自然语言分析之汉字转拼音

在自然语言的处理中语义分析中，除了需要拆解字形外，字音有时也能表示含义。另外，在搭建搜索引擎时在搜索词query分析是也会的用到汉字转拼音或拼音转汉字的场景。

Python已经有很多包支持类似的功能，整理出来供后续使用。

pypinyin

主要有三个方法：

pinyin()

将汉字转换为拼音，返回汉字的拼音列表。

def pinyin(hans, style=Style.TONE, heteronym=False,
           errors='default', strict=True,
           v_to_u=False, neutral_tone_with_five=False)

参数说明：

• hans：汉字字符串或列表
• style：指定拼音风格
  • NORMAL = 0 #: 普通风格，不带声调。如： 中国 -> “zhong guo“
  • TONE = 1 #: 标准声调风格，拼音声调在韵母第一个字母上（默认风格）。如： 中国 -> “zhōng guó“
  • TONE2 = 2 #: 声调风格2，即拼音声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> “zho1ng guo2“
  • TONE3 = 8 #: 声调风格3，即拼音声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> “zhong1 guo2“
  • INITIALS = 3 #: 声母风格，只返回各个拼音的声母部分（注：有的拼音没有声母，详见 `#27`_）。如： 中国 -> “zh g“
  • FIRST_LETTER = 4 #: 首字母风格，只返回拼音的首字母部分。如： 中国 -> “z g“
  • FINALS = 5 #: 韵母风格，只返回各个拼音的韵母部分，不带声调。如： 中国 -> “ong uo“
  • FINALS_TONE = 6 #: 标准韵母风格，带声调，声调在韵母第一个字母上。如：中国 -> “ōng uó“
  • FINALS_TONE2 = 7 #: 韵母风格2，带声调，声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> “o1ng uo2“
  • FINALS_TONE3 = 9 #: 韵母风格3，带声调，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> “ong1 uo2“
  • BOPOMOFO = 10 #: 注音风格，带声调，阴平（第一声）不标。如： 中国 -> “ㄓㄨㄥ ㄍㄨㄛˊ“
  • BOPOMOFO_FIRST = 11 #: 注音风格，仅首字母。如： 中国 -> “ㄓ ㄍ“
  • CYRILLIC = 12 #: 汉语拼音与俄语字母对照风格，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> “чжун1 го2“
  • CYRILLIC_FIRST = 13 #: 汉语拼音与俄语字母对照风格，仅首字母。如： 中国 -> “ч г“
  • WADEGILES = 14 #: 威妥玛拼音/韦氏拼音/威式拼音风格，无声调
• heteronym：是否启用多音字
• strict：是否严格遵照《汉语拼音方案》来处理声母和韵母
• v_to_u：无声调相关拼音风格下的结果是否使用 “ü“ 代替原来的 “v“
• neutral_tone_with_five：声调使用数字表示的相关拼音风格下的结果是否使用 5 标识轻声

lazy_pinyin()

将汉字转换为拼音，返回不包含多音字结果的拼音列表

def lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True,
                v_to_u=False, neutral_tone_with_five=False)

参数说明：

• errors：指定如何处理没有拼音的字符

slug()

将汉字转换为拼音，然后生成 slug 字符串。

def slug(hans, style=Style.NORMAL, heteronym=False, separator='-',
         errors='default', strict=True)

参数说明：

• separator：两个拼音间的分隔符/连接符

示例代码：

from pypinyin import pinyin, Style

print(pinyin('重庆'))  # [['chóng'], ['qìng']]
print(pinyin('重庆', style=Style.NORMAL))  # [['chong'], ['qing']]

项目地址：https://github.com/mozillazg/python-pinyin

xpinyin

该Python不支持多音字，不推荐使用。示例：

from xpinyin import Pinyin

p = Pinyin()
print(p.get_pinyin("重庆")) # zhong-qing

项目地址：https://github.com/lxneng/xpinyin

ChineseTone

该包主要功能：

• 支持多音字
• 判断是否为多音字
• 获取拼音的声母部分
• 获取某汉字的所有拼音

项目地址：https://github.com/letiantian/ChineseTone