Python汉字转拼音，python汉字拼音,使用字典和转换程序,将汉

Python汉字转拼音，python汉字拼音,使用字典和转换程序,将汉

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 = Falseself.just_shengmu = Falseself.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 huyoo353@126.com    ##   caocao@eastday.com              ##   http://nethermit.yeah.net       ####################################### python.import sys,osimport reimport stringclass 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