python词频统计西游记_基于Python第三方插件实现西游记章节标注汉语拼音

起因很单纯，就是给我1年级小豆包的女儿标注三国和西游章节的汉语拼音，我女儿每天都朗读 ，结果有很多字不认识，我爱人居然让我给标记不认识的完了手动注音......我勒个去......身为程序员的我怎么能忘记用程序实现呢，特别是咱也会点Python万能语言。哈哈！列举一下使用的技术。

语言：Python3.7

插件：pypinyin0.37.0 和 openpyxl 3.0.3

开发工具：pycharm 社区版

使用openpyxl操作execl的教程多的你无法想。

使用pypinyin将汉字转换成汉语拼音很简单，网络上API一大推。而且简单的不能再简单了，就一句话就实现了。分享点代码：

# 带声调的(默认)

def yinjie(word):

sentens = "".join(word.split())

print(sentens)

s = ''

# heteronym=True开启多音字

for i in pypinyin.pinyin(word, heteronym=False):

s = s + ''.join(i) + " "

return s

这个就足够汉字转拼音了，不过我要求数据结构就没使用这个方法。我把数据结构说一下。

三层二维数组(这个非常关键)：

第一层：单个汉字和汉语拼音构成。

['dì', '第'], ['yī', '一'], ['bǎi', '百'], ['huí', '回']

第二层：按照标题空格分词。

[['dì', '第'], ['yī', '一'], ['bǎi', '百'], ['huí', '回']], [['jìng', '径'], ['huí', '回'], ['dōng', '东'], ['tǔ', '土']], [['wǔ', '五'], ['shèng', '圣'], ['chéng', '成'], ['zhēn', '真']]

第三层：所有标题的集合。

就是第二层的合计，西游记就是100个章节标题集合。

最开始的成果物。这个不好对应也很难阅读。

​

我爱人给了我一个参考事例。如下图：

​

咱也不能示弱，咱也是程序员。咱也会万能的Python。

最开始的目标是将文字写入到word中，所以就用了Python-docx。汉语拼音长短不一这个很难对齐。想计算汉语拼音的长度进而计算汉字的位置......这个算法得多复杂，一个排版算法...我不是大神......

这个玩意其实和数学应用题一样，想到了其实一点也不难，就是弄个表格完了让汉语拼音和汉字居中不就得了。想到这个以后其实一点都不难了。使用Python-docx搞了好久有个问题就是竖版的word放不下汉字和汉语拼音。头疼啊。效果如下图：

​

唉！难道是思路不对。。。

不用Python-docx了。使用openpyxl来操作execl。第一次成果物。看起来还可以。

​

最终的成果物。

​

转成PDF的成果物：

​

继续鼓捣，最终搞定。。。一共花费了近6个小时，时间有点多。其实主要是数据结构和排版耽误时间，在有就是语法，作为Net出身而后转Java的人来说这个…&...就是并且的意思。然而在Python里面他不就是并且是and啊啊啊啊啊！因为这个我改了N多代码调试了好几次，唉深度无语。真是基础不牢地动山摇啊。别废话了上代码：

import pypinyin

from openpyxl import Workbook

from openpyxl.drawing.text import Font

from openpyxl.styles import Font, colors, Alignment

from pulgin.Tools import Tools

class HanZhiAddPinYin:

def __init__(self):

pass

def signWord(self,word):

pinyicontent = pypinyin.pinyin(word, heteronym=False)

word_pinyin = [pinyicontent[0][0], word]

return word_pinyin

def sentences(self,keyWords):

listsentense = []

for duanyu in keyWords.split():

print(duanyu)

duanyu_list = []

for word in duanyu:

duanyu_list.append(self.signWord(word))

listsentense.append(duanyu_list)

print(

listsentense

)

return listsentense

def articles(self,txt_file_path):

article = []

encoding = Tools.get_file_encoding(txt_file_path)

f = open(txt_file_path, "r", encoding=encoding, errors='ignore') # 返回一个文件对象

line = f.readline().strip() # 调用文件的 readline()方法

index = 1

while line:

article.append(self.sentences(line))

line = f.readline()

index = index + 1

f.close()

return article

def builder_execl(self,word_title, save_path, article):

