python之pypinyin

Posted 2021-01-13 朱兆筠

python 汉字拼音库　pypinyin

这个库还是很好用的，这个库还是很简单的，中文注解，下面是源码，看注释就可以大致明白方法的意思

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import unicode_literals

from copy import deepcopy
from itertools import chain

from pypinyin.compat import text_type, callable_check
from pypinyin.constants import (
    PHRASES_DICT, PINYIN_DICT,
    RE_HANS, Style
)
from pypinyin.contrib import mmseg
from pypinyin.utils import simple_seg, _replace_tone2_style_dict_to_default
from pypinyin.style import auto_discover, convert as convert_style

auto_discover()


def seg(hans):
    hans = simple_seg(hans)
    ret = []
    for x in hans:
        if not RE_HANS.match(x):   # 没有拼音的字符，不再参与二次分词
            ret.append(x)
        elif PHRASES_DICT:
            ret.extend(list(mmseg.seg.cut(x)))
        else:   # 禁用了词语库，不分词
            ret.append(x)
    return ret


def load_single_dict(pinyin_dict, style=\'default\'):
    """载入用户自定义的单字拼音库

    :param pinyin_dict: 单字拼音库。比如： ``{0x963F: u"ā,ē"}``
    :param style: pinyin_dict 参数值的拼音库风格. 支持 \'default\', \'tone2\'
    :type pinyin_dict: dict
    """
    if style == \'tone2\':
        for k, v in pinyin_dict.items():
            v = _replace_tone2_style_dict_to_default(v)
            PINYIN_DICT[k] = v
    else:
        PINYIN_DICT.update(pinyin_dict)

    mmseg.retrain(mmseg.seg)


def load_phrases_dict(phrases_dict, style=\'default\'):
    """载入用户自定义的词语拼音库

    :param phrases_dict: 词语拼音库。比如： ``{u"阿爸": [[u"ā"], [u"bà"]]}``
    :param style: phrases_dict 参数值的拼音库风格. 支持 \'default\', \'tone2\'
    :type phrases_dict: dict
    """
    if style == \'tone2\':
        for k, value in phrases_dict.items():
            v = [
                list(map(_replace_tone2_style_dict_to_default, pys))
                for pys in value
            ]
            PHRASES_DICT[k] = v
    else:
        PHRASES_DICT.update(phrases_dict)

    mmseg.retrain(mmseg.seg)


def to_fixed(pinyin, style, strict=True):
    """根据拼音风格格式化带声调的拼音.

    :param pinyin: 单个拼音
    :param style: 拼音风格
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母
    :return: 根据拼音风格格式化后的拼音字符串
    :rtype: unicode
    """
    return convert_style(pinyin, style=style, strict=strict, default=pinyin)


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))


def handle_nopinyin(chars, errors=\'default\'):
    py = _handle_nopinyin_char(chars, errors=errors)
    if not py:
        return []
    if isinstance(py, list):
        return py
    else:
        return [py]


def single_pinyin(han, style, heteronym, errors=\'default\', strict=True):
    """单字拼音转换.

    :param han: 单个汉字
    :param errors: 指定如何处理没有拼音的字符，详情请参考
                   :py:func:`~pypinyin.pinyin`
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母
    :return: 返回拼音列表，多音字会有多个拼音项
    :rtype: list
    """
    num = ord(han)
    # 处理没有拼音的字符
    if num not in PINYIN_DICT:
        return handle_nopinyin(han, errors=errors)

    pys = PINYIN_DICT[num].split(\',\')  # 字的拼音列表
    if not heteronym:
        return [to_fixed(pys[0], style, strict=strict)]

    # 输出多音字的多个读音
    # 临时存储已存在的拼音，避免多音字拼音转换为非音标风格出现重复。
    # TODO: change to use set
    # TODO: add test for cache
    py_cached = {}
    pinyins = []
    for i in pys:
        py = to_fixed(i, style, strict=strict)
        if py in py_cached:
            continue
        py_cached[py] = py
        pinyins.append(py)
    return pinyins


def phrase_pinyin(phrase, style, heteronym, errors=\'default\', strict=True):
    """词语拼音转换.

