【Python】pypinyin-汉字拼音转换工具

鸟哥大大2025-02-23 20:01

文章目录

  • [1. 主要功能](#1. 主要功能)
  • [2. 安装](#2. 安装)
  • [3. 常用API](#3. 常用API)
    • [3.1 拼音风格](#3.1 拼音风格)
    • [3.2 核心API](#3.2 核心API)
      • [3.2.1 pypinyin.pinyin()](#3.2.1 pypinyin.pinyin())
      • [3.2.2 pypinyin.lazy_pinyin()](#3.2.2 pypinyin.lazy_pinyin())
      • [3.2.3 pypinyin.load_single_dict()](#3.2.3 pypinyin.load_single_dict())
      • [3.2.4 pypinyin.load_phrases_dict()](#3.2.4 pypinyin.load_phrases_dict())
      • [3.2.5 pypinyin.slug()](#3.2.5 pypinyin.slug())
    • [3.3 注册新的拼音风格](#3.3 注册新的拼音风格)
  • [4. 基本用法](#4. 基本用法)
    • [4.1 库导入](#4.1 库导入)
    • [4.2 基本汉字转拼音](#4.2 基本汉字转拼音)
    • [4.3 拼音风格](#4.3 拼音风格)
    • [4.4 多音字](#4.4 多音字)
    • [4.5 获取声母和韵母](#4.5 获取声母和韵母)
    • [4.6 自定义拼音库](#4.6 自定义拼音库)
  • [5. 应用场景](#5. 应用场景)

pypinyin 是一个用于将汉字转换为拼音的 Python 库。这个库特别适合需要在程序中进行汉字到拼音转换的场景，比如文本处理、自然语言处理应用等。以下是对 pypinyin 库的介绍，包括其功能和使用方法。

1. 主要功能

汉字转拼音 ：可以将汉字转化为拼音，可以处理多音字。
声调标注 ：可以在拼音中标注声调。
拼音风格 ：支持多种拼音风格，比如带声调的拼音、数字表示声调的拼音、以及不带声调的拼音。
多音字支持 ：能够正确处理和选择多音字的正确读音。
自定义拼音库：用户可以自定义词组的拼音，以适应特定的应用需求。

2. 安装

可以通过pip来安装pypinyin。

bash 复制代码 
pip install pypinyin

3. 常用API

3.1 拼音风格

python 复制代码 
class pypinyin.Style(value, names=<not given>, *values, module=None, qualname=None, type=None, start=1, boundary=None)
参数值 说明
NORMAL 普通风格，不带声调。如： 中国 -> zhong guo
TONE 标准声调风格，拼音声调在韵母第一个字母上（默认风格）。如： 中国 -> zhōng guó
TONE2 声调风格2，即拼音声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> zho1ng guo2
TONE3 声调风格3，即拼音声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> zhong1 guo2
INITIALS 声母风格，只返回各个拼音的声母部分（注：有的拼音没有声母，详见 #27）。如： 中国 -> zh g
FIRST_LETTER 首字母风格，只返回拼音的首字母部分。如： 中国 -> z g
FINALS 韵母风格，只返回各个拼音的韵母部分，不带声调。如： 中国 -> ong uo
FINALS_TONE 标准韵母风格，带声调，声调在韵母第一个字母上。如：中国 -> ōng uó
FINALS_TONE2 韵母风格2，带声调，声调在各个韵母之后，用数字 [1-4] 进行表示。如： 中国 -> o1ng uo2
FINALS_TONE3 韵母风格3，带声调，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> ong1 uo2
BOPOMOFO 注音风格，带声调，阴平（第一声）不标。如： 中国 -> ㄓㄨㄥ ㄍㄨㄛˊ
BOPOMOFO_FIRST 注音风格，仅首字母。如： 中国 -> ㄓ ㄍ
CYRILLIC 汉语拼音与俄语字母对照风格，声调在各个拼音之后，用数字 [1-4] 进行表示。如： 中国 -> чжун1 го2
CYRILLIC_FIRST 汉语拼音与俄语字母对照风格，仅首字母。如： 中国 -> ч г
WADEGILES 威妥玛拼音/韦氏拼音/威式拼音风格，无声调

3.2 核心API

3.2.1 pypinyin.pinyin()

将汉字转换为拼音，返回汉字的拼音列表。

python 复制代码 
pypinyin.pinyin(hans, style=Style.TONE, heteronym=False, errors='default', strict=True, v_to_u=False, neutral_tone_with_five=False)
参数 说明
hans (unicode 字符串或字符串列表) 汉字字符串( '你好吗' )或列表( ['你好', '吗'] ). 可以使用自己喜爱的分词模块对字符串进行分词处理, 只需将经过分词处理的字符串列表传进来就可以了
style 指定拼音风格，默认是 TONE 风格。 更多拼音风格详见 Style
errors 指定如何处理没有拼音的字符。'default'：保留原始字符；'ignore'：忽略该字符；'replace'：替换为去掉 \u 的 unicode 编码字符串 ('\u90aa' => '90aa')；callable对象: 回调函数之类的可调用对象
heteronym 是否启用多音字
strict 只获取声母或只获取韵母相关拼音风格的返回结果 是否严格遵照《汉语拼音方案》来处理声母和韵母， 详见 strict 参数的影响
v_to_u (bool) 无声调相关拼音风格下的结果是否使用 ü 代替原来的 v 当为 False 时结果中将使用 v 表示 ü
neutral_tone_with_five (bool) 声调使用数字表示的相关拼音风格下的结果是否 使用 5 标识轻声