"""

构建execl文件

:param word_title: sheet页面的名词

:param save_path: execl保存路径

:param article: 文章内容集合

:return:

"""

wb = Workbook()

ws = wb.active

ws.title = word_title

ws.sheet_properties.tabColor = "1072BA" # 设置背景

xl_sheet = wb.get_sheet_by_name(word_title)

execl_cell_width = 4.6

for sentences in article:

column_index = 1

# sentences 2行数据

# 获取行数

pinyin_row = xl_sheet.max_row + 1 # 拼音所在的行

hanzi_row = pinyin_row + 1 # 汉字所在的行

sentences_index = 0

for duanyu in sentences: # ['dì', '第'], ['yī', '一'], ['huí', '回']

for sign_word in duanyu: # ['dì', '第']

# region 设置样式

# 设置样式

execl_cell_font = Font(name='华文楷体', size=12, italic=False, color=colors.BLACK, bold=True)

execl_pinyin_row = xl_sheet.cell(row=pinyin_row, column=column_index)

execl_hanzi_row = xl_sheet.cell(row=hanzi_row, column=column_index)

execl_pinyin_row.alignment = Alignment(horizontal='center', vertical='center')

execl_hanzi_row.alignment = Alignment(horizontal='center', vertical='center')

execl_pinyin_row.font = execl_cell_font

execl_hanzi_row.font = execl_cell_font

xl_sheet.column_dimensions['A'].width = 3

xl_sheet.column_dimensions['B'].width = 3

xl_sheet.column_dimensions['C'].width = 3

xl_sheet.column_dimensions['D'].width = execl_cell_width

xl_sheet.column_dimensions['E'].width = execl_cell_width

xl_sheet.column_dimensions['F'].width = execl_cell_width

xl_sheet.column_dimensions['H'].width = execl_cell_width

xl_sheet.column_dimensions['I'].width = execl_cell_width

xl_sheet.column_dimensions['G'].width = execl_cell_width

xl_sheet.column_dimensions['J'].width = execl_cell_width

xl_sheet.column_dimensions['K'].width = execl_cell_width

xl_sheet.column_dimensions['L'].width = execl_cell_width

xl_sheet.column_dimensions['M'].width = execl_cell_width

xl_sheet.column_dimensions['N'].width = execl_cell_width

xl_sheet.column_dimensions['O'].width = execl_cell_width

xl_sheet.column_dimensions['P'].width = execl_cell_width

xl_sheet.column_dimensions['Q'].width = execl_cell_width

xl_sheet.column_dimensions['R'].width = execl_cell_width

xl_sheet.column_dimensions['S'].width = execl_cell_width

xl_sheet.column_dimensions['T'].width = execl_cell_width

xl_sheet.column_dimensions['U'].width = execl_cell_width

xl_sheet.column_dimensions['V'].width = execl_cell_width

xl_sheet.column_dimensions['W'].width = execl_cell_width

# endregion

xl_sheet.cell(row=pinyin_row, column=column_index, value=sign_word[0])

xl_sheet.cell(row=hanzi_row, column=column_index, value=sign_word[1]) # 0 第一百回 1 径回东土 2 五圣成真

# print(sentences_index)

# print(len(duanyu) + len(sentences[0]))

# print(column_index)

if sentences_index == 1 and len(duanyu) + len(sentences[0]) == column_index:#坑人的and

xl_sheet.cell(row=pinyin_row, column=column_index + 1, value="，")

xl_sheet.cell(row=hanzi_row, column=column_index + 1, value="，")

column_index = column_index + 1 # 遇到断句多增加一列向后

column_index = column_index + 1 # 列向后

sentences_index = sentences_index + 1 # 三个短语计数器

wb.save(save_path)