最近碰到了一個(gè)問(wèn)題，項(xiàng)目中很多文件都是接手過(guò)來(lái)的中文命名的一些素材，結(jié)果在部署的時(shí)候文件名全都亂碼了，導(dǎo)致項(xiàng)目無(wú)法正常運(yùn)行。

后來(lái)請(qǐng)教了一位大佬怎么解決文件名亂碼的問(wèn)題，他說(shuō)這個(gè)需要正面解決嗎？不需要，把文件名全部改掉，文件名永遠(yuǎn)不要用中文，永遠(yuǎn)不要。

我想他這么說(shuō)的話，一定也是憑經(jīng)驗(yàn)得出來(lái)的。

這里也友情提示大家，項(xiàng)目里面文件永遠(yuǎn)不要用中文，永遠(yuǎn)不要！

好，那不用中文用啥？平時(shí)來(lái)看，一般我們都會(huì)用英文來(lái)命名，一般也不會(huì)出現(xiàn)中文，比如 resource, controller, result, view, spider 等等，所以絕大多數(shù)情況下，是不會(huì)出現(xiàn)什么問(wèn)題的。但是也有個(gè)別的情況，比如一些素材、資源文件可能的中文命名的，那么這時(shí)候該咋辦呢？

首先像，因?yàn)槭侵形馁Y源文件，我們要改成非中文命名的，無(wú)非兩種，一種是英文，一種是拼音。

如果改英文，當(dāng)然可以翻譯、我們想翻譯的話，逐個(gè)人工翻譯成本太高，機(jī)器翻譯的話，翻譯完可能有些文不對(duì)題了，而且我們自己也不知道一些奇怪的資源英語(yǔ)應(yīng)該叫什么，所以到時(shí)候真的找起來(lái)都找不到了。

所以第二種解決方案，那就是拼音了。中文轉(zhuǎn)拼音，很自然，而且一個(gè)字就對(duì)應(yīng)一串拼音，而且也非常容易從拼音看懂是什么意思，所以這確實(shí)是一個(gè)不錯(cuò)的方案。

那么問(wèn)題就來(lái)了，怎樣把一批中文文件轉(zhuǎn)拼音命名呢？下面就讓我們來(lái)了解 Python 的一個(gè)庫(kù) PyPinyin 吧！

概述

Python 中提供了漢字轉(zhuǎn)拼音的庫(kù)，名字叫做 PyPinyin，可以用于漢字注音、排序、檢索等等場(chǎng)合，是基于 hotto/pinyin 這個(gè)庫(kù)開發(fā)的，一些站點(diǎn)鏈接如下：

• GitHub: https://github.com/mozillazg/python-pinyin
• 文檔： https://pypinyin.readthedocs.io/zh_CN/master/
• PyPi： https://pypi.org/project/pypinyin/

它有這么幾個(gè)特性：

• 根據(jù)詞組智能匹配最正確的拼音。
• 支持多音字。
• 簡(jiǎn)單的繁體支持, 注音支持。
• 支持多種不同拼音/注音風(fēng)格。

是不是等不及了呢？那就讓我們來(lái)了解一下它的用法吧！

安裝

首先就是這個(gè)庫(kù)的安裝了，通過(guò) pip 安裝即可：

pip3 install pypinyin

安裝完成之后導(dǎo)入一下這個(gè)庫(kù)，如果不報(bào)錯(cuò)，那就說(shuō)明安裝成功了。

>>> import pypinyin

好，接下來(lái)我們看下它的具體功能。

基本拼音

首先我們進(jìn)行一下基本的拼音轉(zhuǎn)換，方法非常簡(jiǎn)單，直接調(diào)用 pinyin 方法即可：

from pypinyin import pinyin
print(pinyin('中心'))

運(yùn)行結(jié)果：

[['zhōng'], ['xīn']]

可以看到結(jié)果會(huì)是一個(gè)二維的列表，每個(gè)元素都另外成了一個(gè)列表，其中包含了每個(gè)字的讀音。

那么如果這個(gè)詞是多音字咋辦呢？比如 “朝陽(yáng)”，它有兩個(gè)讀音，我們拿來(lái)試下：

from pypinyin import pinyin
print(pinyin('朝陽(yáng)'))

運(yùn)行結(jié)果：

[['zhāo'], ['yáng']]

好吧，它只給出來(lái)了一個(gè)讀音，但是如果我們想要另外一種讀音咋辦呢？

其實(shí)很簡(jiǎn)單，只需添加 heteronym 參數(shù)并設(shè)置為 True 就好了，我們?cè)囅拢?/p>

from pypinyin import pinyin
print(pinyin('朝陽(yáng)', heteronym=True))

