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 = False self.just_shengmu = False self.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 [email protected] #
- # [email protected] #
- # http://nethermit.yeah.net #
- #####################################
- # python.
- import sys,os
- import re
- import string
- class 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("'\"`[email protected]#$%^&*()=+[]{}\\|;:,.<>/?"):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
来源: http://www.phpxs.com/code/1005249/