    :param phrase: 词语
    :param errors: 指定如何处理没有拼音的字符
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母
    :return: 拼音列表
    :rtype: list
    """
    py = []
    if phrase in PHRASES_DICT:
        py = deepcopy(PHRASES_DICT[phrase])
        for idx, item in enumerate(py):
            py[idx] = [to_fixed(item[0], style=style, strict=strict)]
    else:
        for i in phrase:
            single = single_pinyin(i, style=style, heteronym=heteronym,
                                   errors=errors, strict=strict)
            if single:
                py.append(single)
    return py


def _pinyin(words, style, heteronym, errors, strict=True):
    """
    :param words: 经过分词处理后的字符串，只包含中文字符或只包含非中文字符，
                  不存在混合的情况。
    """
    pys = []
    # 初步过滤没有拼音的字符
    if RE_HANS.match(words):
        pys = phrase_pinyin(words, style=style, heteronym=heteronym,
                            errors=errors, strict=strict)
        return pys

    py = handle_nopinyin(words, errors=errors)
    if py:
        pys.append(py)
    return pys


def pinyin(hans, style=Style.TONE, heteronym=False,
           errors=\'default\', strict=True):
    """将汉字转换为拼音.

    :param hans: 汉字字符串( ``\'你好吗\'`` )或列表( ``[\'你好\', \'吗\']`` ).
                 可以使用自己喜爱的分词模块对字符串进行分词处理,
                 只需将经过分词处理的字符串列表传进来就可以了。
    :type hans: unicode 字符串或字符串列表
    :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.TONE` 风格。
                  更多拼音风格详见 :class:`~pypinyin.Style`
    :param errors: 指定如何处理没有拼音的字符

                   * ``\'default\'``: 保留原始字符
                   * ``\'ignore\'``: 忽略该字符
                   * ``\'replace\'``: 替换为去掉 ``\\\\u`` 的 unicode 编码字符串
                     (``\'\\\\u90aa\'`` => ``\'90aa\'``)
                   * callable 对象: 回调函数之类的可调用对象。如果 ``errors``
                     参数 的值是个可调用对象，那么程序会回调这个函数:
                     ``func(char)``::

                         def foobar(char):
                             return \'a\'
                         pinyin(\'あ\', errors=foobar)

    :param heteronym: 是否启用多音字
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`
    :return: 拼音列表
    :rtype: list

    :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常

    Usage::

      >>> from pypinyin import pinyin, Style
      >>> import pypinyin
      >>> pinyin(\'中心\')
      [[\'zhōng\'], [\'xīn\']]
      >>> pinyin(\'中心\', heteronym=True)  # 启用多音字模式
      [[\'zhōng\', \'zhòng\'], [\'xīn\']]
      >>> pinyin(\'中心\', style=Style.FIRST_LETTER)  # 设置拼音风格
      [[\'z\'], [\'x\']]
      >>> pinyin(\'中心\', style=Style.TONE2)
      [[\'zho1ng\'], [\'xi1n\']]
      >>> pinyin(\'中心\', style=Style.CYRILLIC)
      [[\'чжун1\'], [\'синь1\']]
    """
    # 对字符串进行分词处理
    if isinstance(hans, text_type):
        han_list = seg(hans)
    else:
        han_list = chain(*(seg(x) for x in hans))
    pys = []
    for words in han_list:
        pys.extend(_pinyin(words, style, heteronym, errors, strict=strict))
    return pys


def slug(hans, style=Style.NORMAL, heteronym=False, separator=\'-\',
         errors=\'default\', strict=True):
    """生成 slug 字符串.

    :param hans: 汉字
    :type hans: unicode or list
    :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。
                  更多拼音风格详见 :class:`~pypinyin.Style`
    :param heteronym: 是否启用多音字
    :param separstor: 两个拼音间的分隔符/连接符
    :param errors: 指定如何处理没有拼音的字符，详情请参考
                   :py:func:`~pypinyin.pinyin`
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`
    :return: slug 字符串.

    :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常

    ::

      >>> import pypinyin
      >>> from pypinyin import Style
      >>> pypinyin.slug(\'中国人\')
      \'zhong-guo-ren\'
      >>> pypinyin.slug(\'中国人\', separator=\' \')
      \'zhong guo ren\'
      >>> pypinyin.slug(\'中国人\', style=Style.FIRST_LETTER)
      \'z-g-r\'
      >>> pypinyin.slug(\'中国人\', style=Style.CYRILLIC)
      \'чжун1-го2-жэнь2\'
    """
    return separator.join(chain(*pinyin(hans, style=style, heteronym=heteronym,
                                        errors=errors, strict=strict)
                                ))


def lazy_pinyin(hans, style=Style.NORMAL, errors=\'default\', strict=True):
    """不包含多音字的拼音列表.