運(yùn)行結(jié)果：

[['zhāo', 'cháo'], ['yáng']]

OK 了，這下子就顯示出來(lái)了兩個(gè)讀音了，而且我們也明白了結(jié)果為什么是一個(gè)二維列表，因?yàn)槔锩娴囊痪S的結(jié)果可能是多個(gè)，比如多音字的情況就是這樣。

但這個(gè)多少解析起來(lái)有點(diǎn)麻煩，很多情況下我們是不需要管多音字的，我們只是用它來(lái)轉(zhuǎn)換一下名字而已，而處理上面的二維數(shù)組又比較麻煩。

所以有沒(méi)有一個(gè)方法直接給我們一個(gè)一維列表呢？有！

我們可以使用 lazy_pinyin 這個(gè)方法來(lái)生成，嘗試一下：

from pypinyin import pinyin
print(pinyin('聰明的小兔子'))

運(yùn)行結(jié)果：

['cong', 'ming', 'de', 'xiao', 'tu', 'zi']

這時(shí)候觀察到得到的是一個(gè)列表，并且不再包含音調(diào)了。

這里我們就有一個(gè)疑問(wèn)了，為啥 pinyin 方法返回的結(jié)果默認(rèn)是帶音調(diào)的，而 lazy_pinyin 是不帶的，這里面就涉及到一個(gè)風(fēng)格轉(zhuǎn)換的問(wèn)題了。

風(fēng)格轉(zhuǎn)換

我們可以對(duì)結(jié)果進(jìn)行一些風(fēng)格轉(zhuǎn)換，比如不帶聲調(diào)風(fēng)格、標(biāo)準(zhǔn)聲調(diào)風(fēng)格、聲調(diào)在拼音之后、聲調(diào)在韻母之后、注音風(fēng)格等等，比如我們想要聲調(diào)放在拼音后面，可以這么來(lái)實(shí)現(xiàn)：

from pypinyin import lazy_pinyin, Style
 
style = Style.TONE3
print(lazy_pinyin('聰明的小兔子', style=style))

運(yùn)行結(jié)果：

['cong1', 'ming2', 'de', 'xiao3', 'tu4', 'zi']

可以看到運(yùn)行結(jié)果每個(gè)拼音后面就多了一個(gè)聲調(diào)，這就是其中的一個(gè)風(fēng)格，叫做 TONE3，其實(shí)還有很多風(fēng)格，下面是我從源碼里面找出來(lái)的定義：

#: 普通風(fēng)格，不帶聲調(diào)。如： 中國(guó) -> ``zhong guo``
NORMAL = 0
#: 標(biāo)準(zhǔn)聲調(diào)風(fēng)格，拼音聲調(diào)在韻母第一個(gè)字母上（默認(rèn)風(fēng)格）。如： 中國(guó) -> ``zhōng guó``
TONE = 1
#: 聲調(diào)風(fēng)格2，即拼音聲調(diào)在各個(gè)韻母之后，用數(shù)字 [1-4] 進(jìn)行表示。如： 中國(guó) -> ``zho1ng guo2``
TONE2 = 2
#: 聲調(diào)風(fēng)格3，即拼音聲調(diào)在各個(gè)拼音之后，用數(shù)字 [1-4] 進(jìn)行表示。如： 中國(guó) -> ``zhong1 guo2``
TONE3 = 8
#: 聲母風(fēng)格，只返回各個(gè)拼音的聲母部分（注：有的拼音沒(méi)有聲母，詳見 `#27`_）。如： 中國(guó) -> ``zh g``
INITIALS = 3
#: 首字母風(fēng)格，只返回拼音的首字母部分。如： 中國(guó) -> ``z g``
FIRST_LETTER = 4
#: 韻母風(fēng)格，只返回各個(gè)拼音的韻母部分，不帶聲調(diào)。如： 中國(guó) -> ``ong uo``
FINALS = 5
#: 標(biāo)準(zhǔn)韻母風(fēng)格，帶聲調(diào)，聲調(diào)在韻母第一個(gè)字母上。如：中國(guó) -> ``ōng uó``
FINALS_TONE = 6
#: 韻母風(fēng)格2，帶聲調(diào)，聲調(diào)在各個(gè)韻母之后，用數(shù)字 [1-4] 進(jìn)行表示。如： 中國(guó) -> ``o1ng uo2``
FINALS_TONE2 = 7
#: 韻母風(fēng)格3，帶聲調(diào)，聲調(diào)在各個(gè)拼音之后，用數(shù)字 [1-4] 進(jìn)行表示。如： 中國(guó) -> ``ong1 uo2``
FINALS_TONE3 = 9
#: 注音風(fēng)格，帶聲調(diào)，陰平（第一聲）不標(biāo)。如： 中國(guó) -> ``ㄓㄨㄥ ㄍㄨㄛˊ``
BOPOMOFO = 10
#: 注音風(fēng)格，僅首字母。如： 中國(guó) -> ``ㄓ ㄍ``
BOPOMOFO_FIRST = 11
#: 漢語(yǔ)拼音與俄語(yǔ)字母對(duì)照風(fēng)格，聲調(diào)在各個(gè)拼音之后，用數(shù)字 [1-4] 進(jìn)行表示。如： 中國(guó) -> ``чжун1 го2``
CYRILLIC = 12
#: 漢語(yǔ)拼音與俄語(yǔ)字母對(duì)照風(fēng)格，僅首字母。如： 中國(guó) -> ``ч г``
CYRILLIC_FIRST = 13

