Python 汉字转拼音的库--- PyPinyin

Python 汉字转拼音的库--- PyPinyin

Python 中提供了汉字转拼音的库，名字叫做 PyPinyin，可以用于汉字注音、排序、检索等等场合，是基于 hotto/pinyin 这个库开发的，一些站点链接如下：

GitHub:

https://github测试数据/mozillazg/python-pinyin

文档：

https://pypinyin.readthedocs.io/zh_CN/master/

PyPi：

https://pypi.org/project/pypinyin/

它有这么几个特性：

根据词组智能匹配最正确的拼音。

支持多音字。

简单的繁体支持, 注音支持。

支持多种不同拼音/注音风格。

是不是等不及了呢？那就让我们来了解一下它的用法吧！

安装

首先就是这个库的安装了，通过 pip 安装即可：

pip3?install?pypinyin

?

安装完成之后导入一下这个库，如果不报错，那就说明安装成功了。

>>>?import?pypinyin

?

好，接下来我们看下它的具体功能。

基本拼音

首先我们进行一下基本的拼音转换，方法非常简单，直接调用 pinyin 方法即可：

from?pypinyin?import?pinyinprint(pinyin('中心'))

?

运行结果：

[['zhōng'],?['xīn']]

?

可以看到结果会是一个二维的列表，每个元素都另外成了一个列表，其中包含了每个字的读音。

那么如果这个词是多音字咋办呢？比如 "朝阳"，它有两个读音，我们拿来试下：

from?pypinyin?import?pinyinprint(pinyin('朝阳'))

?

运行结果：

[['zhāo'],?['yáng']]

?

好吧，它只给出来了一个读音，但是如果我们想要另外一种读音咋办呢？

其实很简单，只需添加 heteronym 参数并设置为 True 就好了，我们试下：

from?pypinyin?import?pinyinprint(pinyin('朝阳',?heteronym=True))

?

运行结果：

[['zhāo',?'cháo'],?['yáng']]

?

OK 了，这下子就显示出来了两个读音了，而且我们也明白了结果为什么是一个二维列表，因为里面的一维的结果可能是多个，比如多音字的情况就是这样。

但这个多少解析起来有点麻烦，很多情况下我们是不需要管多音字的，我们只是用它来转换一下名字而已，而处理上面的二维数组又比较麻烦。

所以有没有一个方法直接给我们一个一维列表呢？有！

我们可以使用 lazy_pinyin 这个方法来生成，尝试一下：

from?pypinyin?import?pinyinprint(pinyin('聪明的小兔子'))

?

运行结果：

['cong',?'ming',?'de',?'xiao',?'tu',?'zi']

?

这时候观察到得到的是一个列表，并且不再包含音调了。

这里我们就有一个疑问了，为啥 pinyin 方法返回的结果默认是带音调的，而 lazy_pinyin 是不带的，这里面就涉及到一个风格转换的问题了。

风格转换

我们可以对结果进行一些风格转换，比如不带声调风格、标准声调风格、声调在拼音之后、声调在韵母之后、注音风格等等，比如我们想要声调放在拼音后面，可以这么来实现：

from?pypinyin?import?lazy_pinyin,?Stylestyle?=?Style.TONE3print(lazy_pinyin('聪明的小兔子',?style=style))

?

运行结果：

['cong1',?'ming2',?'de',?'xiao3',?'tu4',?'zi']

?

可以看到运行结果每个拼音后面就多了一个声调，这就是其中的一个风格，叫做 TONE3，其实还有很多风格，下面是我从源码里面找出来的定义：

#:?普通风格，不带声调。如：?中国?->?``zhong?guo``NORMAL?=?0#:?标准声调风格，拼音声调在韵母第一个字母上（默认风格）。如：?中国?->?``zhōng?guó``TONE?=?1#:?声调风格2，即拼音声调在各个韵母之后，用数字?[1-4]?进行表示。如：?中国?->?``zho1ng?guo2``TONE2?=?2#:?声调风格3，即拼音声调在各个拼音之后，用数字?[1-4]?进行表示。如：?中国?->?``zhong1?guo2``TONE3?=?8#:?声母风格，只返回各个拼音的声母部分（注：有的拼音没有声母，详见?`#27`_）。如：?中国?->?``zh?g``INITIALS?=?3#:?首字母风格，只返回拼音的首字母部分。如：?中国?->?``z?g``FIRST_LETTER?=?4#:?韵母风格，只返回各个拼音的韵母部分，不带声调。如：?中国?->?``ong?uo``FINALS?=?5#:?标准韵母风格，带声调，声调在韵母第一个字母上。如：中国?->?``ōng?uó``FINALS_TONE?=?6#:?韵母风格2，带声调，声调在各个韵母之后，用数字?[1-4]?进行表示。如：?中国?->?``o1ng?uo2``FINALS_TONE2?=?7#:?韵母风格3，带声调，声调在各个拼音之后，用数字?[1-4]?进行表示。如：?中国?->?``ong1?uo2``FINALS_TONE3?=?9#:?注音风格，带声调，阴平（第一声）不标。如：?中国?->?``ㄓㄨㄥ?ㄍㄨㄛˊ``BOPOMOFO?=?10#:?注音风格，仅首字母。如：?中国?->?``ㄓ?ㄍ``BOPOMOFO_FIRST?=?11#:?汉语拼音与俄语字母对照风格，声调在各个拼音之后，用数字?[1-4]?进行表示。如：?中国?->?``чжун1?го2``CYRILLIC?=?12#:?汉语拼音与俄语字母对照风格，仅首字母。如：?中国?->?``ч?г``CYRILLIC_FIRST?=?13

