python汉字转拼音函数_利用python实现汉字转拼音的2种方法

#!/usr/bin/env python

# -*- coding: utf-8 -*-

from __future__import unicode_literals

from copyimport deepcopy

from itertoolsimport chain

from pypinyin.compatimport text_type, callable_check

from pypinyin.constantsimport (

PHRASES_DICT, PINYIN_DICT,

RE_HANS, Style

)

from pypinyin.contribimport mmseg

from pypinyin.utilsimport simple_seg, _replace_tone2_style_dict_to_default

from pypinyin.styleimport auto_discover, convert as convert_style

auto_discover()

def seg(hans):

hans= simple_seg(hans)

ret= []

for xin hans:

if not 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 ret

def load_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]= v

else:

PINYIN_DICT.update(pinyin_dict)

mmseg.retrain(mmseg.seg)

def load_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]= v

else:

PHRASES_DICT.update(phrases_dict)

mmseg.retrain(mmseg.seg)

def to_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 chars

elif errors== 'ignore':

return None

elif errors== 'replace':

if len(chars) >1:

return ''.join(text_type('%x'% ord(x))for xin 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):

# 包含多音字信息

if isinstance(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]]

def single_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 numnot 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)]]

# 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]

def phrase_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, itemin enumerate(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 py

def _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 pys

def pinyin(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

if isinstance(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 pys

def slug(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)

))

def lazy_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']

"""

return list(chain(*pinyin(hans, style=style, heteronym=False,

errors=errors, strict=strict)))