#!/usr/bin/env python
# This file has following encoding: utf-8
######################## 模块导入 ########################
import os, re
######################## 全局变量 ########################
# 三种字符集标志
GB18030, GBK, UTF8 = "gb18030", "gbk", "utf8"
# 字符编码页解码失败标志
decodingFailed = False # 初始状态：关闭
# 正则表达式替换命令元组和内部标志
cmdPairTuple = tuple() # 预备空对象
PATTERN, SUBST = 0, 1 # 匹配段和替换段
# 经过编译的正则表达式对象列表
reList = [] # 预备空对象
# 创建正则表达式替换命令元组的默认设置表（固定集合对象）
defaultPrefSet = frozenset([
### 以下各行字符串，凡行首用#号注释者均表示无效；
### 凡行首未用#号注释者均有效，效用如后面注释所述：
# "NUMBER_2_BY_AR4", # 数字“二”有大开口度韵腹
# "AI_INC_NEAR_OPEN_FRONT", # ai/uai韵腹为舌面前次开元音
# "AIR_ANR_INC_NEAR_OPEN_CENTRAL", # air/anr韵腹为舌面央次低元音
# "CENTRAL_A_BY_SMALLCAPS_A", # “央a”采用小型大写[A]标明
# "IE_YUE_INC_SMALLCAPS_E", # ie/yue采用小型大写[E]标明
# "IE_YUE_INC_E", # ie/yue采用[e]标明（覆盖上一条）
# "IAN_YUAN_AS_AN", # ian/yuan韵腹和an一样
# "ONLY_YUAN_AS_AN", # 仅yuan韵腹和an一样（覆盖上一条）
# "OU_INC_SCHWA", # ou/iou采用舌面央中元音韵腹
# "IONG_BY_IUNG", # iong韵母采用i韵头u韵腹
# "ASPIRATE_BY_TURNED_COMMA", # 采用反逗号弱送气符号
# "RHOTICITY_BY_RHOTIC_HOOK", # 儿化韵卷舌动作采用卷舌小钩
# "ONLY_ER_BY_RHOTIC_HOOK", # 只有er音节卷舌动作采用卷舌小钩
# "INITIAL_R_BY_VED_RETRO_FRIC", # 声母r为卷舌浊擦音而非卷舌通音
# "R_TURNED_WITH_HOOK", # 严格采用卷舌通音符号
# "TRANSITIONAL_SCHWA_IN_ING", # ing有舌面央中元音韵腹
# "TRANSITIONAL_SCHWA_IN_UEN", # 合口un有舌面央中元音韵腹
# "NO_TRANSITIONAL_U", # bo/po/mo/fo没有[u]韵头
# "SYLLABLE_JUNCTURE_BY_PLUS", # 音节间断采用开音渡+号而非.号
# "HTML_SUP_TAG_FOR_TONE_VALUE", # 调值采用HTML上标标签格式
# "HIDE_ALL_TONE_VALUE", # 隐藏所有声调转换
### 以下选项仅存设想，目前尚未实现：
# "RETROFLEX_INITIAL_STANDALONE", # 卷舌声母可成音节而无需舌尖元音
# "ZERO_INITIAL_HAS_CONSONANT", # 零声母有辅音
])
# 正则表达式替换命令元组一揽子创建设置方案（元组，[0]位为说明）
recipeLinWang1992 = ( U"林焘、王理嘉《语音学教程》",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "AI_INC_NEAR_OPEN_FRONT"
)
recipeBeidaCN2004 = ( U"北京大学中文系《现代汉语》（重排本）",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC",
"TRANSITIONAL_SCHWA_IN_UEN", "IONG_BY_IUNG", "IAN_YUAN_AS_AN"
)
recipeHuangLiao2002 = (U"黄伯荣、廖序东《现代汉语》（增订三版）",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "CENTRAL_A_BY_SMALLCAPS_A",
