Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

https://github.com/mozillazg/python-pinyin

汉字转拼音(pypinyin)
https://github.com/mozillazg/python-pinyin

chinese hanzi hanzi-pinyin pinyin pypinyin python python2 python3

Last synced: about 2 months ago
JSON representation

汉字转拼音(pypinyin)

Lists

README 

        
汉字拼音转换工具（Python 版）

=============================



|Build| |GitHubAction| |Coverage| |Pypi version| |PyPI downloads| |DOI|



将汉字转为拼音。可以用于汉字注音、排序、检索(`Russian translation`_) 。



最初版本的代码参考了 `hotoo/pinyin `__ 的实现。



* Documentation: https://pypinyin.readthedocs.io/

* GitHub: https://github.com/mozillazg/python-pinyin

* License: MIT license

* PyPI: https://pypi.org/project/pypinyin

* Python version: 2.7, pypy, pypy3, 3.4, 3.5, 3.6, 3.7, 3.8, 3.9, 3.10, 3.11, 3.12



.. contents::



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，注音支持，威妥玛拼音支持。

* 支持多种不同拼音/注音风格。



安装

----



.. code-block:: bash



    pip install pypinyin



使用示例

--------



Python 3(Python 2 下把 ``'中心'`` 替换为 ``u'中心'`` 即可):



.. code-block:: python



    >>> from pypinyin import pinyin, lazy_pinyin, Style

    >>> pinyin('中心')  # or pinyin(['中心'])，参数值为列表时表示输入的是已分词后的数据

    [['zhōng'], ['xīn']]

    >>> pinyin('中心', heteronym=True)  # 启用多音字模式

    [['zhōng', 'zhòng'], ['xīn']]

    >>> pinyin('中心', style=Style.FIRST_LETTER)  # 设置拼音风格

    [['z'], ['x']]

    >>> pinyin('中心', style=Style.TONE2, heteronym=True)

    [['zho1ng', 'zho4ng'], ['xi1n']]

    >>> pinyin('中心', style=Style.TONE3, heteronym=True)

    [['zhong1', 'zhong4'], ['xin1']]

    >>> pinyin('中心', style=Style.BOPOMOFO)  # 注音风格

    [['ㄓㄨㄥ'], ['ㄒㄧㄣ']]

    >>> lazy_pinyin('威妥玛拼音', style=Style.WADEGILES)

    ['wei', "t'o", 'ma', "p'in", 'yin']

    >>> lazy_pinyin('中心')  # 不考虑多音字的情况

    ['zhong', 'xin']

    >>> lazy_pinyin('战略', v_to_u=True)  # 不使用 v 表示 ü

    ['zhan', 'lüe']

    # 使用 5 标识轻声

    >>> lazy_pinyin('衣裳', style=Style.TONE3, neutral_tone_with_five=True)

    ['yi1', 'shang5']

    # 变调  nǐ hǎo -> ní hǎo

    >>> lazy_pinyin('你好', style=Style.TONE2, tone_sandhi=True)

    ['ni2', 'ha3o']



**注意事项** ：



* 默认情况下拼音结果不会标明哪个韵母是轻声，轻声的韵母没有声调或数字标识（可以通过参数 ``neutral_tone_with_five=True`` 开启使用 ``5`` 标识轻声 ）。

* 默认情况下无声调相关拼音风格下的结果会使用 ``v`` 表示 ``ü`` （可以通过参数 ``v_to_u=True`` 开启使用 ``ü`` 代替 ``v`` ）。

* 默认情况下会原样输出没有拼音的字符（自定义处理没有拼音的字符的方法见 `文档 `__ ）。

* ``嗯`` 的拼音并不是大部分人以为的 ``en`` 以及存在既没有声母也没有韵母的拼音，详见下方 FAQ 中的说明。



命令行工具：



.. code-block:: console



    $ pypinyin 音乐

    yīn yuè

    $ pypinyin -h



文档

--------



详细文档请访问：https://pypinyin.readthedocs.io/。



项目代码开发方面的问题可以看看 `开发文档`_ 。



FAQ

---------



拼音有误？

+++++++++++++++++++++++++++++



可以通过下面的方法提高拼音准确性：



* 可以通过自定义词组拼音库或者单字拼音库的方式修正拼音结果，

  详见 `文档 `__ 。



.. code-block:: python



    >> from pypinyin import load_phrases_dict, load_single_dict



    >> load_phrases_dict({'桔子': [['jú'], ['zǐ']]})  # 增加 "桔子" 词组



    >> load_single_dict({ord('还'): 'hái,huán'})  # 调整 "还" 字的拼音顺序或覆盖默认拼音



* 也可以使用 `pypinyin-dict `__ 项目提供的自定义拼音库来纠正结果。



.. code-block:: python



    # 使用 phrase-pinyin-data 项目中 cc_cedict.txt 文件中的拼音数据优化结果

    >>> from pypinyin_dict.phrase_pinyin_data import cc_cedict

    >>> cc_cedict.load()



    # 使用 pinyin-data 项目中 kXHC1983.txt 文件中的拼音数据优化结果

    >>> from pypinyin_dict.pinyin_data import kxhc1983

    >>> kxhc1983.load()



* 如果是分词导致的拼音有误的话，可以先使用其他的分词模块对数据进行分词处理，

  然后将分词后的词组结果列表作为函数的参数即可:



.. code-block:: python



    >>> # 使用其他分词模块分词，比如 jieba 之类，

    >>> #或者基于 phrases_dict.py 里的词语数据使用其他分词算法分词

    >>> words = list(jieba.cut('每股24.67美元的确定性协议'))

    >>> pinyin(words)



