Python 中拼音庫 PyPinyin 用法詳解

第Python中拼音庫PyPinyin用法詳解最近碰到了一個(gè)問題，項(xiàng)目中很多文件都是接手過來的中文命名的一些素材，結(jié)果在部署的時(shí)候文件名全都亂碼了，導(dǎo)致項(xiàng)目無法正常運(yùn)行。

后來請(qǐng)教了一位大佬怎么解決文件名亂碼的問題，他說這個(gè)需要正面解決嗎？不需要，把文件名全部改掉，文件名永遠(yuǎn)不要用中文，永遠(yuǎn)不要。

我想他這么說的話，一定也是憑經(jīng)驗(yàn)得出來的。

這里也友情提示大家，項(xiàng)目里面文件永遠(yuǎn)不要用中文，永遠(yuǎn)不要！

好，那不用中文用啥？平時(shí)來看，一般我們都會(huì)用英文來命名，一般也不會(huì)出現(xiàn)中文，比如resource,controller,result,view,spider等等，所以絕大多數(shù)情況下，是不會(huì)出現(xiàn)什么問題的。但是也有個(gè)別的情況，比如一些素材、資源文件可能的中文命名的，那么這時(shí)候該咋辦呢？

首先像，因?yàn)槭侵形馁Y源文件，我們要改成非中文命名的，無非兩種，一種是英文，一種是拼音。

如果改英文，當(dāng)然可以翻譯、我們想翻譯的話，逐個(gè)人工翻譯成本太高，機(jī)器翻譯的話，翻譯完可能有些文不對(duì)題了，而且我們自己也不知道一些奇怪的資源英語應(yīng)該叫什么，所以到時(shí)候真的找起來都找不到了。

所以第二種解決方案，那就是拼音了。中文轉(zhuǎn)拼音，很自然，而且一個(gè)字就對(duì)應(yīng)一串拼音，而且也非常容易從拼音看懂是什么意思，所以這確實(shí)是一個(gè)不錯(cuò)的方案。

那么問題就來了，怎樣把一批中文文件轉(zhuǎn)拼音命名呢？下面就讓我們來了解Python的一個(gè)庫PyPinyin吧！

Python中提供了漢字轉(zhuǎn)拼音的庫，名字叫做PyPinyin，可以用于漢字注音、排序、檢索等等場(chǎng)合，是基于hotto/pinyin這個(gè)庫開發(fā)的，一些站點(diǎn)鏈接如下：

GitHub:/mozillazg/python-pinyin

文檔：https://pypinyin.readthedocs.io/zh_CN/master/

PyPi：/project/pypinyin/

它有這么幾個(gè)特性：

根據(jù)詞組智能匹配最正確的拼音。

支持多音字。

簡(jiǎn)單的繁體支持,注音支持。

支持多種不同拼音/注音風(fēng)格。

是不是等不及了呢？那就讓我們來了解一下它的用法吧！

首先就是這個(gè)庫的安裝了，通過pip安裝即可：

pip3installpypinyin

安裝完成之后導(dǎo)入一下這個(gè)庫，如果不報(bào)錯(cuò)，那就說明安裝成功了。

importpypinyin

好，接下來我們看下它的具體功能。

首先我們進(jìn)行一下基本的拼音轉(zhuǎn)換，方法非常簡(jiǎn)單，直接調(diào)用pinyin方法即可：

frompypinyinimportpinyin

print(pinyin('中心'))

運(yùn)行結(jié)果：

[['zhōng'],['xīn']]

可以看到結(jié)果會(huì)是一個(gè)二維的列表，每個(gè)元素都另外成了一個(gè)列表，其中包含了每個(gè)字的讀音。

那么如果這個(gè)詞是多音字咋辦呢？比如“朝陽”，它有兩個(gè)讀音，我們拿來試下：

frompypinyinimportpinyin

print(pinyin('朝陽'))

運(yùn)行結(jié)果：

[['zhāo'],['yáng']]

好吧，它只給出來了一個(gè)讀音，但是如果我們想要另外一種讀音咋辦呢？

其實(shí)很簡(jiǎn)單，只需添加heteronym參數(shù)并設(shè)置為True就好了，我們?cè)囅拢?/p>

frompypinyinimportpinyin

print(pinyin('朝陽',heteronym=True))

運(yùn)行結(jié)果：

[['zhāo','cháo'],['yáng']]

OK了，這下子就顯示出來了兩個(gè)讀音了，而且我們也明白了結(jié)果為什么是一個(gè)二維列表，因?yàn)槔锩娴囊痪S的結(jié)果可能是多個(gè)，比如多音字的情況就是這樣。

但這個(gè)多少解析起來有點(diǎn)麻煩，很多情況下我們是不需要管多音字的，我們只是用它來轉(zhuǎn)換一下名字而已，而處理上面的二維數(shù)組又比較麻煩。

所以有沒有一個(gè)方法直接給我們一個(gè)一維列表呢？有！

我們可以使用lazy_pinyin這個(gè)方法來生成，嘗試一下：

frompypinyinimportpinyin

print(pinyin('聰明的小兔子'))