"TRANSITIONAL_SCHWA_IN_UEN", "ONLY_YUAN_AS_AN", "ONLY_ER_BY_RHOTIC_HOOK",
"INITIAL_R_BY_VED_RETRO_FRIC"
)
recipeYangZhou1995 = ( U"杨润陆、周一民《现代汉语》（北师大文学院教材）",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "TRANSITIONAL_SCHWA_IN_UEN",
"INITIAL_R_BY_VED_RETRO_FRIC"
)
recipeYuan2001 = ( U"袁家骅等《汉语方言概要》（第二版重排）",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC",
"ONLY_ER_BY_RHOTIC_HOOK", "IAN_YUAN_AS_AN", "TRANSITIONAL_SCHWA_IN_UEN",
"IE_YUE_INC_E"
)
recipeTang2002 = ( U"唐作藩《音韵学教程》（第三版）",
"NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC",
"ONLY_ER_BY_RHOTIC_HOOK", "IAN_YUAN_AS_AN", "TRANSITIONAL_SCHWA_IN_UEN",
"IE_YUE_INC_E", "OU_INC_SCHWA"
)
#############www.iplaypy.com 函数声明 ########################
def createCmdPairTuple(prefSet = defaultPrefSet):
U"""创建正则表达式替换命令元组
然后编译便于反复使用的匹配段正则表达式对象列表
参数prefSet是一个控制命令元组创建的选项设置序列"""
### 预先处理同系列设置的覆盖关系——defaultPrefSet也可能让人动了手脚
prefSet = set(prefSet) # 先换为可变集合副本，以防固定类型参数
if "IE_YUE_INC_E" in prefSet and "IE_YUE_INC_SMALLCAPS_E" in prefSet:
prefSet.remove("IE_YUE_INC_SMALLCAPS_E")
if "ONLY_YUAN_AS_AN" in prefSet and "IAN_YUAN_AS_AN" in prefSet:
prefSet.remove("IAN_YUAN_AS_AN")
global cmdPairTuple
cmdPairTuple = (
### 转换声母前的预处理
# 音节间断与隔音符号
(UR"([aoeiuvüê][1-5]?)([yw])", # a/o/e前有元音时必须写隔音符号
UR"1'2"), # 标明不必写出隔音符号的音节间断
(UR"'", (UR"+" if "SYLLABLE_JUNCTURE_BY_PLUS" in prefSet else
UR".")), # 音节间断（开音渡）标记
# 兼容正规的印刷体字母ɡ/ɑ->g/a
(UR"ɡ", UR"g"),
(UR"ɑ", UR"a"),
# 特殊的ê韵母，只能搭配零声母（“诶”字等）
(UR"(ê|ea)", UR"ɛ"), # ea是ê的GF 3006表示
# 消除因可以紧邻韵腹充当声母或韵尾的辅音的歧义
(UR"r([aoeiu])", UR"R1"), # 声母r暂改为R，以免与卷舌标志r混淆
(UR"n([aoeiuvü])", UR"N1"), # 声母n暂改为N，以免与韵尾n/ng混淆
# 需要排除式匹配转换的韵母
(UR"ng(?![aeu])", UR"ŋ"), # 双字母ng，后鼻音韵尾或自成音节
(UR"(?
UR"ɤ"), # 单韵母e，此前已转换ea和声母r/n
(UR"(?
(UR"ar4" if "NUMBER_2_BY_AR4" in prefSet else
UR"er4")), # 数字“二”是否有大开口度韵腹
(UR"(?
(UR"a˞4" if "ONLY_ER_BY_RHOTIC_HOOK" in prefSet else
UR"ar4")), # 数字“二”也属于er音节，可特别选用小钩
(UR"a(?![ionŋ])", (UR"ᴀ" if "CENTRAL_A_BY_SMALLCAPS_A" in prefSet else
UR"a")), # “央a”是否用小型大写[A]标明，已转换“二”
(UR"(?
(UR"ə˞" if "ONLY_ER_BY_RHOTIC_HOOK" in prefSet else
UR"ər")), # 一般的卷舌单韵母er，此前已排除“二”
(UR"(?
