[584]python给生僻字注拼音(pypinyin库)_python 拼音对齐

茕茕孑立 沆瀣一气
踽踽独行 醍醐灌顶
绵绵瓜瓞 奉为圭臬
龙行龘龘 犄角旮旯
娉婷袅娜 涕泗滂沱
呶呶不休 不稂不莠

这首《生僻字》，考验的是“语文”硬实力。倘若实力不够，其实可以拿Python来凑，毕竟库多！今天就来说一个有意思的pypinyin库，名字很直白，是python版的拼音库，用来将汉字转为拼音。

先来看下代码运行效果：

当然，正规的操作是读取汉字txt文本，通过代码生成注音txt文本：

• 思路

很简单，拼音库可以把汉字转化为拼音，那我们要做的就是读取文本，获取拼音，最后将文本和拼音重新拼接。高深的算法没有，基本围绕字符串和列表的操作拼接

pypinyin库

首先是安装，pip install pypinyin

装好后引入模块from pypinyin import pinyin

调用 pinyin(“生僻字”)，即可得到拼音列表[['shēng'], ['pì'], ['zì']]

读写txt文本

基本是入门阶段读写txt文件的简单应用：

txt_name = "生僻字"
with open("%s.txt"%txt_name,encoding="UTF-8-sig") as f:
    content = f.read()
    input_str = content
result = transfer(input_str)
print(result)
with open("%s_拼音.txt"%txt_name,'w',encoding='UTF-8-sig') as m:
    m.write(result)
1
2
3
4
5
6
7
8

拼接

首先会对读入的文本进行整理，去除多余的空格，将字符串中的汉字与列表中的拼音一一对应并拼接。

由于中文字符占两个字节，以及读写txt时会涉及到编码格式，这部分代码比较费功夫，只能说勉强做到格式整齐吧。

def transfer(text):
    #去除字符串中空格
    no_space_text = ''.join(text.split(" "))
    raw_list = []
    temp = ""
    for i in range(len(no_space_text)):
        if is_Chinese(no_space_text[i]):
            if temp != "":
                raw_list.append(temp)
                temp=""
            raw_list.append(no_space_text[i])
        else:
            temp+=no_space_text[i]
    #生成拼音列表
    pylist = pinyin(no_space_text)

    #将拼音列表和字符串拼接对齐
    text_list = []
    pinyin_list = []

    for i in range(len(raw_list)):
        if is_Chinese(raw_list[i]):
            pinyin_list.append(pylist[i][0].ljust(6, ' '))
            text_list.append(raw_list[i].ljust(5,' '))
        else:
            pinyin_list.append(pylist[i][0])
            text_list.append(raw_list[i])

    pinyin_str = ''.join(pinyin_list)
    text_str = ''.join(text_list)

    pinyin_line_list = pinyin_str.split('\n')
    text_line_list = text_str.split("\n")
    final_result = ""
    for i in range(len(pinyin_line_list)):
        final_result += pinyin_line_list[i] + '\n' + text_line_list[i] + "\n"
    return final_result

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

回顾

最初接触一个读取剪贴板内容的pyperclip模块，琢磨对剪贴板中字符串如何操作。恰巧听到《生僻字》，觉得既然逐字查拼音是个麻烦事，何不通过Python来批量添加拼音呢？很幸运，还真有大佬写了这个pypinyin库，在Github上也已有1500多颗星了~

• 完整代码

# -*- coding:utf-8 -*-
from pypinyin import pinyin


def is_Chinese(word):
    for ch in word:
        #通常汉字都在'\u4e00' 和 '\u9fff之间，但是生僻字如“㙓” 位于拓展库 '\u3400' 到 '\u4DB5'之间
        if ('\u4e00' <= ch and ch <= '\u9fff') or ('\u3400' <= ch and ch <= '\u4DB5'):
            return True
    return False

def transfer(text):
    #去除字符串中空格
    no_space_text = ''.join(text.split(" "))
    raw_list = []
    temp = ""
    for i in range(len(no_space_text)):
        if is_Chinese(no_space_text[i]):
            if temp != "":
                raw_list.append(temp)
                temp=""
            raw_list.append(no_space_text[i])
        else:
            temp+=no_space_text[i]
    #生成拼音列表
    pylist = pinyin(no_space_text)

    #将拼音列表和字符串拼接对齐
    text_list = []
    pinyin_list = []

    for i in range(len(raw_list)):
        if is_Chinese(raw_list[i]):
            pinyin_list.append(pylist[i][0].ljust(6, ' '))
            text_list.append(raw_list[i].ljust(5,' '))
        else:
            pinyin_list.append(pylist[i][0])
            text_list.append(raw_list[i])

    pinyin_str = ''.join(pinyin_list)
    text_str = ''.join(text_list)

    pinyin_line_list = pinyin_str.split('\n')
    text_line_list = text_str.split("\n")
    final_result = ""
    for i in range(len(pinyin_line_list)):
        final_result += pinyin_line_list[i] + '\n' + text_line_list[i] + "\n"
    return final_result

def main():
    txt_name = "生僻字"
    #读写txt文档时，encoding="UTF-8-sig"是为了去除utf-8带的BOM头'\ufeff'
    with open("%s.txt"%txt_name,encoding="UTF-8-sig") as f:
        content = f.read()
        input_str = content
    # print('input_str:',input_str)
    result = transfer(input_str)
    print(result)
    with open("%s_拼音.txt"%txt_name,'w',encoding='UTF-8-sig') as m:
        m.write(result)

if __name__ == '__main__':
    main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63

代码中有两点，在这记录下：

1. 读写txt文档时，encoding="UTF-8-sig"是为了去除utf-8带的BOM头’\ufeff’
2. 通常汉字都在’\u4e00’ 和 '\u9fff之间，但是生僻字如“㙓” 位于拓展库 ‘\u3400’ 到 '\u4DB5’之间 参考链接

参考：https://zhuanlan.zhihu.com/p/55578646