python转换工具之汉语拼音与国际音标的实现，python转换工具,本文是关于用python
python转换工具之汉语拼音与国际音标的实现，python转换工具,本文是关于用python
本文是关于用python语言来实现汉语拼音与国际音标之间的转换的实现。这里需要必须使用 Python 2.5 或更新版本的解释器运行。
还有一些注意事项请参考：
python 模块：python import\python os模块和pythonre正则
用法：python %s [<文件名匹配式> [<更多文件名匹配式>...]]
功能：从符合每个<文件名匹配式>的所有文件或标准输入流(stdin)读取汉语拼音文稿， 向标准输出流(stdout)写入经过转换得到国际音标文稿。结果仅供学习参考。
注意：<文件名匹配式> 采用 UNIX shell 风格的 glob 匹配规则 文稿格式：<单字拼音>[[ |']<更多单字拼音>...]
其中：<单字拼音> = <汉语拼音字母串>[<声调标号>] <声调标号> 取值1-5（对应四声和轻声） 标音风格：适度严格的IPA音素音标＋部分汉语言学界专用符号
以下代码中有很详细的注释，供大家参考学习使用。
#!/usr/bin/env python# This file has following encoding: utf-8######################## 模块导入 ########################import os, re######################## 全局变量 ######################### 三种字符集标志GB18030, GBK, UTF8 = "gb18030", "gbk", "utf8"# 字符编码页解码失败标志decodingFailed = False # 初始状态：关闭# 正则表达式替换命令元组和内部标志cmdPairTuple = tuple() # 预备空对象PATTERN, SUBST = 0, 1 # 匹配段和替换段# 经过编译的正则表达式对象列表reList = [] # 预备空对象# 创建正则表达式替换命令元组的默认设置表（固定集合对象）defaultPrefSet = frozenset([### 以下各行字符串，凡行首用#号注释者均表示无效；### 凡行首未用#号注释者均有效，效用如后面注释所述：# "NUMBER_2_BY_AR4", # 数字“二”有大开口度韵腹# "AI_INC_NEAR_OPEN_FRONT", # ai/uai韵腹为舌面前次开元音# "AIR_ANR_INC_NEAR_OPEN_CENTRAL", # air/anr韵腹为舌面央次低元音# "CENTRAL_A_BY_SMALLCAPS_A", # “央a”采用小型大写[A]标明# "IE_YUE_INC_SMALLCAPS_E", # ie/yue采用小型大写[E]标明# "IE_YUE_INC_E", # ie/yue采用[e]标明（覆盖上一条）# "IAN_YUAN_AS_AN", # ian/yuan韵腹和an一样# "ONLY_YUAN_AS_AN", # 仅yuan韵腹和an一样（覆盖上一条）# "OU_INC_SCHWA", # ou/iou采用舌面央中元音韵腹# "IONG_BY_IUNG", # iong韵母采用i韵头u韵腹# "ASPIRATE_BY_TURNED_COMMA", # 采用反逗号弱送气符号# "RHOTICITY_BY_RHOTIC_HOOK", # 儿化韵卷舌动作采用卷舌小钩# "ONLY_ER_BY_RHOTIC_HOOK", # 只有er音节卷舌动作采用卷舌小钩# "INITIAL_R_BY_VED_RETRO_FRIC", # 声母r为卷舌浊擦音而非卷舌通音# "R_TURNED_WITH_HOOK", # 严格采用卷舌通音符号# "TRANSITIONAL_SCHWA_IN_ING", # ing有舌面央中元音韵腹# "TRANSITIONAL_SCHWA_IN_UEN", # 合口un有舌面央中元音韵腹# "NO_TRANSITIONAL_U", # bo/po/mo/fo没有[u]韵头# "SYLLABLE_JUNCTURE_BY_PLUS", # 音节间断采用开音渡+号而非.号# "HTML_SUP_TAG_FOR_TONE_VALUE", # 调值采用HTML上标标签格式# "HIDE_ALL_TONE_VALUE", # 隐藏所有声调转换### 以下选项仅存设想，目前尚未实现：# "RETROFLEX_INITIAL_STANDALONE", # 卷舌声母可成音节而无需舌尖元音# "ZERO_INITIAL_HAS_CONSONANT", # 零声母有辅音])# 正则表达式替换命令元组一揽子创建设置方案（元组，[0]位为说明）recipeLinWang1992 = ( U"林焘、王理嘉《语音学教程》","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "AI_INC_NEAR_OPEN_FRONT")recipeBeidaCN2004 = ( U"北京大学中文系《现代汉语》（重排本）","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC","TRANSITIONAL_SCHWA_IN_UEN", "IONG_BY_IUNG", "IAN_YUAN_AS_AN")recipeHuangLiao2002 = (U"黄伯荣、廖序东《现代汉语》（增订三版）","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "CENTRAL_A_BY_SMALLCAPS_A","TRANSITIONAL_SCHWA_IN_UEN", "ONLY_YUAN_AS_AN", "ONLY_ER_BY_RHOTIC_HOOK","INITIAL_R_BY_VED_RETRO_FRIC")recipeYangZhou1995 = ( U"杨润陆、周一民《现代汉语》（北师大文学院教材）","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "TRANSITIONAL_SCHWA_IN_UEN","INITIAL_R_BY_VED_RETRO_FRIC")recipeYuan2001 = ( U"袁家骅等《汉语方言概要》（第二版重排）","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC","ONLY_ER_BY_RHOTIC_HOOK", "IAN_YUAN_AS_AN", "TRANSITIONAL_SCHWA_IN_UEN","IE_YUE_INC_E")recipeTang2002 = ( U"唐作藩《音韵学教程》（第三版）","NO_TRANSITIONAL_U", "ASPIRATE_BY_TURNED_COMMA", "INITIAL_R_BY_VED_RETRO_FRIC","ONLY_ER_BY_RHOTIC_HOOK", "IAN_YUAN_AS_AN", "TRANSITIONAL_SCHWA_IN_UEN","IE_YUE_INC_E", "OU_INC_SCHWA")#############www.iplaypy.com 函数声明 ########################def createCmdPairTuple(prefSet = defaultPrefSet): U"""创建正则表达式替换命令元组 然后编译便于反复使用的匹配段正则表达式对象列表 参数prefSet是一个控制命令元组创建的选项设置序列""" ### 预先处理同系列设置的覆盖关系——defaultPrefSet也可能让人动了手脚 prefSet = set(prefSet) # 先换为可变集合副本，以防固定类型参数 if "IE_YUE_INC_E" in prefSet and "IE_YUE_INC_SMALLCAPS_E" in prefSet: prefSet.remove("IE_YUE_INC_SMALLCAPS_E") if "ONLY_YUAN_AS_AN" in prefSet and "IAN_YUAN_AS_AN" in prefSet: prefSet.remove("IAN_YUAN_AS_AN") global cmdPairTuple cmdPairTuple = ( ### 转换声母前的预处理 # 音节间断与隔音符号 (UR"([aoeiuvüê][1-5]?)([yw])", # a/o/e前有元音时必须写隔音符号 UR"\1'\2"), # 标明不必写出隔音符号的音节间断 (UR"'", (UR"+" if "SYLLABLE_JUNCTURE_BY_PLUS" in prefSet else UR".")), # 音节间断（开音渡）标记 # 兼容正规的印刷体字母ɡ/ɑ->g/a (UR"ɡ", UR"g"), (UR"ɑ", UR"a"), # 特殊的ê韵母，只能搭配零声母（“诶”字等） (UR"(ê|ea)", UR"ɛ"), # ea是ê的GF 3006表示 # 消除因可以紧邻韵腹充当声母或韵尾的辅音的歧义 (UR"r([aoeiu])", UR"R\1"), # 声母r暂改为R，以免与卷舌标志r混淆 (UR"n([aoeiuvü])", UR"N\1"), # 声母n暂改为N，以免与韵尾n/ng混淆 # 需要排除式匹配转换的韵母 (UR"ng(?![aeu])", UR"ŋ"), # 双字母ng，后鼻音韵尾或自成音节 (UR"(?<![ieuyüv])e(?![inŋr])", UR"ɤ"), # 单韵母e，此前已转换ea和声母r/n (UR"(?<![bpmfdtNlgkhjqxzcsRiywuüv])er4", (UR"ar4" if "NUMBER_2_BY_AR4" in prefSet else UR"er4")), # 数字“二”是否有大开口度韵腹 (UR"(?<![bpmfdtNlgkhjqxzcsRiywuüv])ar4", (UR"a˞4" if "ONLY_ER_BY_RHOTIC_HOOK" in prefSet else UR"ar4")), # 数字“二”也属于er音节，可特别选用小钩 (UR"a(?![ionŋ])", (UR"ᴀ" if "CENTRAL_A_BY_SMALLCAPS_A" in prefSet else UR"a")), # “央a”是否用小型大写[A]标明，已转换“二” (UR"(?