(UR"(?<=[bpmf])o(?![uŋ])",
(UR"o" if "NO_TRANSITIONAL_U" in prefSet else
UR"uo")), # bo/po/mo/fo是否有韵头u
### 声母——无需转换m/f/n/l/s/r(但r可根据设置执行转换)
# 送气清辅音声母
(UR"([ptk])", UR"1ʰ"),
(UR"q", UR"tɕʰ"),
(UR"(ch|ĉ)", UR"tʂʰ"), # 后者是ch的注音变体
(UR"c", UR"tsʰ"), # 此前已排除ch
# 不送气清辅音声母
(UR"b", UR"p"), # 此前已排除送气的p/t/k
(UR"d", UR"t"),
(UR"g", UR"k"), # 此前已排除后鼻音双字母中的g，注意隔音
(UR"j", UR"tɕ"),
(UR"(zh|ẑ)", UR"tʂ"), # 后者是zh的注音变体
(UR"z", UR"ts"), # 此前已排除zh
# 擦音声母
(UR"(sh|ŝ)", UR"ʂ"), # 后者是sh的注音变体
(UR"x", UR"ɕ"), # 声母x，排除后再转换h
(UR"h", UR"x"), # 声母h，此前已排除zh/ch/sh
### 韵母
# 舌尖元音韵母
(UR"(sʰ?)i", UR"1ɿ"), # zi/ci/si
(UR"([ʂR]ʰ?)i", UR"1ʅ"), # zhi/chi/shi/ri
# 部分韵腹省略表示的韵母+隔音符号和韵头w/y
(UR"iu", UR"iou"), # 无需转换iou
(UR"ui", UR"uei"), # 无需转换uei
(UR"wu?", UR"u"),
(UR"yi?", UR"i"), # 此前已排除iu
# 韵头[i]/[y]的韵母
(UR"iu|[üv]", UR"y"), # 转换ü/v，恢复yu/yue，准备yuan/yun
(UR"ian", (UR"ian" if "IAN_YUAN_AS_AN" in prefSet else
UR"iɛn")), # 是否认为ian韵腹和an一样
(UR"yan", (UR"yan" if ("ONLY_YUAN_AS_AN" in prefSet)
or ("IAN_YUAN_AS_AN" in prefSet) else
UR"yɛn")), # 是否认为yuan韵腹和an一样（覆盖上一选项）
(UR"(ɕʰ?)uan", (UR"
2964
1yan" if ("ONLY_YUAN_AS_AN" in prefSet)
or ("IAN_YUAN_AS_AN" in prefSet) else
UR"1yɛn")), # {j/q/x}uan，是否认为和an一样
(UR"(ɕʰ?)u", UR"1y"), # {j/q/x}u{e/n}韵头，此前已排除{j/q/x}uan
(UR"([iy])e(?!n)", (UR"1ᴇ" if "IE_YUE_INC_SMALLCAPS_E" in prefSet else
UR"1e")), # ie/yue/üe/ve，此前已转换{j/q/x}u
(UR"([iy])e(?!n)", (UR"1e" if "IE_YUE_INC_E" in prefSet else
UR"1ɛ")), # ie/yue是否采用[e]标明，此前已判断[E]
# 舌面央中元音轻微过渡韵腹
(UR"iŋ", (UR"iəŋ" if "TRANSITIONAL_SCHWA_IN_ING" in prefSet else
UR"iŋ")), # ing是否有舌面央中元音韵腹
(UR"(un|uen)", (UR"uən" if "TRANSITIONAL_SCHWA_IN_UEN" in prefSet else
UR"un")), # 合口un/uen过渡，此前已排除撮口[j/q/x]un
# 后移的a
(UR"ao", UR"ɑu"), # 包括ao/iao，o改为u
(UR"aŋ", UR"ɑŋ"), # 包括ang/iang/uang
# 韵母en/eng韵腹是舌面央中元音
(UR"e([nŋ])", UR"ə1"),
# ong类韵母
(UR"ioŋ", (UR"iuŋ" if "IONG_BY_IUNG" in prefSet else
UR"yŋ")), # iong的两种转换，此前yong已转换为iong
(UR"oŋ", UR"uŋ"), # ong，此前已排除iong
### 儿化音变——无需转换ar/ir/ur/aur/our/yur
# 舌尖元音韵母
(UR"[ɿʅ]r", UR"ər"), # {zh/ch/sh/r/z/c/s}ir
# 鼻韵尾脱落和相应的韵腹元音替换
(UR"[aɛ][in]r",(UR"ɐr" if "AIR_ANR_INC_NEAR_OPEN_CENTRAL" in prefSet else
UR"ar")), # air/anr韵尾脱落后的韵腹替换
(UR"eir|ənr", UR"ər"), # eir韵腹央化，韵尾脱落；enr韵尾脱落