運(yùn)行結(jié)果：

['cong','ming','de','xiao','tu','zi']

這時(shí)候觀察到得到的是一個(gè)列表，并且不再包含音調(diào)了。

這里我們就有一個(gè)疑問了，為啥pinyin方法返回的結(jié)果默認(rèn)是帶音調(diào)的，而lazy_pinyin是不帶的，這里面就涉及到一個(gè)風(fēng)格轉(zhuǎn)換的問題了。

我們可以對(duì)結(jié)果進(jìn)行一些風(fēng)格轉(zhuǎn)換，比如不帶聲調(diào)風(fēng)格、標(biāo)準(zhǔn)聲調(diào)風(fēng)格、聲調(diào)在拼音之后、聲調(diào)在韻母之后、注音風(fēng)格等等，比如我們想要聲調(diào)放在拼音后面，可以這么來實(shí)現(xiàn)：

frompypinyinimportlazy_pinyin,Style

style=Style.TONE3

print(lazy_pinyin('聰明的小兔子',>

運(yùn)行結(jié)果：

['cong1','ming2','de','xiao3','tu4','zi']

可以看到運(yùn)行結(jié)果每個(gè)拼音后面就多了一個(gè)聲調(diào)，這就是其中的一個(gè)風(fēng)格，叫做TONE3，其實(shí)還有很多風(fēng)格，下面是我從源碼里面找出來的定義：

NORMAL=0

#:標(biāo)準(zhǔn)聲調(diào)風(fēng)格，拼音聲調(diào)在韻母第一個(gè)字母上（默認(rèn)風(fēng)格）。如：中國(guó)-``zhōngguó``

TONE=1

#:聲調(diào)風(fēng)格2，即拼音聲調(diào)在各個(gè)韻母之后，用數(shù)字[1-4]進(jìn)行表示。如：中國(guó)-``zho1ngguo2``

TONE2=2

#:聲調(diào)風(fēng)格3，即拼音聲調(diào)在各個(gè)拼音之后，用數(shù)字[1-4]進(jìn)行表示。如：中國(guó)-``zhong1guo2``

TONE3=8

#:聲母風(fēng)格，只返回各個(gè)拼音的聲母部分（注：有的拼音沒有聲母，詳見`#27`_）。如：中國(guó)-``zhg``

INITIALS=3

#:首字母風(fēng)格，只返回拼音的首字母部分。如：中國(guó)-``zg``

FIRST_LETTER=4

#:韻母風(fēng)格，只返回各個(gè)拼音的韻母部分，不帶聲調(diào)。如：中國(guó)-``onguo``

FINALS=5

#:標(biāo)準(zhǔn)韻母風(fēng)格，帶聲調(diào)，聲調(diào)在韻母第一個(gè)字母上。如：中國(guó)-``ōnguó``

FINALS_TONE=6

#:韻母風(fēng)格2，帶聲調(diào)，聲調(diào)在各個(gè)韻母之后，用數(shù)字[1-4]進(jìn)行表示。如：中國(guó)-``o1nguo2``

FINALS_TONE2=7

#:韻母風(fēng)格3，帶聲調(diào)，聲調(diào)在各個(gè)拼音之后，用數(shù)字[1-4]進(jìn)行表示。如：中國(guó)-``ong1uo2``

FINALS_TONE3=9

#:注音風(fēng)格，帶聲調(diào)，陰平（第一聲）不標(biāo)。如：中國(guó)-``ㄓㄨㄥㄍㄨㄛˊ``

BOPOMOFO=10

#:注音風(fēng)格，僅首字母。如：中國(guó)-``ㄓㄍ``

BOPOMOFO_FIRST=11

#:漢語拼音與俄語字母對(duì)照風(fēng)格，聲調(diào)在各個(gè)拼音之后，用數(shù)字[1-4]進(jìn)行表示。如：中國(guó)-``чжун1го2``

CYRILLIC=12

#:漢語拼音與俄語字母對(duì)照風(fēng)格，僅首字母。如：中國(guó)-``чг``

CYRILLIC_FIRST=13

有了這些，我們就可以輕松地實(shí)現(xiàn)風(fēng)格轉(zhuǎn)換了。

好，再回到原來的問題，為什么pinyin的方法默認(rèn)帶聲調(diào)，而lazy_pinyin方法不帶聲調(diào)，答案就是：它們二者使用的默認(rèn)風(fēng)格不同，我們看下它的函數(shù)定義就知道了：

pinyin方法的定義如下：

defpinyin(hans,'default',strict=True)

lazy_pinyin方法的定義如下：

deflazy_pinyin(hans,'default',strict=True)

這下懂了吧，因?yàn)閜inyin方法默認(rèn)使用了TONE的風(fēng)格，而lazy_pinyin方法默認(rèn)使用了NORMAL的風(fēng)格，所以就導(dǎo)致二者返回風(fēng)格不同了。