* 如果你希望能通过训练模型的方式提高拼音准确性的话，可以看一下 `pypinyin-g2pW `__ 这个项目。



为什么没有 y, w, yu 几个声母？

++++++++++++++++++++++++++++++++++++++++++++



.. code-block:: python



    >>> from pypinyin import Style, pinyin

    >>> pinyin('下雨天', style=Style.INITIALS)

    [['x'], [''], ['t']]



因为根据 `《汉语拼音方案》 `__ ，

y，w，ü (yu) 都不是声母。



    声母风格（INITIALS）下，“雨”、“我”、“圆”等汉字返回空字符串，因为根据

    `《汉语拼音方案》 `__ ，

    y，w，ü (yu) 都不是声母，在某些特定韵母无声母时，才加上 y 或 w，而 ü 也有其特定规则。    —— @hotoo



    **如果你觉得这个给你带来了麻烦，那么也请小心一些无声母的汉字（如“啊”、“饿”、“按”、“昂”等）。

    这时候你也许需要的是首字母风格（FIRST_LETTER）**。    —— @hotoo



    参考: `hotoo/pinyin#57 `__,

    `#22 `__,

    `#27 `__,

    `#44 `__



如果觉得这个行为不是你想要的，就是想把 y 当成声母的话，可以指定 ``strict=False`` ，

这个可能会符合你的预期：



.. code-block:: python



    >>> from pypinyin import Style, pinyin

    >>> pinyin('下雨天', style=Style.INITIALS)

    [['x'], [''], ['t']]

    >>> pinyin('下雨天', style=Style.INITIALS, strict=False)

    [['x'], ['y'], ['t']]



详见 `strict 参数的影响`_ 。



存在既没有声母也没有韵母的拼音？

+++++++++++++++++++++++++++++++++



是的，``strict=True`` 模式下存在极少数既没有声母也没有韵母的拼音。

比如下面这些拼音（来自汉字 ``嗯``、``呒``、``呣``、``唔``）::



    ń ńg ňg ǹg ň ǹ m̄ ḿ m̀



尤其需要注意的是 ``嗯`` 的所有拼音都既没有声母也没有韵母，``呣`` 的默认拼音既没有声母也没有韵母。

详见 `#109`_ `#259`_ `#284`_ 。



如何将某一风格的拼音转换为其他风格的拼音？

++++++++++++++++++++++++++++++++++++++++++++



可以通过 ``pypinyin.contrib.tone_convert`` 模块提供的辅助函数对标准拼音进行转换，得到不同风格的拼音。

比如将 ``zhōng`` 转换为 ``zhong``，或者获取拼音中的声母或韵母数据：



.. code-block:: python



    >>> from pypinyin.contrib.tone_convert import to_normal, to_tone, to_initials, to_finals

    >>> to_normal('zhōng')

    'zhong'

    >>> to_tone('zhong1')

    'zhōng'

    >>> to_initials('zhōng')

    'zh'

    >>> to_finals('zhōng')

    'ong'



更多拼音转换的辅助函数，详见 ``pypinyin.contrib.tone_convert`` 模块的

`文档 `__ 。



如何减少内存占用？

++++++++++++++++++++



如果对拼音的准确性不是特别在意的话，可以通过设置环境变量 ``PYPINYIN_NO_PHRASES``

和 ``PYPINYIN_NO_DICT_COPY`` 来节省内存。

详见 `文档 `__



更多 FAQ 详见文档中的

`FAQ `__ 部分。



.. _#13 : https://github.com/mozillazg/python-pinyin/issues/113

.. _strict 参数的影响: https://pypinyin.readthedocs.io/zh_CN/master/usage.html#strict



拼音数据

---------



* 单个汉字的拼音使用 `pinyin-data`_ 的数据

* 词组的拼音使用 `phrase-pinyin-data`_ 的数据

* 声母和韵母使用 `《汉语拼音方案》 `__ 的数据



Related Projects

-----------------



* `hotoo/pinyin`__: 汉字拼音转换工具 Node.js/JavaScript 版。

* `mozillazg/go-pinyin`__: 汉字拼音转换工具 Go 版。

* `mozillazg/rust-pinyin`__: 汉字拼音转换工具 Rust 版。



__ https://github.com/hotoo/pinyin

__ https://github.com/mozillazg/go-pinyin

__ https://github.com/mozillazg/rust-pinyin



.. |Build| image:: https://img.shields.io/circleci/project/github/mozillazg/python-pinyin/master.svg

   :target: https://circleci.com/gh/mozillazg/python-pinyin

.. |GitHubAction| image:: https://github.com/mozillazg/python-pinyin/workflows/CI/badge.svg

   :target: https://github.com/mozillazg/python-pinyin/actions

.. |Coverage| image:: https://img.shields.io/coveralls/github/mozillazg/python-pinyin/master.svg

   :target: https://coveralls.io/github/mozillazg/python-pinyin

.. |PyPI version| image:: https://img.shields.io/pypi/v/pypinyin.svg

   :target: https://pypi.org/project/pypinyin/

.. |DOI| image:: https://zenodo.org/badge/12830126.svg

   :target: https://zenodo.org/badge/latestdoi/12830126

.. |PyPI downloads| image:: https://img.shields.io/pypi/dm/pypinyin.svg

   :target: https://pypi.org/project/pypinyin/



.. _Russian translation: https://github.com/mozillazg/python-pinyin/blob/master/README_ru.rst

.. _pinyin-data: https://github.com/mozillazg/pinyin-data

.. _phrase-pinyin-data: https://github.com/mozillazg/phrase-pinyin-data

.. _开发文档: https://pypinyin.readthedocs.io/zh_CN/develop/develop.html

.. _#109: https://github.com/mozillazg/python-pinyin/issues/109

.. _#259: https://github.com/mozillazg/python-pinyin/issues/259

.. _#284: https://github.com/mozillazg/python-pinyin/issues/284