有了這些，我們就可以輕松地實(shí)現(xiàn)風(fēng)格轉(zhuǎn)換了。

好，再回到原來(lái)的問(wèn)題，為什么 pinyin 的方法默認(rèn)帶聲調(diào)，而 lazy_pinyin 方法不帶聲調(diào)，答案就是：它們二者使用的默認(rèn)風(fēng)格不同，我們看下它的函數(shù)定義就知道了：

pinyin 方法的定義如下：

def pinyin(hans, style=Style.TONE, heteronym=False, errors='default', strict=True)

lazy_pinyin 方法的定義如下：

def lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True)

這下懂了吧，因?yàn)?pinyin 方法默認(rèn)使用了 TONE 的風(fēng)格，而 lazy_pinyin 方法默認(rèn)使用了 NORMAL 的風(fēng)格，所以就導(dǎo)致二者返回風(fēng)格不同了。

好了，有了這兩個(gè)函數(shù)的定義，我們?cè)賮?lái)研究下其他的參數(shù)，比如定義里面的 errors 和 strict 參數(shù)又怎么用呢？

錯(cuò)誤處理

在這里我們先做一個(gè)測(cè)試，比如我們傳入無(wú)法轉(zhuǎn)拼音的字，比如：

from pypinyin import lazy_pinyin
print(lazy_pinyin('你好☆☆，我是xxx'))

其中包含了星號(hào)兩個(gè)，還有標(biāo)點(diǎn)一個(gè)，另外還包含了一個(gè) xxx 英文字符，結(jié)果會(huì)是什么呢？

['ni', 'hao', '☆☆，', 'wo', 'shi', 'xxx']

可以看到結(jié)果中星號(hào)和英文字符都作為一個(gè)整體并原模原樣返回了。

那么這種特殊字符可以單獨(dú)進(jìn)行處理嗎？當(dāng)然可以，這里就用到剛才提到的 errors 參數(shù)了。

errors 參數(shù)是有幾種模式的：

u

下面是 errors 這個(gè)參數(shù)的源碼實(shí)現(xiàn)邏輯：

def _handle_nopinyin_char(chars, errors='default'):
    """處理沒(méi)有拼音的字符"""
    if callable_check(errors):
        return errors(chars)
 
    if errors == 'default':
        return chars
    elif errors == 'ignore':
        return None
    elif errors == 'replace':
        if len(chars) > 1:
            return ''.join(text_type('%x' % ord(x)) for x in chars)
        else:
            return text_type('%x' % ord(chars))

當(dāng)處理沒(méi)有拼音的字符的時(shí)候，errors 的不同參數(shù)會(huì)有不同的處理結(jié)果，更詳細(xì)的邏輯可以翻看源碼。

好了，下面我們來(lái)嘗試一下，比如我們想將不能轉(zhuǎn)拼音的字符去掉，則可以這么設(shè)置：

from pypinyin import lazy_pinyin
print(lazy_pinyin('你好☆☆，我是xxx', errors='ignore'))

運(yùn)行結(jié)果：

['ni', 'hao', 'wo', 'shi']

如果我們想要自定義處理，比如把 ☆ 轉(zhuǎn)化為 ※ ，則可以這么設(shè)置：

print(lazy_pinyin('你好☆☆，我是xxx', errors=lambda item: ''.join(['※' if c == '☆' else c for c in item])))

運(yùn)行結(jié)果：

['ni', 'hao', '※※，', 'wo', 'shi', 'xxx']