好了，有了這兩個(gè)函數(shù)的定義，我們?cè)賮硌芯肯缕渌膮?shù)，比如定義里面的errors和strict參數(shù)又怎么用呢？

在這里我們先做一個(gè)測(cè)試，比如我們傳入無法轉(zhuǎn)拼音的字，比如：

frompypinyinimportlazy_pinyin

print(lazy_pinyin('你好☆☆，我是xxx'))

其中包含了星號(hào)兩個(gè)，還有標(biāo)點(diǎn)一個(gè)，另外還包含了一個(gè)xxx英文字符，結(jié)果會(huì)是什么呢？

['ni','hao','☆☆，','wo','shi','xxx']

可以看到結(jié)果中星號(hào)和英文字符都作為一個(gè)整體并原模原樣返回了。

那么這種特殊字符可以單獨(dú)進(jìn)行處理嗎？當(dāng)然可以，這里就用到剛才提到的errors參數(shù)了。

errors參數(shù)是有幾種模式的：

u

下面是errors這個(gè)參數(shù)的源碼實(shí)現(xiàn)邏輯：

def_handle_nopinyin_char(chars,errors='default'):

"""處理沒有拼音的字符"""

ifcallable_check(errors):

returnerrors(chars)

iferrors=='default':

returnchars

eliferrors=='ignore':

returnNone

eliferrors=='replace':

iflen(chars)1:

return''.join(text_type('%x'%ord(x))forxinchars)

else:

returntext_type('%x'%ord(chars))

當(dāng)處理沒有拼音的字符的時(shí)候，errors的不同參數(shù)會(huì)有不同的處理結(jié)果，更詳細(xì)的邏輯可以翻看源碼。

好了，下面我們來嘗試一下，比如我們想將不能轉(zhuǎn)拼音的字符去掉，則可以這么設(shè)置：

frompypinyinimportlazy_pinyin

print(lazy_pinyin('你好☆☆，我是xxx',errors='ignore'))

運(yùn)行結(jié)果：

['ni','hao','wo','shi']

如果我們想要自定義處理，比如把☆轉(zhuǎn)化為※，則可以這么設(shè)置：

print(lazy_pinyin('你好☆☆，我是xxx',errors=lambdaitem:''.join(['※'ifc=='☆'elsecforcinitem])))

運(yùn)行結(jié)果：

['ni','hao','※※，','wo','shi','xxx']

如上便是一些相關(guān)異常處理的操作，我們可以隨心所欲地處理自己想處理的字符了。

最后再看下strict模式，這個(gè)參數(shù)用于控制處理聲母和韻母時(shí)是否嚴(yán)格遵循《漢語拼音方案》標(biāo)準(zhǔn)。

下面的一些說明來源于官方文檔：

當(dāng)strict參數(shù)為True時(shí)根據(jù)《漢語拼音方案》的如下規(guī)則處理聲母、在韻母相關(guān)風(fēng)格下還原正確的韻母：

21個(gè)聲母：bpmfdtnlgkhjqxzhchshrzcs（y,w不是聲母）

i行的韻母，前面沒有聲母的時(shí)候，寫成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(憂)，yan(煙)，yin(因)，yang(央)，ying(英)，yong(雍)。（y不是聲母）

u行的韻母，前面沒有聲母的時(shí)候，寫成wu(烏)，wa(蛙)，wo(窩)，wai(歪)，wei(威)，wan(彎)，wen(溫)，wang(汪)，weng(翁)。（w不是聲母）

ü行的韻母，前面沒有聲母的時(shí)候，寫成yu(迂)，yue(約)，yuan(冤)，yun(暈)；ü上兩點(diǎn)省略。（韻母相關(guān)風(fēng)格下還原正確的韻母ü）

ü行的韻跟聲母j，q，x拼的時(shí)候，寫成ju(居)，qu(區(qū))，xu(虛)，ü上兩點(diǎn)也省略；但是跟聲母n，l拼的時(shí)候，仍然寫成nü(女)，lü(呂)。（韻母相關(guān)風(fēng)格下還原正確的韻母ü）

iou，uei，uen前面加聲母的時(shí)候，寫成iu，ui，un。例如niu(牛)，gui(歸)，lun(論)。（韻母相關(guān)風(fēng)格下還原正確的韻母iou，uei，uen）

當(dāng)strict為False時(shí)就是不遵守上面的規(guī)則來處理聲母和韻母，比如：y,w會(huì)被當(dāng)做聲母，yu(迂)的韻母就是一般認(rèn)為的u等。

具體差異可以查看源碼中tests/test_standard.py中的對(duì)比結(jié)果測(cè)試用例。

自定義拼音

如果對(duì)庫返回的結(jié)果不滿意，我們還可以自定義自己的拼音庫，這里用到的方法就有l(wèi)oad_single_dict和load_phrases_dict方法了。

比如剛才我們看到“朝陽”兩個(gè)字的發(fā)音默認(rèn)返回的是zhaoyang，我們想默認(rèn)返回chaoyang，那可以這么做：

frompypinyinimportlazy_pinyin,load_phrases_dict

print(lazy_pinyin('朝陽'))

personalized_dict={

'朝陽':[['cháo'],['yáng']]

load_phrases_dict(personalized_dict)

print(lazy_pinyin('朝陽'))

這里我