汉语转拼音工具、新华字典API——两个支持Python的中文资源

640?wx_fmt=jpeg


整理 | Jane

出品 | AI科技大本营


【导读】平常为大家推荐的资源中,以英语语言占据大多数。今天 AI科技大本营特别要为大家推荐两个跟中文相关的资源工具。先简单介绍下这两个资源工具都是什么。第一个,汉字转拼音的工具——即将中文字符转换成它的拼音。除了支持 JavaScript,还可以支持 Python、Go、Rust 等多种语言。可以说是非常 nice 的一个中文资源工具了。第二个是新华字典的 API,收录包括 14032 条歇后语,16142 个汉字,264434 个词语,31648 个成语。有需要的同学可以收藏留着用,觉得不错记得分享点赞。



汉字转拼音工具


功能


将中文字符转换为拼音。可用于汉字注音、排序、检索任务。


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。


支持版本


1.Node.js/JavaScript 版

注:这个版本同时支持在 Node 和 Web 浏览器环境运行;


作者:hotoo;来源:GitHub

https://github.com/hotoo/pinyin


640?wx_fmt=png

2.Python 版


作者:mozillazg;来源:GitHub

https://github.com/mozillazg/python-pinyin


640?wx_fmt=png


3. Go 版


作者:mozillazg;来源:GitHub

https://github.com/mozillazg/go-pinyin


640?wx_fmt=png

640?wx_fmt=png


4.Rust 版


作者:mozillazg;来源:GitHub

https://github.com/mozillazg/rust-pinyin


640?wx_fmt=png

640?wx_fmt=png

一些注意事项


1.为什么没有 y, w, yu 几个声母?


1>>> from pypinyin import Style, pinyin
2>>> pinyin('下雨天', style=Style.INITIALS)
3[['x'], [''], ['t']]


因为根据 《汉语拼音方案》, y,w,ü (yu) 都不是声母。


声母风格(INITIALS)下,“雨”、“我”、“圆”等汉字返回空字符串,因为根据 《汉语拼音方案》 , y,w,ü (yu) 都不是声母,在某些特定韵母无声母时,才加上 y 或 w,而 ü 也有其特定规则。 —— @hotoo


如果你觉得这个给你带来了麻烦,那么也请小心一些无声母的汉字(如“啊”、“饿”、“按”、“昂”等)。 这时候你也许需要的是首字母风格(FIRST_LETTER)。 —— @hotoo


参考: 

hotoo/pinyin#57, #22, #27, #44


如果觉得这个行为不是你想要的,就是想把 y 当成声母的话,可以指定 strict=False , 这个可能会符合你的预期,详见 strict 参数的影响 


1>>> from pypinyin import Style, pinyin
2>>> pinyin('下雨天', style=Style.INITIALS)
3[['x'], [''], ['t']]
4>>> pinyin('下雨天', style=Style.INITIALS, strict=False)
5[['x'], ['y'], ['t']]


2.拼音数据


  • 单个汉字的拼音使用 pinyin-data 的数据

  • 词组的拼音使用 phrase-pinyin-data 的数据



3.node 版和 web 版有什么异同?


pinyin 目前可以同时运行在 Node 服务器端和 Web 浏览器端。 API 和使用方式完成一致。但 Web 版较 Node 版稍简单,拼音库只有常用字部分,没有使用分词算法, 并且考虑了网络传输对词库进行了压缩处理。


由于分词和繁体中文的特性,部分情况下的结果也不尽相同。由于这些区别,测试不同运行环境的用例也不尽相同。


特性

Web 版

Node 版

拼音库

常用字库。压缩、合并

完整字库。不压缩、合并

分词

没有分词

使用分词算法,多音字拼音更准确。

拼音频度排序

有根据拼音使用频度优先级排序。

同 Web 版。

繁体中文

没有繁体中文支持。

有简单的繁简汉字转换。


更多详细安装与使用教程可访问 GitHub 链接进行访问~


各版本 GitHub 地址:

https://github.com/hotoo/pinyin

https://github.com/mozillazg/python-pinyin

https://github.com/mozillazg/go-pinyin

https://github.com/mozillazg/rust-pinyin


新华字典 API


介绍


作者本来的目的是想可以实现成语接龙,苦于没有现成可用的数据库,自己就从各个网站抓取整理了一份。所有的数据都作者从网上找的。放在 Github 是为了方便自己的使用,同时也能方便有类似需求的人不用去做这些 trival 的工作。所有抓取数据的脚本都在仓库里。


中华新华字典数据库和 API 。收录包括 14032 条歇后语,16142 个汉字,264434 个词语,31648 个成语。所有的数据放在 data/ 目录。


640?wx_fmt=png


数据库与 API 介绍


1.成语(idiom.json)


640?wx_fmt=jpeg

640?wx_fmt=png

640?wx_fmt=png


2.词语(ci.json)


640?wx_fmt=jpeg


3.汉字(word.json)

640?wx_fmt=jpeg

640?wx_fmt=png


4.歇后语(xiehouyu.json)

640?wx_fmt=jpeg

640?wx_fmt=png


使用可访问 GitHub 地址:

https://github.com/pwxcoo/chinese-xinhua


--【完】--


好文推荐


640?wx_fmt=png640?wx_fmt=png
阅读更多
换一批

没有更多推荐了,返回首页