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->“zhongguo“
  • 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->“zhōngguó“
  • 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->“zho1ngguo2“
  • 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->“zhong1guo2“
  • 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->“zhg“
  • FIRST_LETTER=4 #:首字母风格，只返回拼音的首字母部分。如：中国->“zg“
  • 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->“onguo“
  • 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->“ōnguó“
  • 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->“o1nguo2“
  • 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->“ong1uo2“
  • BOPOMOFO=10 #:注音风格，带声调，阴平（第一声）不标。如：中国->“ㄓㄨㄥㄍㄨㄛˊ“
  • BOPOMOFO_FIRST=11 #:注音风格，仅首字母。如：中国->“ㄓㄍ“
  • 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->“чжун1го2“
  • CYRILLIC_FIRST=13 #:汉语拼音与俄语字母对照风格，仅首字母。如：中国->“чг“
  • 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