python识别一段由字母组成的字符串是拼音还是英文单词

Posted 2020-11-02 Just do it!

环境：win10 python3.6

先说一下算法思想：

首先建立本地拼音库(不带声调)。使用贪婪算法将字符串从左向右扫描，将字符串与本地拼音库(这里提供给大家一个)进行匹配，当发现匹配成功时继续扫描，直到不匹配或者结尾为止。重复这个过程

下面是python代码：

def pinyin_or_word(string):
    ‘‘‘
    judge a string is a pinyin or a english word.
    pinyin_Lib comes from a txt file.
    ‘‘‘
    string = string.lower()
    stringlen = len(string)
    result = []
    while True:
        i_list = []
        for i in range(1,stringlen+1):
            if string[0:i] in pinyin_Lib:
                i_list.append(i)
        if len(i_list) == 0:
            print("这是一个英语单词！")
            temp_result = []
            break
        else:
            temp = max(i_list)
            result.append(string[0:temp])
            string = string.replace(string[0:temp],‘‘)
            stringlen = len(string)
            if stringlen == 0:
#                print("这是一个拼音！")
#                print(result)
                break
    return result

In [1]: pinyin_or_word("woaizhongguo")
Out[1]: [‘wo‘, ‘ai‘, ‘zhong‘, ‘guo‘]

这里我封装成了一个函数：传参为字符串，输出“拼音+拼音长度”或者判定英文。

其实这个算法是有缺陷的：

①比如你输入一个英文单词‘open‘，将返回拼音‘o‘+‘pen‘

②虽说是判断拼音或单词，但是主要应该说是判断拼音，不能严格判断单词，想要精确判断，需添加单词库。

关于第二点这个容易修复，第一点暂时想不到解决方法，倘若哪位大侠可以想到，还望指教。