如上便是一些相關(guān)異常處理的操作，我們可以隨心所欲地處理自己想處理的字符了。

嚴(yán)格模式

最后再看下 strict 模式，這個(gè)參數(shù)用于控制處理聲母和韻母時(shí)是否嚴(yán)格遵循 《漢語(yǔ)拼音方案》標(biāo)準(zhǔn)。

下面的一些說(shuō)明來(lái)源于官方文檔：

當(dāng) strict 參數(shù)為 True 時(shí)根據(jù) 《漢語(yǔ)拼音方案》 的如下規(guī)則處理聲母、在韻母相關(guān)風(fēng)格下還原正確的韻母：

• 21 個(gè)聲母： b p m f d t n l g k h j q x zh ch sh r z c s （ y, w 不是聲母 ）
• i行的韻母，前面沒(méi)有聲母的時(shí)候，寫成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(憂)，yan(煙)， yin(因)，yang(央)，ying(英)，yong(雍)。（ y 不是聲母 ）
• u行的韻母，前面沒(méi)有聲母的時(shí)候，寫成wu(烏)，wa(蛙)，wo(窩)，wai(歪)，wei(威)，wan(彎)， wen(溫)，wang(汪)，weng(翁)。（ w 不是聲母 ）
• ü行的韻母，前面沒(méi)有聲母的時(shí)候，寫成yu(迂)，yue(約)，yuan(冤)，yun(暈)；ü上兩點(diǎn)省略。 （ 韻母相關(guān)風(fēng)格下還原正確的韻母 ü ）
• ü行的韻跟聲母j，q，x拼的時(shí)候，寫成ju(居)，qu(區(qū))，xu(虛)，ü上兩點(diǎn)也省略； 但是跟聲母n，l拼的時(shí)候，仍然寫成nü(女)，lü(呂)。（ 韻母相關(guān)風(fēng)格下還原正確的韻母 ü ）
• iou，uei，uen前面加聲母的時(shí)候，寫成iu，ui，un。例如niu(牛)，gui(歸)，lun(論)。 （ 韻母相關(guān)風(fēng)格下還原正確的韻母 iou，uei，uen ）

當(dāng) strict 為 False 時(shí)就是不遵守上面的規(guī)則來(lái)處理聲母和韻母， 比如： y , w 會(huì)被當(dāng)做聲母，yu(迂) 的韻母就是一般認(rèn)為的 u 等。

具體差異可以查看源碼中 tests/test_standard.py 中的對(duì)比結(jié)果測(cè)試用例。

自定義拼音

如果對(duì)庫(kù)返回的結(jié)果不滿意，我們還可以自定義自己的拼音庫(kù)，這里用到的方法就有 load_single_dict 和 load_phrases_dict 方法了。

比如剛才我們看到 “朝陽(yáng)” 兩個(gè)字的發(fā)音默認(rèn)返回的是 zhao yang，我們想默認(rèn)返回 chao yang，那可以這么做：

from pypinyin import lazy_pinyin, load_phrases_dict
 
print(lazy_pinyin('朝陽(yáng)'))
personalized_dict = {
    '朝陽(yáng)': [['cháo'], ['yáng']]
}
load_phrases_dict(personalized_dict)
print(lazy_pinyin('朝陽(yáng)'))

這里我們自定義了一個(gè)詞典，然后使用 load_phrases_dict 方法設(shè)置了一下就可以了。

運(yùn)行結(jié)果：

['zhao', 'yang']
['chao', 'yang']

這樣就可以完成自定義的設(shè)置了。

在一些項(xiàng)目里面我們可以自定義很多拼音庫(kù)，然后加載就可以了。

另外我們還可以注冊(cè)樣式實(shí)現(xiàn)自定義，比如將某個(gè)拼音前面加上 Emoji 表情，樣例：

from pypinyin.style import register
from pypinyin import lazy_pinyin
 
@register('kiss')
def kiss(pinyin, **kwargs):
    if pinyin == 'me':
        return f':kissing_heart:{pinyin}'
    return pinyin
 
print(lazy_pinyin('么么噠', style='kiss'))

運(yùn)行結(jié)果：

[':kissing_heart:me', ':kissing_heart:me', 'dá']

這里我們調(diào)用 register 方法注冊(cè)了一個(gè)樣式 style，然后轉(zhuǎn)換的時(shí)候指定即可，通過(guò)觀察運(yùn)行結(jié)果我們可以發(fā)現(xiàn)，這樣我們就可以將 me 字的拼音前面加上 :kissing_heart: 這個(gè) Emoji 表情了。

以上就是Python 中拼音庫(kù) PyPinyin 的用法的詳細(xì)內(nèi)容，更多關(guān)于Python拼音庫(kù) PyPinyin 的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論