Python中文转拼音代码(支持全拼和首字母缩写)

本文的代码，从https://github.com/cleverdeng/pinyin.py升级得来，针对原文的代码，做了以下升级：

1、可以传入参数firstcode：如果为true，只取汉子的第一个拼音字母；如果为false，则会输出全部拼音； 2、修复：如果为英文字母，则直接输出； 3、修复：如果分隔符为空字符串，仍然能正常输出； 4、升级：可以指定词典的文件路径

1 2 3 4

1、可以传入参数 firstcode：如果为 true，只取汉子的第一个拼音字母；如果为 false，则会输出全部拼音； 2、修复：如果为英文字母，则直接输出； 3、修复：如果分隔符为空字符串，仍然能正常输出； 4、升级：可以指定词典的文件路径

代码很简单，直接读取了一个词典（字符和英文的映射），然后挨个替换中文中的拼音即可；

Python

#!/usr/bin/env python # -*- coding:utf-8 -*- """ 原版代码：https://github.com/cleverdeng/pinyin.py 新增功能： 1、可以传入参数firstcode：如果为true，只取汉子的第一个拼音字母；如果为false，则会输出全部拼音； 2、修复：如果为英文字母，则直接输出； 3、修复：如果分隔符为空字符串，仍然能正常输出； 4、升级：可以指定词典的文件路径 """ __version__ = '0.9' __all__ = ["PinYin"] import os.path class PinYin(object): def __init__(self): self.word_dict = {} def load_word(self, dict_file): self.dict_file = dict_file if not os.path.exists(self.dict_file): raise IOError("NotFoundFile") with file(self.dict_file) as f_obj: for f_line in f_obj.readlines(): try: line = f_line.split(' ') self.word_dict[line[0]] = line[1] except: line = f_line.split(' ') self.word_dict[line[0]] = line[1] def hanzi2pinyin(self, string="", firstcode=False): result = [] if not isinstance(string, unicode): string = string.decode("utf-8") for char in string: key = '%X' % ord(char) value = self.word_dict.get(key, char) outpinyin = str(value).split()[0][:-1].lower() if not outpinyin: outpinyin = char if firstcode: result.append(outpinyin[0]) else: result.append(outpinyin) return result def hanzi2pinyin_split(self, string="", split="", firstcode=False): """提取中文的拼音 @param string:要提取的中文 @param split:分隔符 @param firstcode: 提取的是全拼还是首字母？如果为true表示提取首字母，默认为False提取全拼 """ result = self.hanzi2pinyin(string=string, firstcode=firstcode) return split.join(result) if __name__ == "__main__": test = PinYin() test.load_word('word.data') string = "Java程序性能优化-让你的Java程序更快更稳定" print "in: %s" % string print "out: %s" % str(test.hanzi2pinyin(string=string)) print "out: %s" % test.hanzi2pinyin_split(string=string, split="", firstcode=True) print "out: %s" % test.hanzi2pinyin_split(string=string, split="", firstcode=False)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76

#!/usr/bin/env python # -*- coding:utf-8 -*-   """ 原版代码：https://github.com/cleverdeng/pinyin.py   新增功能：     1、可以传入参数firstcode：如果为true，只取汉子的第一个拼音字母；如果为false，则会输出全部拼音；     2、修复：如果为英文字母，则直接输出；     3、修复：如果分隔符为空字符串，仍然能正常输出；     4、升级：可以指定词典的文件路径 """   __version__ = '0.9' __all__ = [ "PinYin" ]   import os.path     class PinYin ( object ) :      def __init__ ( self ) :          self . word_dict = { }        def load_word ( self , dict_file ) :          self . dict_file = dict_file          if not os.path . exists ( self . dict_file ) :              raise IOError ( "NotFoundFile" )            with file ( self . dict_file ) as f_obj :              for f_line in f_obj . readlines ( ) :                  try :                      line = f_line . split ( '    ' )                      self . word_dict [ line [ 0 ] ] = line [ 1 ]                  except :                      line = f_line . split ( '   ' )                      self . word_dict [ line [ 0 ] ] = line [ 1 ]          def hanzi2pinyin ( self , string = "" , firstcode = False ) :          result = [ ]          if not isinstance ( string , unicode ) :              string = string . decode ( "utf-8" )                   for char in string :              key = '%X' % ord ( char )              value = self . word_dict . get ( key , char )              outpinyin = str ( value ) . split ( ) [ 0 ] [ : - 1 ] . lower ( )              if not outpinyin :                  outpinyin = char              if firstcode :                  result . append ( outpinyin [ 0 ] )              else :                  result . append ( outpinyin )            return result          def hanzi2pinyin_split ( self , string = "" , split = "" , firstcode = False ) :          """提取中文的拼音         @param string:要提取的中文         @param split:分隔符         @param firstcode: 提取的是全拼还是首字母？如果为true表示提取首字母，默认为False提取全拼           """          result = self . hanzi2pinyin ( string = string , firstcode = firstcode )          return split . join ( result )     if __name__ == "__main__" :      test = PinYin ( )      test . load_word ( 'word.data' )      string = "Java程序性能优化-让你的Java程序更快更稳定"      print "in: %s" % string      print "out: %s" % str ( test . hanzi2pinyin ( string = string ) )      print "out: %s" % test . hanzi2pinyin_split ( string = string , split = "" , firstcode = True )      print "out: %s" % test . hanzi2pinyin_split ( string = string , split = "" , firstcode = False )

实例中main函数的代码输出结果

代码使用方法：

如果需要其他的提取，可以修改一下代码实现；

代码（包含词典）打包下载：