汉语拼音转换工具.
Project description
将汉语转为拼音。可以用于汉字注音、排序、检索。
基于 hotoo/pinyin 开发。
Documentation: http://pypinyin.rtfd.org
License: MIT license
Python version: 2.6, 2.7, pypy, 3.3, 3.4, 3.5
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。
支持多种不同拼音风格。
安装
$ pip install pypinyin文档
详细文档请访问：http://pypinyin.rtfd.org
使用示例
>>> from pypinyin import pinyin, lazy_pinyin
>>> import pypinyin
>>> pinyin(u'中心')
[[u'zh\u014dng'], [u'x\u012bn']]
>>> pinyin(u'中心', heteronym=True) # 启用多音字模式
[[u'zh\u014dng', u'zh\xf2ng'], [u'x\u012bn']]
>>> pinyin(u'中心', style=pypinyin.INITIALS) # 设置拼音风格
[['zh'], ['x']]
>>> pinyin('中心', style=pypinyin.TONE2, heteronym=True)
[['zho1ng', 'zho4ng'], ['xi1n']]
>>> lazy_pinyin(u'中心') # 不考虑多音字的情况
['zhong', 'xin']命令行工具：
$ pypinyin 音乐
yīn yuè
$ pypinyin -h处理不包含拼音的字符
当程序遇到不包含拼音的字符(串)时，会根据 errors 参数的值做相应的处理:
default (默认行为): 不做任何处理，原样返回:
lazy_pinyin(u'你好☆') [u'ni', u'hao', u'\u2606']
ignore : 忽略该字符
lazy_pinyin(u'你好☆', errors='ignore') [u'ni', u'hao']
replace : 替换为去掉 \u 的 unicode 编码:
lazy_pinyin(u'你好☆', errors='replace') [u'ni', u'hao', u'2606']
callable 对象 : 提供一个回调函数，接受无拼音字符(串)作为参数, 支持的返回值类型: unicode 或 list ([unicode, …]) 或 None 。
可参考 单元测试代码
lazy_pinyin(u'你好☆', errors=lambda x: u'star') [u'ni', u'hao', u'star']
分词处理
内置了简单的分词功能，对字符串按是否是中文字符进行分词。
>> from pypinyin import lazy_pinyin >> lazy_pinyin(u'你好abcこんにちは') [u'ni', u'hao', u'abc\u3053\u3093\u306b\u3061\u306f']如果需要处理多音字问题，推荐同时安装其他分词模块。
如果安装了 jieba 分词模块，程序会自动调用。
使用其他分词模块：
安装分词模块，比如 pip install snownlp ；
使用经过分词处理的字符串列表作参数：
>> from pypinyin import lazy_pinyin, TONE2 >> from snownlp import SnowNLP >> hans = u'音乐123' >> hans_seg = SnowNLP(hans).words # 分词处理 >> hans_seg [u'\u97f3\u4e50', u'123'] >> lazy_pinyin(hans_seg, style=TONE2) [u'yi1n', u'yue4', u'123']
自定义拼音库
如果对结果不满意，可以通过自定义拼音库的方式修正结果：
安装了 jieba 分词模块并且支持分词的词组
>> from pypinyin import lazy_pinyin, load_phrases_dict, TONE2
>> hans = u'桔子'
>> lazy_pinyin(hans, style=TONE2)
[u'jie2', u'zi3']
>> load_phrases_dict({u'桔子': [[u'jú'], [u'zǐ']]})
>> lazy_pinyin(hans, style=TONE2)
[u'ju2', u'zi3']未安装 jieba 分词模块 and/or 不支持分词的词组
>> from pypinyin import lazy_pinyin, load_phrases_dict, TONE2, load_single_dict
>> hans = u'还没'
>> lazy_pinyin(hans, style=TONE2)
['hua2n', 'me2i']
>>> # 第一种自定义词组的方法
>> load_phrases_dict({u'还没': [[u'hái'], [u'méi']]})
>>> lazy_pinyin(u'还没', style=TONE2)})
['hua2n', 'me2i']
>>> lazy_pinyin([u'还没'], style=TONE2) # 手动指定 "还没" 为一个词组
['ha2i', 'me2i']
>>> # 第二种自定义词组的方法
>> load_single_dict({ord(u'还'): u'hái,huán'}) # 调整 "还" 字的拼音顺序
>>> lazy_pinyin(u'还没', style=TONE2)