(UR"([iy])r", UR"1ər"), # ir/yr增加央化韵腹
(UR"([iuy])nr", UR"1ər"), # inr/ynr/unr韵尾脱落后增加央化韵腹
(UR"iuŋr", UR"iũr"), # iungr(iongr的可选变换)
(UR"([iuy])ŋr", UR"1ə̃r"), # ingr/yngr/ungr韵尾脱落后增加央化鼻化韵腹
(UR"ŋr", UR"̃r"), # ang/eng韵尾儿化脱落后韵腹鼻化
### 声母、韵母转换的善后扫尾工作
# 处理儿化韵卷舌动作
(UR"r", (UR"˞" if "RHOTICITY_BY_RHOTIC_HOOK" in prefSet else
UR"r")), # 是否先把儿化韵卷舌动作改为卷舌小钩
(UR"R", (UR"ʐ" if "INITIAL_R_BY_VED_RETRO_FRIC" in prefSet else
UR"r")), # 恢复声母r，是否采用卷舌浊擦音表示声母r
# 此前已处理完卷舌动作和声母，现在处理剩下的r字符的可选转换
(UR"r", (UR"ɻ" if "R_TURNED_WITH_HOOK" in prefSet else
UR"r")), # 是否严格采用卷舌通音符号[ɻ]
# 恢复声母n
(UR"N", UR"n"), # 此前已处理完单元音韵母e和ie/yue
# 其他选项
(UR"ʰ", (UR"ʻ" if "ASPIRATE_BY_TURNED_COMMA" in prefSet else
UR"ʰ")), # 是否采用反逗号送气符号
(UR"ai", (UR"æi" if "AI_INC_NEAR_OPEN_FRONT" in prefSet else
UR"ai")), # （非儿化的）ai/uai韵腹为舌面前次开元音
(UR"ou", (UR"əu" if "OU_INC_SCHWA" in prefSet else
UR"ou")), # ou/iou是否采用舌面央中元音韵腹
### 声调
# 先期处理
((UR"[1-5]" if "HIDE_ALL_TONE_VALUE" in prefSet else
UR"5"), UR""), # 只隐藏轻声还是隐藏所有的声调转换
(UR"([1-4])",
(UR"1" if "HTML_SUP_TAG_FOR_TONE_VALUE" in prefSet else
UR"(1)")), # 隔离单个数字调号
# 标出普通话调值
("([(>])1([)<])", UR"1 552"), # 阴平（第一声）
("([(>])2([)<])", UR"1 352"), # 阳平（第二声）
("([(>])3([)<])", UR"1 2142"), # 上声（第三声）
("([(>])4([)<])", UR"1 512"), # 去声（第四声）
("([(>]) ([235])",UR"12") # 去掉此前标调值时加上的空格
)
### 以上，替换命令元组创建完成！
# 编译正则表达式对象，以便反复使用
global reList
reList = map(re.compile, [pair[PATTERN] for pair in cmdPairTuple])
def decodeLine(encodedLine):
U"""对每一行拼音字符串做字符编码页解码"""
try:
decodedLine = encodedLine.decode(UTF8)
except UnicodeDecodeError: # 如果不是UTF-8
try:
decodedLine = encodedLine.decode(GB18030)
except UnicodeDecodeError: # 如果GB-18030也不行
decodedLine = "" + os.linesep # 解码失败，只能清空
global decodingFailed
decodingFailed = True # 设置字符编码页解码失败标志
except UnicodeEncodeError: # wx中可能出现编码错误
decodedLine = encodedLine
return decodedLine
def msgOnDecodingFailure(fileName = "标准输入流"):
U"""针对字符编码页解码失败的文件在事后通过标准错误流提出警告"""
global decodingFailed
if decodingFailed: # 检查上次文件处理中是否出现解码错误
sys.stderr.write((U"%s警告：%s解码失败！"%(sys.argv[0], fileName)).encode(GBK) + os.linesep)
decodingFailed = False # 重置字符集码页解码失败标志为关闭
def convertLine(pinyinLine):
U"""对每一行拼音字符串依次执行全部替换命令，像流编辑器sed一样工作"""
