python -- pypinyin详解

文档敬上

GitHub: https://github.com/mozillazg/python-pinyin
文档： https://pypinyin.readthedocs.io/zh_CN/master/
PyPi： https://pypi.org/project/pypinyin/

特性

• 根据词组智能匹配最正确的拼音。
• 支持多音字。
• 简单的繁体支持, 注音支持。
• 支持多种不同拼音/注音风格。

安装

pip install pypinyin

装完成之后导入一下这个库，如果不报错，那就说明安装成功了

 import pypinyin

详解

基本用法

from pypinyin import pinyin
print(pinyin('中心'))

# 输出: [['zhōng'], ['xīn']]

多音字

from pypinyin import pinyin
print(pinyin('朝阳', heteronym=True))

# 输出: [['zhāo', 'cháo'], ['yáng']]

不带拼音的输出

import pypinyin
str1 = '你好在哪来'
print(pypinyin.lazy_pinyin(str1))

# 输出: ['ni', 'hao', 'zai', 'na', 'lai']

风格转换

可以对结果进行一些风格转换，比如不带声调风格、标准声调风格、声调在拼音之后、声调在韵母之后、注音风格等等，比如想要声调放在拼音后面，可以这么来实现：

from pypinyin import lazy_pinyin, Style
 
style = Style.TONE3
print(lazy_pinyin('聪明的小兔子', style=style))

输出: ['cong1', 'ming2', 'de', 'xiao3', 'tu4', 'zi']

可以看到运行结果每个拼音后面就多了一个声调，这就是其中的一个风格，叫做 TONE3，其实还有很多风格，下面是我从源码里面找出来的定义：

#: 普通风格，不带声调。如： 中国 -> ``zhong guo``
NORMAL = 0

#: 标准声调风格，拼音声调在韵母第一个字母上（默认风格）。如： 中国 -> ``zhōng guó``
TONE = 1

#: 声调风格2，即拼音声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> ``zho1ng guo2``
TONE2 = 2

#: 声调风格3，即拼音声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> ``zhong1 guo2``
TONE3 = 8

#: 声母风格，只返回各个拼音的声母部分（注：有的拼音没有声母，详见 `#27`_）。如： 中国 -> ``zh g``
INITIALS = 3

#: 首字母风格，只返回拼音的首字母部分。如： 中国 -> ``z g``
FIRST_LETTER = 4

#: 韵母风格，只返回各个拼音的韵母部分，不带声调。如： 中国 -> ``ong uo``
FINALS = 5

#: 标准韵母风格，带声调，声调在韵母第一个字母上。如：中国 -> ``ōng uó``
FINALS_TONE = 6

#: 韵母风格2，带声调，声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> ``o1ng uo2``
FINALS_TONE2 = 7

#: 韵母风格3，带声调，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> ``ong1 uo2``
FINALS_TONE3 = 9

#: 注音风格，带声调，阴平（第一声）不标。如： 中国 -> ``ㄓㄨㄥ ㄍㄨㄛˊ``
BOPOMOFO = 10

#: 注音风格，仅首字母。如： 中国 -> ``ㄓ ㄍ``
BOPOMOFO_FIRST = 11

#: 汉语拼音与俄语字母对照风格，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> ``чжун1 го2``
CYRILLIC = 12

#: 汉语拼音与俄语字母对照风格，仅首字母。如： 中国 -> ``ч г``
CYRILLIC_FIRST = 13

lazy_pinyin与pinyin源码解析

为什么 pinyin 的方法默认带声调，而 lazy_pinyin 方法不带声调，答案就是：它们二者使用的默认风格不同，我们看下它的函数定义就知道了：

pinyin 方法的定义如下：

def pinyin(hans, style=Style.TONE, heteronym=False, errors='default', strict=True)

lazy_pinyin 方法的定义如下：

def lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True)

pinyin 方法默认使用了 TONE 的风格，而 lazy_pinyin 方法默认使用了 NORMAL 的风格，所以就导致二者返回风格不同了。

特殊符号处理

默认不处理特殊符号,例如:

from pypinyin import lazy_pinyin
print(lazy_pinyin('你好♥，我是xxx'))

输出: ['ni', 'hao', '♥，', 'wo', 'shi', 'xxx']

以看到结果中星号和英文字符都作为一个整体并原模原样返回了

error源码如下

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 x in chars)
        else:
            return text_type('%x' % ord(chars))

比如我们想将不能转拼音的字符去掉，则可以这么设置：

from pypinyin import lazy_pinyin
print(lazy_pinyin('你好☆☆，我是xxx', errors='ignore'))

输出: ['ni', 'hao', 'wo', 'shi']

自定义处理，比如把 ☆ 转化为 ※ ，则可以这么设置：

from pypinyin import lazy_pinyin
print(lazy_pinyin('你好☆☆，我是xxx', errors=lambda item: ''.join(['※' if c == '☆' else c for c in item])))

# 输出: ['ni', 'hao', '※※，', 'wo', 'shi', 'xxx']

严格模式

strict 参数，这个参数用于控制处理声母和韵母时是否严格遵循 《汉语拼音方案》标准。

官文:

• 21 个声母： b p m f d t n l g k h j q x zh ch sh r z c s （ y, w 不是声母 ）
• i行的韵母，前面没有声母的时候，写成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(忧)，yan(烟)， yin(因)，yang(央)，ying(英)，yong(雍)。（ y 不是声母 ）
• u行的韵母，前面没有声母的时候，写成wu(乌)，wa(蛙)，wo(窝)，wai(歪)，wei(威)，wan(弯)， wen(温)，wang(汪)，weng(翁)。（ w 不是声母 ）
• ü行的韵母，前面没有声母的时候，写成yu(迂)，yue(约)，yuan(冤)，yun(晕)；ü上两点省略。 （ 韵母相关风格下还原正确的韵母 ü ）
• ü行的韵跟声母j，q，x拼的时候，写成ju(居)，qu(区)，xu(虚)，ü上两点也省略； 但是跟声母n，l拼的时候，仍然写成nü(女)，lü(吕)。（ 韵母相关风格下还原正确的韵母 ü ）
• iou，uei，uen前面加声母的时候，写成iu，ui，un。例如niu(牛)，gui(归)，lun(论)。 （ 韵母相关风格下还原正确的韵母 iou，uei，uen ）

当 strict 为 False 时就是不遵守上面的规则来处理声母和韵母， 比如： y , w 会被当做声母，yu(迂) 的韵母就是一般认为的 u 等

自定义拼音

如果对库返回的结果不满意，我们还可以自定义自己的拼音库，这里用到的方法就有 load_single_dict 和 load_phrases_dict 方法了。

比如上文看到 “朝阳” 两个字的发音默认返回的是 zhao yang，我们想默认返回 chao yang，那可以这么做

from pypinyin import lazy_pinyin, load_phrases_dict

print(lazy_pinyin('朝阳'))
personalized_dict = {
    '朝阳': [['cháo'], ['yáng']]
}
load_phrases_dict(personalized_dict)
print(lazy_pinyin('朝阳'))

# 输出:
 ['zhao', 'yang']
 ['chao', 'yang']

自定义样式

可以注册样式实现自定义，比如将某个拼音前面加上 Emoji 表情，样例：

from pypinyin.style import register
from pypinyin import lazy_pinyin


@register('kiss')
def kiss(pinyin, **kwargs):
    if pinyin == 'me':
        return f':kissing_heart:{pinyin}'
    return pinyin


print(lazy_pinyin('么么哒', style='kiss'))

# 输出: [':kissing_heart:me', ':kissing_heart:me', 'dá']