Python汉字转拼音详解编程语言

使用字典和转换程序,将汉字转换为拼音,配置好之后,可以转换为汉字拼音首字符和汉字全拼.这个使用一个字典和转化程序就行.网上有一个署名为caocao的人做了一个python的汉字转拼音的模块.

最原始的程序参考这篇文章:将GBK汉字转化为拼音的Python小程序 . 和这里 ,这个排版好些.文中用到的convert.txt就是字典,但是作者的博客中没有提供下载.我通过网络搜索,从其他途径下载到了整个压缩包,包括字典和 转换程序.该程序是基于GBK的, 要把汉字分成高低位来处理,一般人理解不了,我做了点改进就是把字典转化为utf-8的,因为在django中使用的代码就是utf-8的. 然后把他的程序也做了改进, 改成处理unicode字符,因为Unicode字符只需要处理一个字符,不用把字符分开成两半.代码中,convert1()函数是原来作者提供的,我 给它改了名字.我把我写的convert替换了原来的函数名, 并且把字典文件改成了utf-8编码的.所以要简单些.convert函数提供了

self.has_shengdiao = False self.just_shengmu = False self.spliter = '-'

用来配置参数, has_shengdiao,是汉字转拼音的时候带上拼音,just_shengmu ,是仅仅把汉字字串转为汉字首拼字母串, 为false的时候,转为全拼字符串.spliter是用来分隔汉字的.为空的时候,不把转换结果用spliter分开, 默认使用”-“(横线来连接汉字拼音PINYIN,因为W3C推荐在Url中使用-作为连字符,而不是下划线_来连接字符串,因为下划线作为链接连接字符 串的时候,url在地址栏中好像断掉了一样,_下划线经常看不到.)

字典文件,此处也提供不了,但是大家可以搜索下载原作的的字典, 然后使用支持utf-8转换的软件转换一下就行了.有需要的也可以和我联系.我的convert程序见下面。另外字典在这里

汉字转拼音

# -*- coding: utf-8 -*-  
# ------------------------------------------------------------ 
# Script   Name: convert.py 
# Creation Date: 2010-09-21  02:12 
# Last Modified: 2011-11-12 18:38:13 
# Copyright (c)2011, DDTCMS Project 
# Purpose: This file used for DDTCMS Project 
# ------------------------------------------------------------ 
 
##################################### 
#   Written by caocao               # 
#   Modified by [email protected]    # 
#   [email protected]              # 
#   http://nethermit.yeah.net       # 
##################################### 
 
# python. 
import sys,os 
import re 
import string 
class CConvert: 
    def __init__(self): 
        self.has_shengdiao = False 
        self.just_shengmu  = False 
        self.spliter = '-' 
        "Load data table" 
        try: 
            fp=open(os.path.join(settings.PROJECT_DIR, 'utils', 'convert-utf-8.txt')) 
        except IOError: 
            print "Can't load data from convert-utf-8.txt/nPlease make sure this file exists." 
            sys.exit(1) 
        else: 
            self.data=fp.read().decode("utf-8")# decoded data to unicode 
            fp.close() 
 
    def convert1(self, strIn): 
        "Convert Unicode strIn to PinYin" 
        length, strOutKey, strOutValue, i=len(strIn), "", "", 0 
        while i<length: 
            code1 =ord(strIn[i:i+1]) 
            if code1>=0x4e02 and code1<=0xe863: 
                strTemp   = self.getIndex(strIn[i:i+1]) 
                if not self.has_shengdiao: 
                    strTemp  = strTemp[:-1] 
                strLength = len(strTemp) 
                if strLength<1:strLength=1 
                strOutKey   += string.center(strIn[i:i+1], strLength)+" " 
                strOutValue += self.spliter + string.center(strTemp, strLength) + self.spliter 
            else:#ascii code; 
                strOutKey+=strIn[i:i+1]+" " 
                strOutValue+=strIn[i:i+1] + ' ' 
            i+=1 
            ############################# 
            #txlist = utf8String.split() 
            #out=convert.convert(utf8String) 
            #l=[] 
            #for t in map(convert.convert, txlist): 
            #   l.append(t[0]) 
            #v = '-'.join(l).replace(' ','').replace(u'--','-').strip('-') 
            ############################# 
        return [strOutValue, strOutKey] 
 
    def getIndex(self, strIn): 
        "Convert single Unicode to PinYin from index" 
        if strIn==' ':return self.spliter 
        if set(strIn).issubset("'/"`~!@#$%^&*()=+[]{}//|;:,.<>/?"):return self.spliter # or return "" 
        if set(strIn).issubset("－—！#＃%％&＆（）*，、。：；？？　@＠＼{｛｜}｝~～‘’“”《》【】+＋=＝×￥·…　".decode("utf-8")):return "" 
        pos=re.search("^"+strIn+"([0-9a-zA-Z]+)", self.data, re.M) 
        if pos==None: 
            return strIn 
        else: 
            if not self.just_shengmu: 
                return pos.group(1) 
            else: 
                return pos.group(1)[:1] 
 
    def convert(self, strIn): 
        "Convert Unicode strIn to PinYin" 
        if self.spliter != '-' and self.spliter !='_' and self.spliter != '' and self.spliter != ' ': 
            self.spliter = '-' 
        pinyin_list=[] 
        for c in strIn : 
            pinyin_list.append(self.getIndex(c)) 
        pinyin='' 
        for p in pinyin_list: 
            if p==' ': 
                pinyin+= self.spliter 
                continue 
            if len(p)<2:# only shengmu,just get one char,or number 
                #if p.isdigit(): 
                #   pinyin += p + ' ' 
                #else: 
                #   pinyin += p + ' ' 
                pinyin += p + ' ' 
            else: 
                if not self.has_shengdiao: p = p[:-1] 
                pinyin += self.spliter + p + self.spliter 
        pinyin = pinyin.replace(' ','') / 
                .replace(self.spliter+self.spliter,self.spliter) / 
                .strip(self.spliter+' ').replace(self.spliter+self.spliter,self.spliter) 
        return pinyin