?

有了这些，我们就可以轻松地实现风格转换了。

好，再回到原来的问题，为什么 pinyin 的方法默认带声调，而 lazy_pinyin 方法不带声调，答案就是：它们二者使用的默认风格不同，我们看下它的函数定义就知道了：

pinyin 方法的定义如下：

def?pinyin(hans,?style=Style.TONE,?heteronym=False,?errors='default',?strict=True)

?

lazy_pinyin 方法的定义如下：

def?lazy_pinyin(hans,?style=Style.NORMAL,?errors='default',?strict=True)

?

这下懂了吧，因为 pinyin 方法默认使用了 TONE 的风格，而 lazy_pinyin 方法默认使用了 NORMAL 的风格，所以就导致二者返回风格不同了。

好了，有了这两个函数的定义，我们再来研究下其他的参数，比如定义里面的 errors 和 strict 参数又怎么用呢？

错误处理

在这里我们先做一个测试，比如我们传入无法转拼音的字，比如：

from?pypinyin?import?lazy_pinyinprint(lazy_pinyin('你好☆☆，我是xxx'))

?

其中包含了星号两个，还有标点一个，另外还包含了一个 xxx 英文字符，结果会是什么呢？

['ni',?'hao',?'☆☆，',?'wo',?'shi',?'xxx']

?

可以看到结果中星号和英文字符都作为一个整体并原模原样返回了。

那么这种特殊字符可以单独进行处理吗？当然可以，这里就用到刚才提到的 errors 参数了。

errors 参数是有几种模式的：

default：默认行为，不处理，原木原样返回

ignore：忽略字符，直接抛掉

replace：直接替换为去掉 ?? ? \u ?? ?的 unicode 编码

callable 对象：当传入一个可调用的对象的时候，则可以自定义处理方式。

下面是 errors 这个参数的源码实现逻辑：

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))

?

当处理没有拼音的字符的时候，errors 的不同参数会有不同的处理结果，更详细的逻辑可以翻看源码。

好了，下面我们来尝试一下，比如我们想将不能转拼音的字符去掉，则可以这么设置：

from?pypinyin?import?lazy_pinyinprint(lazy_pinyin('你好☆☆，我是xxx',?errors='ignore'))

?

运行结果：

['ni',?'hao',?'wo',?'shi']

?

如果我们想要自定义处理，比如把 ?? ? ☆ ?? ?转化为 ? ※ ，则可以这么设置：

print(lazy_pinyin('你好☆☆，我是xxx',?errors=lambda?item:?''.join(['※'?if?c?==?'☆'?else?c?for?c?in?item])))

?

运行结果：

['ni',?'hao',?'※※，',?'wo',?'shi',?'xxx']

?

如上便是一些相关异常处理的操作，我们可以随心所欲地处理自己想处理的字符了。

严格模式

最后再看下 strict 模式，这个参数用于控制处理声母和韵母时是否严格遵循 《汉语拼音方案》 标准。

下面的一些说明来源于官方文档：

当 strict 参数为 True 时根据 《汉语拼音方案》 的如下规则处理声母、在韵母相关风格下还原正确的韵母：

21 个声母： ?? ? b p m f d t n l g k h j q x zh ch sh r z c s ?? ?（ y, w 不是声母 ）

i行的韵母，前面没有声母的时候，写成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(忧)，yan(烟)， yin(因)，yang(央)，ying(英)，yong(雍)。（ y 不是声母 ）

u行的韵母，前面没有声母的时候，写成wu(乌)，wa(蛙)，wo(窝)，wai(歪)，wei(威)，wan(弯)， wen(温)，wang(汪)，weng(翁)。（ w 不是声母 ）

