Python实现拼音转换-巨人网络通讯

Python实现拼音转换

什么是拼音转换

在我们学习语言之前，我们一般会学习拼音来认识汉字，并学会如何读汉字。所以，拼音在对于我们语言的重要性不言而喻。

而拼音转换指的是将汉字转为拼音的过程。但是，我们中文博大精深，一般来说某个字并不仅仅只有一个读音，比如“翟”，它作为姓氏可以读作zhái，作为其他可读作di。这是就需要结合上下文，或者说结合与其组合的词汇进行转换拼音。不仅如此，拼音还有音调，比如一二三四声表示的意义有时候也是不一样的。

本篇博文将介绍字符串到拼音的转换。

拼音转换

首先，HanLP库提供的拼音转换为本位于data/dictionary/pinyin/pinyin.txt文件中。每行分别由=隔开汉字与拼音。其中多音字的拼音数量多余汉字数量。在实际的转换过程中，默认读取多音字的第一个拼音，除非匹配到更长的词语。

此外，HanLP库还支持声母，韵母，音调，音标以及输入法首字母与收声母功能。当然，也能给前文的繁体字转换为拼音。

下面，我们来看一段代码示例：

if __name__ == "__main__":
    text = "重载不是重量"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)

运行之后，控制台输出如下：

可以看到，基本上每个字的拼音都输出了。如果程序判断不出来多音字是哪个声调，会输出其所有的声调。比如这里的体输出了3声和1声，重输出了3声与2声。

在python中，我们通过HanLP.convertToPinyinList进行汉字与拼音的转换。

输出音调

鉴于我们已经知道了如何转换汉字到拼音，那么我们现在需要实现的是单独获取每个汉字的音调，不需要声调。现在该如何去实现呢？不妨先来看看代码：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "重载不是体重"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)
    print("输出音调")
    for pinyin in pinyin_list:
        print("%s," % pinyin.getPinyinWithToneMark(), end=" ")

如上面代码所示，我们获取了Java的HanLP库中的Pinyin类，这个类可以帮我们处理很多的拼音相关的问题，比如这里的获取音调。

运行之后，效果如下：

需要注意的是，前面博文已经说过了，通过python进行HanLP库使用时，尽量调用Java类进行处理，因为Java类的处理时间比python快很多。这里我们通过Pinyin类的getPinyinWithToneMark()方法获取声调。

输出声调

既然可以只输出音调，那么肯定也可以单独输出声调。具体代码如下：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "重载不是体重"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)
    print("输出声调")
    for pinyin in pinyin_list:
        print("%s," % pinyin.getTone(), end=" ")

运行之后，效果如下：

这里我们通过Pinyin类的getTone()方法获取声调。

输出声母

同样的，我们还可以输出声母。代码如下：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "重载不是体重"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)
    print("\r\n输出声母")
    for pinyin in pinyin_list:
        print("%s," % pinyin.getShengmu(), end=" ")

运行之后，效果如下：

这里我们用getShengmu()方法输出声母，方法名就是中文意思，很好理解。

输出韵母

接着，我们再来输出韵母。代码如下：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "重载不是体重"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)
    print("\r\n输出韵母")
    for pinyin in pinyin_list:
        print("%s," % pinyin.getYunmu(), end=" ")

运行之后，效果如下：

这里我们用getYunmu()方法输出韵母，方法名就是中文意思，很好理解。

处理数字拼音

除此之外，上面因为都是汉字，所以大家肯定都很好处理成拼音。但是现在很多时候，中文文本里面并不仅仅只有汉字，也有数字和英文。但是拼音是汉字独有的，那怎么办呢？

我们先来看看按上面直接处理带数字与英文时，效果怎么样。代码如下所示：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "我们到2035年就会称为世界第一"
    pinyin_list = HanLP.convertToPinyinList(text)
    print(pinyin_list)

运行之后，效果如下：

可以看到数字都直接替换为none5，也就是缺失的意义。拼音文件找不到与其匹配的汉语拼音。

而我们实际在处理中文文档时，都是保留数字与英文的并不直接翻译。其实这里我们想保留其数字的话，HanLP.convertToPinyinString()方法就能实现，我们来看看这个方法的完整定义：

convertToPinyinString(转换为拼音的字符串文本,输出间隔符,布尔类型)

相信看了上面方法的读者应该很快就知道了，第3个布尔类型就是转换数字与保留数字的关键参数，这里我们再来变换代码：

if __name__ == "__main__":
    Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
    text = "我们到2035年就会称为世界第一"
    pinyin_list = HanLP.convertToPinyinString(text," ",False)
    print(pinyin_list)

运行之后，我们的英文与数字就会原封不动的保留下来。效果如下：