<![bpmfdtNlgkhjqxzcsRiywuüv])er", (UR"ə˞" if "ONLY_ER_BY_RHOTIC_HOOK" in prefSet else UR"ər")), # 一般的卷舌单韵母er，此前已排除“二” (UR"(?<![iuüv])er", UR"ər"), # 构成单韵母e的儿化韵的er (UR"(?<=[bpmf])o(?![uŋ])", (UR"o" if "NO_TRANSITIONAL_U" in prefSet else UR"uo")), # bo/po/mo/fo是否有韵头u ### 声母——无需转换m/f/n/l/s/r(但r可根据设置执行转换) # 送气清辅音声母 (UR"([ptk])", UR"\1ʰ"), (UR"q", UR"tɕʰ"), (UR"(ch|ĉ)", UR"tʂʰ"), # 后者是ch的注音变体 (UR"c", UR"tsʰ"), # 此前已排除ch # 不送气清辅音声母 (UR"b", UR"p"), # 此前已排除送气的p/t/k (UR"d", UR"t"), (UR"g", UR"k"), # 此前已排除后鼻音双字母中的g，注意隔音 (UR"j", UR"tɕ"), (UR"(zh|ẑ)", UR"tʂ"), # 后者是zh的注音变体 (UR"z", UR"ts"), # 此前已排除zh # 擦音声母 (UR"(sh|ŝ)", UR"ʂ"), # 后者是sh的注音变体 (UR"x", UR"ɕ"), # 声母x，排除后再转换h (UR"h", UR"x"), # 声母h，此前已排除zh/ch/sh ### 韵母 # 舌尖元音韵母 (UR"(sʰ?)i", UR"\1ɿ"), # zi/ci/si (UR"([ʂR]ʰ?)i", UR"\1ʅ"), # zhi/chi/shi/ri # 部分韵腹省略表示的韵母+隔音符号和韵头w/y (UR"iu", UR"iou"), # 无需转换iou (UR"ui", UR"uei"), # 无需转换uei (UR"wu?", UR"u"), (UR"yi?", UR"i"), # 此前已排除iu # 韵头[i]/[y]的韵母 (UR"iu|[üv]", UR"y"), # 转换ü/v，恢复yu/yue，准备yuan/yun (UR"ian", (UR"ian" if "IAN_YUAN_AS_AN" in prefSet else UR"iɛn")), # 是否认为ian韵腹和an一样 (UR"yan", (UR"yan" if ("ONLY_YUAN_AS_AN" in prefSet) or ("IAN_YUAN_AS_AN" in prefSet) else UR"yɛn")), # 是否认为yuan韵腹和an一样（覆盖上一选项） (UR"(ɕʰ?)uan", (UR"2964\1yan" if ("ONLY_YUAN_AS_AN" in prefSet) or ("IAN_YUAN_AS_AN" in prefSet) else UR"\1yɛn")), # {j/q/x}uan，是否认为和an一样 (UR"(ɕʰ?)u", UR"\1y"), # {j/q/x}u{e/n}韵头，此前已排除{j/q/x}uan (UR"([iy])e(?!n)", (UR"\1ᴇ" if "IE_YUE_INC_SMALLCAPS_E" in prefSet else UR"\1e")), # ie/yue/üe/ve，此前已转换{j/q/x}u (UR"([iy])e(?!n)", (UR"\1e" if "IE_YUE_INC_E" in prefSet else UR"\1ɛ")), # ie/yue是否采用[e]标明，此前已判断[E] # 舌面央中元音轻微过渡韵腹 (UR"iŋ", (UR"iəŋ" if "TRANSITIONAL_SCHWA_IN_ING" in prefSet else UR"iŋ")), # ing是否有舌面央中元音韵腹 (UR"(un|uen)", (UR"uən" if "TRANSITIONAL_SCHWA_IN_UEN" in prefSet else UR"un")), # 合口un/uen过渡，此前已排除撮口[j/q/x]un # 后移的a (UR"ao", UR"ɑu"), # 包括ao/iao，o改为u (UR"aŋ", UR"ɑŋ"), # 包括ang/iang/uang # 韵母en/eng韵腹是舌面央中元音 (UR"e([nŋ])", UR"ə\1"), # ong类韵母 (UR"ioŋ", (UR"iuŋ" if "IONG_BY_IUNG" in prefSet else UR"yŋ")), # iong的两种转换，此前yong已转换为iong (UR"oŋ", UR"uŋ"), # ong，此前已排除iong ### 儿化音变——无需转换ar/ir/ur/aur/our/yur # 舌尖元音韵母 (UR"[ɿʅ]r", UR"ər"), # {zh/ch/sh/r/z/c/s}ir # 鼻韵尾脱落和相应的韵腹元音替换 (UR"[aɛ][in]r",(UR"ɐr" if "AIR_ANR_INC_NEAR_OPEN_CENTRAL" in prefSet else UR"ar")), # air/anr韵尾脱落后的韵腹替换 (UR"eir|ənr", UR"ər"), # eir韵腹央化，韵尾脱落；enr韵尾脱落 (UR"([iy])r", UR"\1ər"), # ir/yr增加央化韵腹 (UR"([iuy])nr", UR"\1ər"), # inr/ynr/unr韵尾脱落后增加央化韵腹 (UR"iuŋr", UR"iũr"), # iungr(iongr的可选变换) (UR"([iuy])ŋr", UR"\1ə̃r"), # ingr/yngr/ungr韵尾脱落后增加央化鼻化韵腹 (UR"ŋr", UR"̃r"), # ang/eng韵尾儿化脱落后韵腹鼻化 ### 声母、韵母转换的善后扫尾工作 # 处理儿化韵卷舌动作 (UR"r", (UR"˞" if "RHOTICITY_BY_RHOTIC_HOOK" in prefSet else UR"r")), # 是否先把儿化韵卷舌动作改为卷舌小钩 (UR"R", (UR"ʐ" if "INITIAL_R_BY_VED_RETRO_FRIC" in prefSet else UR"r")), # 恢复声母r，是否采用卷舌浊擦音表示声母r # 此前已处理完卷舌动作和声母，现在处理剩下的r字符的可选转换 (UR"r", (UR"ɻ" if "R_TURNED_WITH_HOOK" in prefSet else UR"r")), # 是否严格采用卷舌通音符号[ɻ] # 恢复声母n (UR"N", UR"n"), # 此前已处理完单元音韵母e和ie/yue # 其他选项 (UR"ʰ", (UR"ʻ" if "ASPIRATE_BY_TURNED_COMMA" in prefSet else UR"ʰ")), # 是否采用反逗号送气符号 (UR"ai", (UR"æi" if "AI_INC_NEAR_OPEN_FRONT" in prefSet else UR"ai")), # （非儿化的）ai/uai韵腹为舌面前次开元音 (UR"ou", (UR"əu" if "OU_INC_SCHWA" in prefSet else UR"ou")), # ou/iou是否采用舌面央中元音韵腹 ### 声调 # 先期处理 ((UR"[1-5]" if "HIDE_ALL_TONE_VALUE" in prefSet else UR"5"), UR""), # 只隐藏轻声还是隐藏所有的声调转换 (UR"([1-4])", (UR"<sup>\1</sup>" if "HTML_SUP_TAG_FOR_TONE_VALUE" in prefSet else UR"(\1)")), # 隔离单个数字调号 # 标出普通话调值 ("([(>])1([)<])", UR"\1 55\2"), # 阴平（第一声） ("([(>])2([)<])", UR"\1 35\2"), # 阳平（第二声） ("([(>])3([)<])", UR"\1 214\2"), # 上声（第三声） ("([(>])4([)<])", UR"\1 51\2"), # 去声（第四声） ("([(>]) ([235])",UR"\1\2") # 去掉此前标调值时加上的空格 ) ### 以上，替换命令元组创建完成！ # 编译正则表达式对象，以便反复使用 global reList reList = map(re.compile, [pair[PATTERN] for pair in cmdPairTuple])def decodeLine(encodedLine): U"""对每一行拼音字符串做字符编码页解码""" try: decodedLine = encodedLine.decode(UTF8) except UnicodeDecodeError: # 如果不是UTF-8 try: decodedLine = encodedLine.decode(GB18030) except UnicodeDecodeError: # 如果GB-18030也不行 decodedLine = "" + os.linesep # 解码失败，只能清空 global decodingFailed decodingFailed = True # 设置字符编码页解码失败标志 except UnicodeEncodeError: # wx中可能出现编码错误 decodedLine = encodedLine return decodedLinedef msgOnDecodingFailure(fileName = "标准输入流"): U"""针对字符编码页解码失败的文件在事后通过标准错误流提出警告""" global decodingFailed if decodingFailed: # 检查上次文件处理中是否出现解码错误 sys.stderr.write((U"%s 警告：%s解码失败！"%(sys.argv[0], fileName)).encode(GBK) + os.linesep) decodingFailed = False # 重置字符集码页解码失败标志为关闭def convertLine(pinyinLine): U"""对每一行拼音字符串依次执行全部替换命令，像流编辑器sed一样工作""" # 以单个“#”开头的行不转换，当作注释行 if pinyinLine.startswith("#") and not pinyinLine.startswith("##"): return pinyinLine[1:] # 去掉开头的“#”后再返回 # 以两个“#”开头的行，只保留一个“#”，然后继续 if pinyinLine.startswith("##"): pinyinLine = pinyinLine[1:] ipaLine = pinyinLine.lower() # 大写字母在替换过程中另有意义 for eachRe, eachCmdPair in zip(reList, cmdPairTuple): ipaLine = eachRe.sub(eachCmdPair[SUBST], ipaLine) return ipaLinedef convertPinyin2IPA(pinyinLines, linesep=""): U"""将汉语拼音文稿转换为国际音标文稿 参数pinyinLines是输入的字符串序列 参数linesep是行分隔符（对于fp.readlines()或s.splitlines(True)的输入，缺省即可）""" # 逐行处理解码和转换，有利于减少解码带来的乱码行 ipaLines = map(convertLine, map(decodeLine, pinyinLines)) return linesep.join(ipaLines).encode(UTF8) # 必须按UTF-8再encode一下######################## 主干函数 ########################def Pinyin2IPA(pinyinLines, *prefs): U"""创建转换命令，并将汉语拼音文稿转换为国际音标文稿 参数pinyinLines可以是字符串序列或单个字符串（后者也会包装进元组） 参数收集元组prefs是一个控制命令元组创建的选项设置表""" # 根据设置表创建替换命令元组（设置表缺省时提供默认值） if not prefs: prefs = defaultPrefSet createCmdPairTuple(prefs) # 将单个字符串包装进元组，以便逐行处理 #www.iplaypy.com if isinstance(pinyinLines, str): pinyinLines = (pinyinLines, ) return convertPinyin2IPA(pinyinLines)######################## 直接运行 ########################if __name__ == '__main__': import glob, locale, sys globFailMsg = U"%s 错误：参数“%s”不能匹配任何有效的文件名！".encode(GBK) + os.linesep readFailMsg = U"%s 错误：文件“%s”数据读取失败！".encode(GBK) + os.linesep if len(sys.argv) > 1: if sys.argv[1].lower() not in ("/?", "/h", "--help", "-h"): for eachArg in sys.argv[1:]: # 遍历glob表达式参数 fileNameList = glob.glob(eachArg) # 考虑DOS不负责glob解析 if not fileNameList: sys.stderr.write(globFailMsg%(sys.argv[0], eachArg)) else: for eachFileName in fileNameList: try: sys.stdout.write(Pinyin2IPA(open(eachFileName, 'r').readlines())) msgOnDecodingFailure(U"文件“%s”"%eachFileName) except IOError: sys.stderr.write(readFailMsg%(sys.argv[0], eachFileName)) else: # 按照本地设置的编码方式输出模块文档作为简单帮助 language_dummy, encoding = locale.getdefaultlocale() print (__doc__%(sys.argv[0], sys.argv[0])).encode(encoding) else: sys.stdout.write(Pinyin2IPA(sys.stdin.readlines())) msgOnDecodingFailure()######################## 脚本结束 ######################## 编橙之家文章，
相关内容
- Python方法完成自动合并文本文件操作，python文本文件
- Python math方法算24点代码详解，pythonmath,计算24点的方法
- 如何让Cookie.py模块用冒号做key，cookie.py冒号,python的Co
- Python制作 百度贴吧小爬虫.V0.1，python.v0.1,Python制作 百度
- 常见又实用的Python字符串操作小技巧，python字符串小技
- 按文件大小排序的python方法实现，文件大小排序python
- PycURL如何实现POST方法源码分享，pycurlpost,import pycur
- 阿拉伯数字转换成大写汉字的Python代码，阿拉伯python
- Python语言实现迅雷下载链接解析器源码，python下载链接
- python os模块获取文件夹大小的方法源代码，,用python o
评论关闭