['ha2i', 'me2i']Changelog
0.9.1 (2015-10-17)
0.9.0 (2015-09-20)
- 不兼容 将拼音词典库里的国际音标字母替换为 ASCII 字母. Thanks @MingStar :
ɑ -> a
ɡ -> g
0.8.5 (2015-08-23)
bugfix 修复 zh, ch, sh, z, c, s 顺序问题导致获取声母有误
0.8.4 (2015-08-23)
y, w 也不是声母. (hotoo/pinyin#57)
0.8.3 (2015-08-20)
上传到 PyPI 出了点问题，但是又 没法重新上传 ，只好新增一个版本
0.8.2 (2015-08-20)
0.8.1 (2015-07-04)
bugfix 重构内置的分词功能，修复“无法正确处理包含空格的字符串的问题”
0.8.0 (2015-06-27)
新增 内置简单的分词功能，完善处理没有拼音的字符 （如果不需要处理多音字问题, 现在可以不用安装 jieba 或其他分词模块了）:
# 之前, 安装了结巴分词模块 lazy_pinyin(u'你好abc☆☆') [u'ni', u'hao', 'a', 'b', 'c', u'\u2606', u'\u2606'] # 现在, 无论是否安装结巴分词模块 lazy_pinyin(u'你好abc☆☆') [u'ni', u'hao', u'abc\u2606\u2606']
- [变更] 当 errors 参数是回调函数时，函数的参数由 单个字符 变更为 单个字符或词组 。即: 对于 abc 字符串, 之前将调用三次 errors 回调函数: func('a') ... func('b') ... func('abc')现在只调用一次: func('abc') 。
[变更] 将英文字符也纳入 errors 参数的处理范围:
# 之前 lazy_pinyin(u'abc', errors='ignore') [u'abc'] # 现在 lazy_pinyin(u'abc', errors='ignore') []
0.7.0 (2015-06-20)
修复 Python 2 下无法使用 from pypinyin import * 的问题
新增 支持以下环境变量:
PYPINYIN_NO_JIEBA=true: 禁用“自动调用结巴分词模块”
PYPINYIN_NO_PHRASES=true: 禁用内置的“词组拼音库”
0.6.0 (2015-06-10)
新增 errors 参数支持回调函数(#17):
def foobar(char): return 'a' pinyin(u'あ', errors=foobar)
0.5.7 (2015-05-17)
纠正包含 “便宜” 的一些词组的读音
0.5.6 (2015-02-26)
fix “苹果” pinyin error. #11
精简 phrases_dict
fix 重复 import jieba 的问题
更新文档
0.5.5 (2015-01-27)
fix phrases_dict error
0.5.4 (2014-12-26)
修复 无法正确处理由分词模块产生的中英文混合词组（比如：B超，维生素C）的问题. #8
0.5.3 (2014-12-07)
更新拼音库
0.5.2 (2014-09-21)
载入拼音库时，改为载入其副本。防止内置的拼音库被破坏
修复 胜败乃兵家常事 的音标问题
0.5.1 (2014-03-09)
新增 参数 errors 用来控制如何处理没有拼音的字符:
'default': 保留原始字符
'ignore': 忽略该字符
'replace': 替换为去掉 \u 的 unicode 编码字符串(u'\u90aa' => u'90aa')
只处理 [^a-zA-Z0-9_] 字符。
0.5.0 (2014-03-01)
使用新的单字拼音库内容和格式
新的格式：{0x963F: u"ā,ē"}旧的格式：{u'啊': u"ā,ē"}
0.4.4 (2014-01-16)
清理命令行命令的输出结果，去除无关信息
修复 “ImportError: No module named runner”
0.4.3 (2014-01-10)
修复 命令行工具在 Python 3 下的兼容性问题
0.4.2 (2014-01-10)
去除 拼音风格前的 STYLE_ 前缀（兼容包含 STYLE_ 前缀的拼音风格）
增加 命令行工具，具体用法请见： pypinyin -h
0.4.1 (2014-01-04)
新增 支持自定义拼音库，方便用户修正程序结果
0.4.0 (2014-01-03)
变更 将 jieba 模块改为可选安装，用户可以选择使用自己喜爱的分词模块对汉字进行分词处理
新增 支持 Python 3
0.3.1 (2013-12-24)
增加 lazy_pinyin
>>> lazy_pinyin(u'中心') ['zhong', 'xin']
0.3.0 (2013-09-26)
修复 首字母风格无法正确处理只有韵母的汉字
- 新增 三个拼音风格:
pypinyin.STYLE_FINALS ： 韵母风格1，只返回各个拼音的韵母部分，不带声调。如： ong uo
pypinyin.STYLE_FINALS_TONE ： 韵母风格2，带声调，声调在韵母第一个字母上。如： ōng uó
pypinyin.STYLE_FINALS_TONE2 ： 韵母风格2，带声调，声调在各个拼音之后，用数字 [0-4] 进行表示。如： o1ng uo2
0.2.0 (2013-09-22)
完善对中英文混合字符串的支持:
>> pypinyin.pinyin(u'你好abc') [[u'n\u01d0'], [u'h\u01ceo'], [u'abc']]
0.1.0 (2013-09-21)
Initial Release