# 以单个“#”开头的行不转换，当作注释行
if pinyinLine.startswith("#") and not pinyinLine.startswith("##"):
return pinyinLine[1:] # 去掉开头的“#”后再返回
# 以两个“#”开头的行，只保留一个“#”，然后继续
if pinyinLine.startswith("##"):
pinyinLine = pinyinLine[1:]
ipaLine = pinyinLine.lower() # 大写字母在替换过程中另有意义
for eachRe, eachCmdPair in zip(reList, cmdPairTuple):
ipaLine = eachRe.sub(eachCmdPair[SUBST], ipaLine)
return ipaLine
def convertPinyin2IPA(pinyinLines, linesep=""):
U"""将汉语拼音文稿转换为国际音标文稿
参数pinyinLines是输入的字符串序列
参数linesep是行分隔符（对于fp.readlines()或s.splitlines(True)的输入，缺省即可）"""
# 逐行处理解码和转换，有利于减少解码带来的乱码行
ipaLines = map(convertLine, map(decodeLine, pinyinLines))
return linesep.join(ipaLines).encode(UTF8) # 必须按UTF-8再encode一下
######################## 主干函数 ########################
def Pinyin2IPA(pinyinLines, *prefs):
U"""创建转换命令，并将汉语拼音文稿转换为国际音标文稿
参数pinyinLines可以是字符串序列或单个字符串（后者也会包装进元组）
参数收集元组prefs是一个控制命令元组创建的选项设置表"""
# 根据设置表创建替换命令元组（设置表缺省时提供默认值）
if not prefs:
prefs = defaultPrefSet
createCmdPairTuple(prefs)
# 将单个字符串包装进元组，以便逐行处理
#www.iplaypy.com
if isinstance(pinyinLines, str):
pinyinLines = (pinyinLines, )
return convertPinyin2IPA(pinyinLines)
######################## 直接运行 ########################
if __name__ == '__main__':
import glob, locale, sys
globFailMsg = U"%s错误：参数“%s”不能匹配任何有效的文件名！".encode(GBK) + os.linesep
readFailMsg = U"%s错误：文件“%s”数据读取失败！".encode(GBK) + os.linesep
if len(sys.argv) > 1:
if sys.argv[1].lower() not in ("/?", "/h", "--help", "-h"):
for eachArg in sys.argv[1:]: # 遍历glob表达式参数
fileNameList = glob.glob(eachArg) # 考虑DOS不负责glob解析
if not fileNameList:
sys.stderr.write(globFailMsg%(sys.argv[0], eachArg))
else:
for eachFileName in fileNameList:
try:
sys.stdout.write(Pinyin2IPA(open(eachFileName, 'r').readlines()))
msgOnDecodingFailure(U"文件“%s”"%eachFileName)
except IOError:
sys.stderr.write(readFailMsg%(sys.argv[0], eachFileName))
else: # 按照本地设置的编码方式输出模块文档作为简单帮助
language_dummy, encoding = locale.getdefaultlocale()
print (__doc__%(sys.argv[0], sys.argv[0])).encode(encoding)
else:
sys.stdout.write(Pinyin2IPA(sys.stdin.readlines()))
msgOnDecodingFailure()
######################## 脚本结束 ########################
211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
