汉语转拼音工具、新华字典API——两个支持Python的中文资源

整理 | Jane

出品 | AI科技大本营

【导读】平常为大家推荐的资源中，以英语语言占据大多数。今天 AI科技大本营特别要为大家推荐两个跟中文相关的资源工具。先简单介绍下这两个资源工具都是什么。第一个，汉字转拼音的工具——即将中文字符转换成它的拼音。除了支持 JavaScript，还可以支持 Python、Go、Rust 等多种语言。可以说是非常 nice 的一个中文资源工具了。第二个是新华字典的 API，收录包括 14032 条歇后语，16142 个汉字，264434 个词语，31648 个成语。有需要的同学可以收藏留着用，觉得不错记得分享点赞。

汉字转拼音工具

▌功能

将中文字符转换为拼音。可用于汉字注音、排序、检索任务。

▌特性

• 根据词组智能匹配最正确的拼音。
• 支持多音字。
• 简单的繁体支持, 注音支持。
• 支持多种不同拼音/注音风格。

▌支持版本

1.Node.js/JavaScript 版 注：这个版本同时支持在 Node 和 Web 浏览器环境运行；

作者：hotoo；来源：GitHub https://github.com/hotoo/pinyin

2.Python 版

作者：mozillazg；来源：GitHub https://github.com/mozillazg/python-pinyin

3. Go 版

作者：mozillazg；来源：GitHub https://github.com/mozillazg/go-pinyin

4.Rust 版

作者：mozillazg；来源：GitHub https://github.com/mozillazg/rust-pinyin

▌一些注意事项

1.为什么没有 y, w, yu 几个声母？

1>>> from pypinyin import Style, pinyin
2>>> pinyin('下雨天', style=Style.INITIALS)
3[['x'], [''], ['t']]

因为根据 《汉语拼音方案》， y，w，ü (yu) 都不是声母。

声母风格（INITIALS）下，“雨”、“我”、“圆”等汉字返回空字符串，因为根据 《汉语拼音方案》 ， y，w，ü (yu) 都不是声母，在某些特定韵母无声母时，才加上 y 或 w，而 ü 也有其特定规则。 —— @hotoo

如果你觉得这个给你带来了麻烦，那么也请小心一些无声母的汉字（如“啊”、“饿”、“按”、“昂”等）。 这时候你也许需要的是首字母风格（FIRST_LETTER）。 —— @hotoo

参考: hotoo/pinyin#57, #22, #27, #44

如果觉得这个行为不是你想要的，就是想把 y 当成声母的话，可以指定 strict=False ， 这个可能会符合你的预期，详见 strict 参数的影响

1>>> from pypinyin import Style, pinyin
2>>> pinyin('下雨天', style=Style.INITIALS)
3[['x'], [''], ['t']]
4>>> pinyin('下雨天', style=Style.INITIALS, strict=False)
5[['x'], ['y'], ['t']]

2.拼音数据

• 单个汉字的拼音使用 pinyin-data 的数据
• 词组的拼音使用 phrase-pinyin-data 的数据

3.node 版和 web 版有什么异同？

pinyin 目前可以同时运行在 Node 服务器端和 Web 浏览器端。 API 和使用方式完成一致。但 Web 版较 Node 版稍简单，拼音库只有常用字部分，没有使用分词算法， 并且考虑了网络传输对词库进行了压缩处理。

由于分词和繁体中文的特性，部分情况下的结果也不尽相同。由于这些区别，测试不同运行环境的用例也不尽相同。

更多详细安装与使用教程可访问 GitHub 链接进行访问~

各版本 GitHub 地址：

https://github.com/hotoo/pinyin

https://github.com/mozillazg/python-pinyin

https://github.com/mozillazg/go-pinyin

https://github.com/mozillazg/rust-pinyin

新华字典 API

▌介绍

作者本来的目的是想可以实现成语接龙，苦于没有现成可用的数据库，自己就从各个网站抓取整理了一份。所有的数据都作者从网上找的。放在 Github 是为了方便自己的使用，同时也能方便有类似需求的人不用去做这些 trival 的工作。所有抓取数据的脚本都在仓库里。

中华新华字典数据库和 API 。收录包括 14032 条歇后语，16142 个汉字，264434 个词语，31648 个成语。所有的数据放在 data/ 目录。

▌数据库与 API 介绍

1.成语（idiom.json)

2.词语（ci.json）

3.汉字（word.json)

4.歇后语（xiehouyu.json)

使用可访问 GitHub 地址：

https://github.com/pwxcoo/chinese-xinhua