, errors, strict=strict))return pysdefslug(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)))deflazy_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']
"""returnlist(chain(*pinyin(hans, style=style, heteronym=False,
errors=errors, strict=strict)))