Python實(shí)現(xiàn)拼音轉(zhuǎn)換
在我們學(xué)習(xí)語言之前,我們一般會(huì)學(xué)習(xí)拼音來認(rèn)識(shí)漢字,并學(xué)會(huì)如何讀漢字。所以,拼音在對于我們語言的重要性不言而喻。
而拼音轉(zhuǎn)換指的是將漢字轉(zhuǎn)為拼音的過程。但是,我們中文博大精深,一般來說某個(gè)字并不僅僅只有一個(gè)讀音,比如“翟”,它作為姓氏可以讀作zhái,作為其他可讀作di。這是就需要結(jié)合上下文,或者說結(jié)合與其組合的詞匯進(jìn)行轉(zhuǎn)換拼音。不僅如此,拼音還有音調(diào),比如一二三四聲表示的意義有時(shí)候也是不一樣的。
本篇博文將介紹字符串到拼音的轉(zhuǎn)換。
拼音轉(zhuǎn)換首先,HanLP庫提供的拼音轉(zhuǎn)換為本位于data/dictionary/pinyin/pinyin.txt文件中。每行分別由=隔開漢字與拼音。其中多音字的拼音數(shù)量多余漢字?jǐn)?shù)量。在實(shí)際的轉(zhuǎn)換過程中,默認(rèn)讀取多音字的第一個(gè)拼音,除非匹配到更長的詞語。
此外,HanLP庫還支持聲母,韻母,音調(diào),音標(biāo)以及輸入法首字母與收聲母功能。當(dāng)然,也能給前文的繁體字轉(zhuǎn)換為拼音。
下面,我們來看一段代碼示例:
if __name__ == '__main__': text = '重載不是重量' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list)
運(yùn)行之后,控制臺(tái)輸出如下:
可以看到,基本上每個(gè)字的拼音都輸出了。如果程序判斷不出來多音字是哪個(gè)聲調(diào),會(huì)輸出其所有的聲調(diào)。比如這里的體輸出了3聲和1聲,重輸出了3聲與2聲。
在python中,我們通過HanLP.convertToPinyinList進(jìn)行漢字與拼音的轉(zhuǎn)換。
輸出音調(diào)鑒于我們已經(jīng)知道了如何轉(zhuǎn)換漢字到拼音,那么我們現(xiàn)在需要實(shí)現(xiàn)的是單獨(dú)獲取每個(gè)漢字的音調(diào),不需要聲調(diào)。現(xiàn)在該如何去實(shí)現(xiàn)呢?不妨先來看看代碼:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '重載不是體重' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list) print('輸出音調(diào)') for pinyin in pinyin_list:print('%s,' % pinyin.getPinyinWithToneMark(), end=' ')
如上面代碼所示,我們獲取了Java的HanLP庫中的Pinyin類,這個(gè)類可以幫我們處理很多的拼音相關(guān)的問題,比如這里的獲取音調(diào)。
運(yùn)行之后,效果如下:
需要注意的是,前面博文已經(jīng)說過了,通過python進(jìn)行HanLP庫使用時(shí),盡量調(diào)用Java類進(jìn)行處理,因?yàn)镴ava類的處理時(shí)間比python快很多。這里我們通過Pinyin類的getPinyinWithToneMark()方法獲取聲調(diào)。
輸出聲調(diào)既然可以只輸出音調(diào),那么肯定也可以單獨(dú)輸出聲調(diào)。具體代碼如下:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '重載不是體重' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list) print('輸出聲調(diào)') for pinyin in pinyin_list:print('%s,' % pinyin.getTone(), end=' ')
運(yùn)行之后,效果如下:
這里我們通過Pinyin類的getTone()方法獲取聲調(diào)。
輸出聲母同樣的,我們還可以輸出聲母。代碼如下:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '重載不是體重' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list) print('rn輸出聲母') for pinyin in pinyin_list:print('%s,' % pinyin.getShengmu(), end=' ')
運(yùn)行之后,效果如下:
這里我們用getShengmu()方法輸出聲母,方法名就是中文意思,很好理解。
輸出韻母接著,我們再來輸出韻母。代碼如下:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '重載不是體重' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list) print('rn輸出韻母') for pinyin in pinyin_list:print('%s,' % pinyin.getYunmu(), end=' ')
運(yùn)行之后,效果如下:
這里我們用getYunmu()方法輸出韻母,方法名就是中文意思,很好理解。
處理數(shù)字拼音除此之外,上面因?yàn)槎际菨h字,所以大家肯定都很好處理成拼音。但是現(xiàn)在很多時(shí)候,中文文本里面并不僅僅只有漢字,也有數(shù)字和英文。但是拼音是漢字獨(dú)有的,那怎么辦呢?
我們先來看看按上面直接處理帶數(shù)字與英文時(shí),效果怎么樣。代碼如下所示:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '我們到2035年就會(huì)稱為世界第一' pinyin_list = HanLP.convertToPinyinList(text) print(pinyin_list)
運(yùn)行之后,效果如下:
可以看到數(shù)字都直接替換為none5,也就是缺失的意義。拼音文件找不到與其匹配的漢語拼音。
而我們實(shí)際在處理中文文檔時(shí),都是保留數(shù)字與英文的并不直接翻譯。其實(shí)這里我們想保留其數(shù)字的話,HanLP.convertToPinyinString()方法就能實(shí)現(xiàn),我們來看看這個(gè)方法的完整定義:
convertToPinyinString(轉(zhuǎn)換為拼音的字符串文本,輸出間隔符,布爾類型)
相信看了上面方法的讀者應(yīng)該很快就知道了,第3個(gè)布爾類型就是轉(zhuǎn)換數(shù)字與保留數(shù)字的關(guān)鍵參數(shù),這里我們再來變換代碼:
if __name__ == '__main__': Pinyin = JClass('com.hankcs.hanlp.dictionary.py.Pinyin') text = '我們到2035年就會(huì)稱為世界第一' pinyin_list = HanLP.convertToPinyinString(text,' ',False) print(pinyin_list)
運(yùn)行之后,我們的英文與數(shù)字就會(huì)原封不動(dòng)的保留下來。效果如下:
到此這篇關(guān)于Python實(shí)現(xiàn)拼音轉(zhuǎn)換的文章就介紹到這了,更多相關(guān)Python 拼音轉(zhuǎn)換內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)!
相關(guān)文章:
1. Java8內(nèi)存模型PermGen Metaspace實(shí)例解析2. python excel和yaml文件的讀取封裝3. python如何實(shí)現(xiàn)word批量轉(zhuǎn)HTML4. python3實(shí)現(xiàn)往mysql中插入datetime類型的數(shù)據(jù)5. moment轉(zhuǎn)化時(shí)間戳出現(xiàn)Invalid Date的問題及解決6. python爬蟲實(shí)戰(zhàn)之制作屬于自己的一個(gè)IP代理模塊7. App啟動(dòng)優(yōu)化-Android性能優(yōu)化8. 詳解docker pull 下來的鏡像都存到了哪里9. Docker鏡像管理常用操作代碼示例10. python編寫實(shí)現(xiàn)抽獎(jiǎng)器
