Python 识别中文生成带声调的拼音

本文记录使用 Python pypinyin 库获取中文声调拼音的方法。

pypinyin

将汉字转为拼音。可以用于汉字注音、排序、检索 。

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，威妥玛拼音支持。
• 支持多种不同拼音/注音风格。

相关地址

• Pypi地址：https://pypi.org/project/pypinyin/

• 开源地址：https://github.com/mozillazg/python-pinyin

• 文档地址： https://pypinyin.readthedocs.io/

安装

pip install pypinyin

使用

引入库

import pypinyin
from pypinyin import pinyin

基础用法

向 pinyin 方法输入中文字符，可以自动识别多音字音调。

pinyin('他办事从不草率，效率一向很高')

-->
[['tā'], ['bàn'], ['shì'], ['cóng'], ['bù'], ['cǎo'], ['shuài'], ['，'], ['xiào'], ['lǜ'], ['yí'], ['xiàng'], ['hěn'], ['gāo']]

多音字

在 pinyin 方法中加入参数 heteronym=True 识别多音字

pinyin('冯',heteronym=True)

-->
[['féng', 'píng']]

生成一维嵌套列表

lazy_pinyin 方法可以直接输出一维列表

pypinyin.lazy_pinyin('我收集的材料散失了，散文没法写了')

-->
['wo', 'shou', 'ji', 'de', 'cai', 'liao', 'san', 'shi', 'le', '，', 'san', 'wen', 'mei', 'fa', 'xie', 'le']

音调风格

可以通过 style 参数控制输出拼音格式，常用的风格有下面这14种。

#: 普通风格，不带声调。如： 中国 -> ``zhong guo``
NORMAL  =  0

#: 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``
TONE  =  1

#: 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``
TONE2  =  2

#: 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``
TONE3  =  8

#: 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``
INITIALS  =  3

#: 首字母风格，只返回拼音的首字母部分。如： 中国 -> ``z g``
FIRST_LETTER  =  4

#: 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  =  5

#: 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_TONE  =  6

#: 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_TONE2  =  7

#: 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``
FINALS_TONE3  =  9

#: 注音风格，带声调，阴平（第一声）不标。如： 中国 -> ``ㄓㄨㄥ ㄍㄨㄛˊ``
BOPOMOFO  =  10

#: 注音风格，仅首字母。如： 中国 -> ``ㄓ ㄍ``
BOPOMOFO_FIRST  =  11

#: 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  =  12

#: 汉语拼音与俄语字母对照风格，仅首字母。如： 中国 -> ``ч г``
CYRILLIC_FIRST  =  13

示例：

pinyin('我收集的材料散失了，散文没法写了', style=pypinyin.STYLE_TONE3)

-->
[['wo3'], ['shou1'], ['ji2'], ['de'], ['cai2'], ['liao4'], ['san4'], ['shi1'], ['le'], ['，'], ['san3'], ['wen2'], ['mei2'], ['fa3'], ['xie3'], ['le']]

轻音

轻音默认不做声调标识，如果需要额外标注轻音为5，需要加入参数 neutral_tone_with_five=True：

lazy_pinyin('衣裳', style=Style.TONE3, neutral_tone_with_five=True)

-->
['yi1', 'shang5']

自定义拼音

如果对拼音返回的结果不满意可以自定义词语明确拼音内容，例如：

print(pypinyin.pinyin('又见苍岚'))

-->
[['yòu'], ['jiàn'], ['cāng'], ['lán']]

我想改 见 这个子的拼音，我就自定义一个字典，用 load_phrases_dict 方法加载进去：

personalized_dict = {'又见苍岚':  [['yòu'], ['xiàn'], ['cāng'], ['lán']]}
pypinyin.load_phrases_dict(personalized_dict)

再次输出该词语的拼音就改过来了：

print(pypinyin.pinyin('又见苍岚'))

-->
[['yòu'], ['xiàn'], ['cāng'], ['lán']]

中英混搭

可以自动处理标点符号和中英文编码：

pypinyin.lazy_pinyin("我觉得OK!"))  

-->
['wo', 'jue', 'de', 'OK!']

参考资料

• https://pypi.org/project/pypinyin/
• https://www.jianshu.com/p/483fc43bb662
• http://www.zzvips.com/article/204538.html

文章链接：
https://www.zywvvd.com/notes/coding/python/python-pinyin-tone/python-pinyin-tone/