Python：如何将字符串“ub”添加到字符串中的每个发音元音？

Posted 2023-02-23

【中文标题】Python：如何将字符串“ub”添加到字符串中的每个发音元音？

【英文标题】：Python: How to prepend the string 'ub' to every pronounced vowel in a string?

【发布时间】：2012-03-19 07:52:29

【问题描述】：

示例：说话 -> Spubeak，more info here

不要给我一个解决方案，而是指出我正确的方向或告诉我可以使用哪个 python 库？我正在考虑正则表达式，因为我必须找到一个元音，但是我可以使用哪种方法在元音前面插入“ub”？

【问题讨论】：

首先，您需要一本带发音的正确词典。然后你必须意识到 little、acre、nth 和 psst 都是不运动的词- 传统元音，因为 little 和 acre 中的 e 是无声的，但它们有两个音节，证明 l 和 r 是这些词中的元音。当然m是两音节词rhythm中的元音。类似地，nth 和 psst 在这两个单音节词中显然有 n 和 s 作为元音。 fire 和 fiery 有多少个音节？ queue 有多少个元音？ Y 在 spy 中是元音，但在 yes 中不是。

【参考方案1】：

它比简单的正则表达式更复杂e.g.,

"Hi, how are you?" → "Hubi, hubow ubare yubou?"

简单的正则表达式不会发现e 在are 中不发音。

您需要一个提供发音词典的库，例如nltk.corpus.cmudict：

from nltk.corpus import cmudict # $ pip install nltk
# $ python -c "import nltk; nltk.download('cmudict')"

def spubeak(word, pronunciations=cmudict.dict()):
    istitle = word.istitle() # remember, to preserve titlecase
    w = word.lower() #note: ignore Unicode case-folding
    for syllables in pronunciations.get(w, []):
        parts = []
        for syl in syllables:
            if syl[:1] == syl[1:2]:
                syl = syl[1:] # remove duplicate
            isvowel = syl[-1].isdigit()
            # pronounce the word
            parts.append('ub'+syl[:-1] if isvowel else syl)
        result = ''.join(map(str.lower, parts))
        return result.title() if istitle else result
    return word # word not found in the dictionary

例子：

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

sent = "Hi, how are you?"
subent = " ".join(["".join(map(spubeak, re.split("(\W+)", nonblank)))
                   for nonblank in sent.split()])
print('"" → ""'.format(sent, subent))

输出

“嗨，你好吗？” → “Hubay, hubaw ubar yubuw？”

注意：它与第一个示例不同：每个单词都替换为其音节。

【讨论】：

我还没有看到任何可以正确识别 spY、AcRe、fire、fiery、littLe、rhYthM、queUe、Nth、pSst、yEarlY 的方法，但是那些肯定是用来测试它的好东西。

你必须开始重新拼写它们。间谍 -> spubai, acre -> ubay-cubre, firey -> fuba-iubur-ubee

【参考方案2】：

您可以使用正则表达式进行替换。见re.sub。

例子：

>>> import re
>>> re.sub(r'(e)', r'ub\1', 'speak')
'spubeak'

您需要阅读正则表达式组等的文档。您还需要弄清楚如何匹配不同的元音，而不仅仅是示例中的那个。

有关在 Python 中使用正则表达式制作发音词典的一些好主意（和代码），请查看此链接，它是 Cainteoir 项目的设计页面之一：http://rhdunn.github.com/cainteoir/rules.html

Cainteoir 的文本转语音规则引擎设计（尚未完全实现）使用正则表达式。另请参阅 Pronunciation Dictionaries and Regexes，Cainteoir 作者的另一篇文章。

【讨论】：

-1：正则表达式将无法区分发音元音和静音元音。

@Platinum 首先，OP专门要求一个非解决方案，只是在元音前面替换的一种方法。其次，您绝对可以编写一个正则表达式来区分发音元音和静音元音。您真的认为无法使用正则表达式实现文本到语音合成器吗？如果您不能编写正则表达式来识别口语元音，您如何将其解析为人？

@Platinum 这里有一个链接，它描述了如何使用正则表达式生成发音词典：rhdunn.github.com/cainteoir/rules.html

不，您没有阅读问题标题。 Python：如何将字符串“ub”添加到字符串中的每个发音元音（强调我的）。

@Platinum 您还应该读到 OP 写道“不要给我解决方案，但要指出我正确的方向”。这是问题的一部分......

【参考方案3】：

正则表达式确实是最好的方法。如果您不确定如何继续，请检查捕获组的工作方式，以及如何将它们包含在替换中。

【讨论】：

-1：正则表达式将无法区分发音元音和静音元音。

好吧，我不是以英语为母语的人，所以我无法反驳...... OP 要求指点来帮助他处理任务，而不是一个彻底的解决方案，我建议一些他可能不知道的正则表达式的特性。但我从来没有声称一个单一的正则表达式替换就可以做到这一点。

公平地说，如果 OP 有一种方法来识别发音元音，一种修改字符串以标记这些元音的方法，那么正则表达式替换可能会进行适当的字符串替换。再说一次，前面提到的“标记”可以以添加ub 的形式出现，从而使正则表达式部分变得不必要。更糟糕的是，原来的问题仍然存在。