python中四个汉字用%怎么表示_[编程心得]用Python给汉字加上带音调的拼音

作为一个南方人，拼音没学好那似乎已是一件非常正常的事。什么卷舌音、鼻音，也只有在近几年才算是分清了一部分。但尴尬的事情仍在继续，发短信的时候，总有些字拼得不准；说话的时候，总有些字没有卷舌、或忘了加鼻音……痛定思痛，于是有了一个用SuperMemo来强化拼音的训练方案。

要实现这个方案，得具备两个条件，一是选定汉字范围——舍得选的是一级国标汉字，共计3700余个；二是利用程序将这些汉字转化为拼音，要求拼音带上音调，这个就需要对转换精灵进行适度的改造。

舍得以HzqGhost(小强)童鞋的代码为蓝本，进行了如下的改造：

编码部分采用这份码表：下载地址

源代码为python2.x的，改造为python

3.x;

在给韵母添加声调的部分代码，原代码有个别地方出现错误，在我家傻妹的提醒下，舍得修复了这一错误；

下面是相关的部分代码，分段描述：

1、读入码表文件，转成dict:

fileName = './Mandarin.dat'

self.dict = {}

for line in open(fileName):

k, v = line.split('\t')

self.dict[k] = v

2、然后对传入的中文字符串进行处理：

self.yunmu = ( 'ang','eng','ing','ong','an','en','in','un','ai','ei','ao','ou','iu','er','en','a','o','e','i','u', 'v')

self.sheng = {'a':'ā á ǎ à','o':'ō ó ǒ ò','e':'ē é ě è','i':'ī í ǐ ì','u':'ū ú ǔ ù', 'v':'ǖ ǘ ǚ ǜ'}

result = []

for char in chars:#chars为传入的中文字符串

key = "%X" % ord(char)#将汉字转为utf16编码，“码表”文件中用的是这个编码

try:

py = self.dict[key].split("")[0].strip().lower()#只取查到的拼音第一个值(当有多音字的时候)，同时将结果转为小写

for ym in self.yunmu:

if re.search(ym, py):#匹配

py = getPy(py, ym)

break#只取第一个结果

result.append(py)

except:

result.append(char)

return "".join(result)

原来的self.yunmu设置不合理，在碰到'ui','iu','ie','ue'四个韵母时，音调会标在第一个字母上，舍得在元组中去除了'ui','ie','ue'这三个值，这样在匹配时根据a,o,e,i,u的顺序，这三个韵母的音调才会落在第二个字母上。而对于'iu'这个韵母，则需在下面的getPy里作一个特殊的处理：

3、给匹配到的韵母标上音调：

def getPy(py, ym):

t = py[-1:].encode('ascii','ignore')#‘码表’中返回的拼音字符串最后一位是数字，表示音调值

t2 = "%d" % ord(t)

t3 = (int(t2) - 48)%4 -1

py2 = py[:-len(ym)-1]#声母

if ym == "iu":#如果韵母是iu

letter = self.sheng[ym[1]].split(' ')[t3]#音调字母要标在u上

ym = ym[0] + letter

else:

letter = self.sheng[ym[0]].split(' ')[t3]#其它情况，音调标在第一个字母上

ym = letter + ym[1:]

py = py2 + ym

return py

最终完整的代码如下：

def cnCode(self, chars):

def getPy(py, ym):

t = py[-1:].encode('ascii','ignore')#‘码表’中返回的拼音字符串最后一位是数字，表示音调值

t2 = "%d" % ord(t)

t3 = (int(t2) - 48)%4 -1

py2 = py[:-len(ym)-1]#声母

if ym == "iu":#如果韵母是iu

letter = self.sheng[ym[1]].split(' ')[t3]#音调字母要标在u上

ym = ym[0] + letter

else:

letter = self.sheng[ym[0]].split(' ')[t3]#其它情况，音调标在第一个字母上

ym = letter + ym[1:]

py = py2 + ym

return py

fileName = './Mandarin.dat'

self.dict = {}

for line in open(fileName):

k, v = line.split('\t')

self.dict[k] = v

self.yunmu = ( 'ang','eng','ing','ong','an','en','in','un','ai','ei','ao','ou','iu','er','en','a','o','e','i','u', 'v')

self.sheng = {'a':'ā á ǎ à','o':'ō ó ǒ ò','e':'ē é ě è','i':'ī í ǐ ì','u':'ū ú ǔ ù', 'v':'ǖ ǘ ǚ ǜ'}

result = []

for char in chars:#chars为传入的中文字符串

key = "%X" % ord(char)#将汉字转为utf16编码，“码表”文件中用的是这个编码

try:

py = self.dict[key].split("")[0].strip().lower()#只取查到的拼音第一个值(当有多音字的时候)，同时将结果转为小写

for ym in self.yunmu:

if re.search(ym, py):#匹配

py = getPy(py, ym)

break#只取第一个结果

result.append(py)

except:

result.append(char)

return "".join(result)

调用的时候，只要这样就可以了：

chars = "舍得英语魔法学苑"

print(self.cnCode(chars))

返回的结果如下图所示：

不过舍得通常会读取当前文本，然后按换行符分割，再逐个传入，得到拼音，最后拼成TAB文本，这样就可以利用转换精灵制作成课程了。这里边的细节就不再一一叙述了。

附上最终完成的课程：

本文版权归舍得英语魔法学苑所有，欢迎转载，转载请注明作者和出处。谢谢！

作者：舍得 首发：舍得@学习力博客