Python给生僻字注拼音(pypinyin库)

周小董

发布于 2019-03-25 10:05:29

1.5K0

发布于 2019-03-25 10:05:29

文章被收录于专栏：python前行者

茕茕孑立沆瀣一气踽踽独行醍醐灌顶绵绵瓜瓞奉为圭臬龙行龘龘犄角旮旯娉婷袅娜涕泗滂沱呶呶不休不稂不莠

这首《生僻字》，考验的是“语文”硬实力。倘若实力不够，其实可以拿Python来凑，毕竟库多！今天就来说一个有意思的pypinyin库，名字很直白，是python版的拼音库，用来将汉字转为拼音。

先来看下代码运行效果：

当然，正规的操作是读取汉字txt文本，通过代码生成注音txt文本：

思路

很简单，拼音库可以把汉字转化为拼音，那我们要做的就是读取文本，获取拼音，最后将文本和拼音重新拼接。高深的算法没有，基本围绕字符串和列表的操作拼接

pypinyin库

首先是安装，pip install pypinyin

装好后引入模块from pypinyin import pinyin

调用 pinyin(“生僻字”)，即可得到拼音列表[['shēng'], ['pì'], ['zì']]

读写txt文本

基本是入门阶段读写txt文件的简单应用：

txt_name = "生僻字"
with open("%s.txt"%txt_name,encoding="UTF-8-sig") as f:
    content = f.read()
    input_str = content
result = transfer(input_str)
print(result)
with open("%s_拼音.txt"%txt_name,'w',encoding='UTF-8-sig') as m:
    m.write(result)

拼接

首先会对读入的文本进行整理，去除多余的空格，将字符串中的汉字与列表中的拼音一一对应并拼接。

由于中文字符占两个字节，以及读写txt时会涉及到编码格式，这部分代码比较费功夫，只能说勉强做到格式整齐吧。

def transfer(text):
    #去除字符串中空格
    no_space_text = ''.join(text.split(" "))
    raw_list = []
    temp = ""
    for i in range(len(no_space_text)):
        if is_Chinese(no_space_text[i]):
            if temp != "":
                raw_list.append(temp)
                temp=""
            raw_list.append(no_space_text[i])
        else:
            temp+=no_space_text[i]
    #生成拼音列表
    pylist = pinyin(no_space_text)

    #将拼音列表和字符串拼接对齐
    text_list = []
    pinyin_list = []

    for i in range(len(raw_list)):
        if is_Chinese(raw_list[i]):
            pinyin_list.append(pylist[i][0].ljust(6, ' '))
            text_list.append(raw_list[i].ljust(5,' '))
        else:
            pinyin_list.append(pylist[i][0])
            text_list.append(raw_list[i])

    pinyin_str = ''.join(pinyin_list)
    text_str = ''.join(text_list)

    pinyin_line_list = pinyin_str.split('\n')
    text_line_list = text_str.split("\n")
    final_result = ""
    for i in range(len(pinyin_line_list)):
        final_result += pinyin_line_list[i] + '\n' + text_line_list[i] + "\n"
    return final_result

回顾

最初接触一个读取剪贴板内容的pyperclip模块，琢磨对剪贴板中字符串如何操作。恰巧听到《生僻字》，觉得既然逐字查拼音是个麻烦事，何不通过Python来批量添加拼音呢？很幸运，还真有大佬写了这个pypinyin库，在Github上也已有1500多颗星了~

完整代码

# -*- coding:utf-8 -*-
from pypinyin import pinyin


def is_Chinese(word):
    for ch in word:
        #通常汉字都在'\u4e00' 和 '\u9fff之间，但是生僻字如“㙓” 位于拓展库 '\u3400' 到 '\u4DB5'之间
        if ('\u4e00' <= ch and ch <= '\u9fff') or ('\u3400' <= ch and ch <= '\u4DB5'):
            return True
    return False

def transfer(text):
    #去除字符串中空格
    no_space_text = ''.join(text.split(" "))
    raw_list = []
    temp = ""
    for i in range(len(no_space_text)):
        if is_Chinese(no_space_text[i]):
            if temp != "":
                raw_list.append(temp)
                temp=""
            raw_list.append(no_space_text[i])
        else:
            temp+=no_space_text[i]
    #生成拼音列表
    pylist = pinyin(no_space_text)

    #将拼音列表和字符串拼接对齐
    text_list = []
    pinyin_list = []

    for i in range(len(raw_list)):
        if is_Chinese(raw_list[i]):
            pinyin_list.append(pylist[i][0].ljust(6, ' '))
            text_list.append(raw_list[i].ljust(5,' '))
        else:
            pinyin_list.append(pylist[i][0])
            text_list.append(raw_list[i])

    pinyin_str = ''.join(pinyin_list)
    text_str = ''.join(text_list)

    pinyin_line_list = pinyin_str.split('\n')
    text_line_list = text_str.split("\n")
    final_result = ""
    for i in range(len(pinyin_line_list)):
        final_result += pinyin_line_list[i] + '\n' + text_line_list[i] + "\n"
    return final_result

def main():
    txt_name = "生僻字"
    #读写txt文档时，encoding="UTF-8-sig"是为了去除utf-8带的BOM头'\ufeff'
    with open("%s.txt"%txt_name,encoding="UTF-8-sig") as f:
        content = f.read()
        input_str = content
    # print('input_str:',input_str)
    result = transfer(input_str)
    print(result)
    with open("%s_拼音.txt"%txt_name,'w',encoding='UTF-8-sig') as m:
        m.write(result)

if __name__ == '__main__':
    main()

代码中有两点，在这记录下：