ü行的韵母，前面没有声母的时候，写成yu(迂)，yue(约)，yuan(冤)，yun(晕)；ü上两点省略。 （ 韵母相关风格下还原正确的韵母 ü ）

ü行的韵跟声母j，q，x拼的时候，写成ju(居)，qu(区)，xu(虚)，ü上两点也省略； 但是跟声母n，l拼的时候，仍然写成nü(女)，lü(吕)。（ 韵母相关风格下还原正确的韵母 ü ）

iou，uei，uen前面加声母的时候，写成iu，ui，un。例如niu(牛)，gui(归)，lun(论)。 （ 韵母相关风格下还原正确的韵母 iou，uei，uen ）

当 strict 为 False 时就是不遵守上面的规则来处理声母和韵母， 比如： y , ?? ? w ?? ?会被当做声母，yu(迂) 的韵母就是一般认为的 ?? ? u ?? ?等。

具体差异可以查看源码中 tests/test_standard.py 中的对比结果测试用例。

自定义拼音

如果对库返回的结果不满意，我们还可以自定义自己的拼音库，这里用到的方法就有 load_single_dict 和 load_phrases_dict 方法了。

比如刚才我们看到 "朝阳" 两个字的发音默认返回的是 zhao yang，我们想默认返回 chao yang，那可以这么做：

from?pypinyin?import?lazy_pinyin,?load_phrases_dictprint(lazy_pinyin('朝阳'))personalized_dict?=?{????'朝阳':?[['cháo'],?['yáng']]}load_phrases_dict(personalized_dict)print(lazy_pinyin('朝阳'))

?

这里我们自定义了一个词典，然后使用 load_phrases_dict 方法设置了一下就可以了。

运行结果：

['zhao',?'yang']['chao',?'yang']

?

这样就可以完成自定义的设置了。

在一些项目里面我们可以自定义很多拼音库，然后加载就可以了。

另外我们还可以注册样式实现自定义，比如将某个拼音前面加上 Emoji 表情，样例：

from?pypinyin.style?import?registerfrom?pypinyin?import?lazy_pinyin@register('kiss')def?kiss(pinyin,?**kwargs):????if?pinyin?==?'me':????????return?f'?{pinyin}'????return?pinyinprint(lazy_pinyin('么么哒',?style='kiss'))

?

运行结果：

['?me',?'?me',?'dá']

?

这里我们调用 register 方法注册了一个样式 style，然后转换的时候指定即可，通过观察运行结果我们可以发现，这样我们就可以将 me 字的拼音前面加上 ? 这个 Emoji 表情了。

以上就是 PyPinyin 这个库的基本用法，更多的用法建议大家看看源码或者看 API 文档：https://pypinyin.readthedocs.io/zh_CN/master/api.html。

About Me

........................................................................................................................

● 本文作者：小麦苗，部分内容整理自网络，若有侵权请联系小麦苗删除

● 本文在itpub（ http://blog.itpub.net/26736162 ）、博客园（ http://HdhCmsTestcnblogs测试数据/lhrbest ）和个人weixin公众号（ xiaomaimiaolhr ）上有同步更新

● 本文itpub地址： http://blog.itpub.net/26736162

● 本文博客园地址： http://HdhCmsTestcnblogs测试数据/lhrbest

● 本文pdf版、个人简介及小麦苗云盘地址： http://blog.itpub.net/26736162/viewspace-1624453/

● 数据库笔试面试题库及解答： http://blog.itpub.net/26736162/viewspace-2134706/

● DBA宝典今日头条号地址： http://HdhCmsTesttoutiao测试数据/c/user/6401772890/#mid=1564638659405826

........................................................................................................................

● QQ群号： 230161599 （满） 、618766405

● weixin群：可加我weixin，我拉大家进群，非诚勿扰

● 联系我请加QQ好友 （ 646634621 ） ，注明添加缘由

● 于 2019-05-01 06:00 ~ 2019-05-30 24:00 在魔都完成

● 最新修改时间：2019-05-01 06:00 ~ 2019-05-30 24:00

● 文章内容来源于小麦苗的学习笔记，部分整理自网络，若有侵权或不当之处还请谅解

● 版权所有，欢迎分享本文，转载请保留出处

........................................................................................................................

● 小麦苗的微店 ： https://weidian测试数据/s/793741433?wfr=c&ifr=shopdetail

● 小麦苗出版的数据库类丛书 ： http://blog.itpub.net/26736162/viewspace-2142121/

● 小麦苗OCP、OCM、高可用网络班 ： http://blog.itpub.net/26736162/viewspace-2148098/

● 小麦苗腾讯课堂主页 ： https://lhr.ke.qq测试数据/

........................................................................................................................

使用 weixin客户端 扫描下面的二维码来关注小麦苗的weixin公众号（ xiaomaimiaolhr ）及QQ群（DBA宝典）、添加小麦苗weixin， 学习最实用的数据库技术。

........................................................................................................................

?

?

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/26736162/viewspace-2645039/，如需转载，请注明出处，否则将追究法律责任。

查看更多关于Python 汉字转拼音的库--- PyPinyin的详细内容...