    与 :py:func:`~pypinyin.pinyin` 的区别是返回的拼音是个字符串，
    并且每个字只包含一个读音.

    :param hans: 汉字
    :type hans: unicode or list
    :param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。
                  更多拼音风格详见 :class:`~pypinyin.Style`。
    :param errors: 指定如何处理没有拼音的字符，详情请参考
                   :py:func:`~pypinyin.pinyin`
    :param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`
    :return: 拼音列表(e.g. ``[\'zhong\', \'guo\', \'ren\']``)
    :rtype: list

    :raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常

    Usage::

      >>> from pypinyin import lazy_pinyin, Style
      >>> import pypinyin
      >>> lazy_pinyin(\'中心\')
      [\'zhong\', \'xin\']
      >>> lazy_pinyin(\'中心\', style=Style.TONE)
      [\'zhōng\', \'xīn\']
      >>> lazy_pinyin(\'中心\', style=Style.FIRST_LETTER)
      [\'z\', \'x\']
      >>> lazy_pinyin(\'中心\', style=Style.TONE2)
      [\'zho1ng\', \'xi1n\']
      >>> lazy_pinyin(\'中心\', style=Style.CYRILLIC)
      [\'чжун1\', \'синь1\']
    """
    return list(chain(*pinyin(hans, style=style, heteronym=False,
                              errors=errors, strict=strict)))

View Code

在写代码的时候还是会经常用到的，比如商品排列，姓名按照首字母罗列

１．先讲讲简单的方法解析

from pypinyin import pinyin, lazy_pinyin, Style, load_phrases_dict, load_single_dict
from pypinyin.style import register

print(pinyin(\'你好\'))  # [[\'nǐ\'], [\'hǎo\']]
print(pinyin(\'中心\', heteronym=True))  # 启用多音字模式  # [[\'zhōng\', \'zhòng\'], [\'xīn\']]
print(pinyin(\'中心\', style=Style.FIRST_LETTER))  # 设置拼音风格，第一个字母 [[\'z\'], [\'x\']]
print(pinyin(\'中心\', style=Style.TONE2, heteronym=True))  # [[\'zho1ng\', \'zho4ng\'], [\'xi1n\']]
print(lazy_pinyin(\'中心\'))  # 不考虑多音字的情况 # [\'zhong\', \'xin\']

##########处理不包含拼音的字符
# default (默认行为): 不做任何处理，原样返回:
print(lazy_pinyin(\'你好☆☆\'))  # [\'ni\', \'hao\', \'☆☆\']
# ignore : 忽略该字符
print(lazy_pinyin(\'你好☆☆\', errors=\'ignore\'))  # [\'ni\', \'hao\']
# replace : 替换为去掉 \\u 的 unicode 编码
print(lazy_pinyin(\'你好☆☆\', errors=\'replace\'))  # [\'ni\', \'hao\', \'26062606\']
# callable 对象 : 提供一个回调函数，接受无拼音字符(串)作为参数, 支持的返回值类型: unicode 或 list ([unicode, …]) 或 None 。
print(lazy_pinyin(\'你好☆☆\', errors=lambda x: \'star\'))  # [\'ni\', \'hao\', \'star\']

########### 自定义拼音库
print(lazy_pinyin(\'还没\', style=Style.TONE2))
load_phrases_dict({\'桔子\': [[\'jú\'], [\'zǐ\']]})  # 增加 "桔子" 词组，可以自己定义
print(lazy_pinyin(\'桔子\', style=Style.TONE2))

load_single_dict({ord(\'还\'): \'hái,huán\'})  # 调整 "还" 字的拼音顺序
print(lazy_pinyin(\'还没\', style=Style.TONE2))


###########自定义拼音风格
@register(\'kiss\')
def kiss(mypinyin, **kwargs):
    return \'
以上是关于python之pypinyin的主要内容，如果未能解决你的问题，请参考以下文章
 
 python处理汉字转拼音pypinyin
 pypinyin显示音调数字
 python拼音库pypinyin库详解
 带你玩儿转 “中国汉字”，实力不够，Python来凑！
 识别同音字词pypinyin,  分词 jieba
 Python实现汉字转换拼音