3.2.2 pypinyin.lazy_pinyin()

将汉字转换为拼音，返回不包含多音字结果的拼音列表。与 pinyin() 的区别是返回的拼音是个字符串， 并且每个字只包含一个读音。

python 复制代码 
pypinyin.lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True, v_to_u=False, neutral_tone_with_five=False, tone_sandhi=False)
参数 说明
hans (unicode 字符串或字符串列表) 汉字字符串( '你好吗' )或列表( ['你好', '吗'] ). 可以使用自己喜爱的分词模块对字符串进行分词处理, 只需将经过分词处理的字符串列表传进来就可以了。
style 指定拼音风格，默认是 NORMAL 风格。 更多拼音风格详见 Style。
errors 指定如何处理没有拼音的字符，详情请参考 pinyin()
strict 只获取声母或只获取韵母相关拼音风格的返回结果 是否严格遵照《汉语拼音方案》来处理声母和韵母， 详见 strict 参数的影响
v_to_u (bool) 无声调相关拼音风格下的结果是否使用 ü 代替原来的 v 当为 False 时结果中将使用 v 表示 ü
neutral_tone_with_five (bool) 声调使用数字表示的相关拼音风格下的结果是否 使用 5 标识轻声
tone_sandhi (bool) 是否按照声调 变调规则 对拼音进行处理 （使用预先通过分词库进行过分词后的结果作为 hans 参数的值效果会更好，因为变调效果依赖分词效果）

3.2.3 pypinyin.load_single_dict()

载入用户自定义的单字拼音库。

python 复制代码 
pypinyin.load_single_dict(pinyin_dict, style='default')
参数 说明
pinyin_dict (dict) 单字拼音库。比如： {0x963F: u"ā,ē"}
style pinyin_dict 参数值的拼音库风格. 支持 'default', 'tone2'

3.2.4 pypinyin.load_phrases_dict()

载入用户自定义的词语拼音库。

python 复制代码 
pypinyin.load_phrases_dict(phrases_dict, style='default')
参数 说明
phrases_dict (dict) 词语拼音库。比如： {u"阿爸": [[u"ā"], [u"bà"]]}
style phrases_dict 参数值的拼音库风格. 支持 'default', 'tone2'

3.2.5 pypinyin.slug()

将汉字转换为拼音，然后生成 slug 字符串。

python 复制代码 
pypinyin.slug(hans, style=Style.NORMAL, heteronym=False, separator='-', errors='default', strict=True)
参数 说明
hans (unicode 字符串或字符串列表) 汉字字符串( '你好吗' )或列表( ['你好', '吗'] ). 可以使用自己喜爱的分词模块对字符串进行分词处理, 只需将经过分词处理的字符串列表传进来就可以了。
style 指定拼音风格，默认是 NORMAL 风格。 更多拼音风格详见 Style
heteronym 是否启用多音字
separator 两个拼音间的分隔符/连接符
errors 指定如何处理没有拼音的字符，详情请参考 pinyin()
strict 只获取声母或只获取韵母相关拼音风格的返回结果 是否严格遵照《汉语拼音方案》来处理声母和韵母， 详见 strict 参数的影响

3.3 注册新的拼音风格

注册一个拼音风格实现。 自定义的函数应当使用 **kwargs 来兼容后续可能会新增的关键字参数， 当前默认会传递如下参数.

python 复制代码 
pypinyin.style.register(style, func=None)
参数 说明
pinyin 原始有声调的单个拼音
strict 是否开启 strict 模式
han 当前拼音对应的原始汉字
python 复制代码 
@register('echo')
def echo(pinyin, **kwargs):
    return pinyin

# or
register('echo', echo)

4. 基本用法

4.1 库导入

python 复制代码 
from pypinyin import pinyin, lazy_pinyin, Style

4.2 基本汉字转拼音

python 复制代码 
print(pinyin('中心'))  # 输出: [['zhōng'], ['xīn']]

4.3 拼音风格

python 复制代码 
# 转换为不带声调的拼音
print(lazy_pinyin('中心'))  # 输出: ['zhong', 'xin']

# 显示声调的拼音
print(pinyin('中心', style=Style.TONE))   # 输出: [['zhōng'], ['xīn']]
print(pinyin('中心', style=Style.TONE2))  # 输出: [['zho1ng'], ['xi1n']]
print(pinyin('中心', style=Style.TONE3))  # 输出: [['zhong1'], ['xin1']]
# 可以设置用5表示轻声
print(pinyin('衣裳', style=Style.TONE3, neutral_tone_with_five=True))  # 输出: [['yi1'], ['shang5']]
# 其他风格
print(pinyin('中心', style=Style.FIRST_LETTER)）  # 输出: [['z'], ['x']]
print(pinyin('中心', style=Style.CYRILLIC))   # 输出: [['чжун1'], ['синь1']]
print(pinyin('战略', v_to_u=True, style=Style.NORMAL))   # 输出: [['zhan'], ['lüe']]

# slug用法
import pypinyin
print(pypinyin.slug('中国人'))  # 输出: 'zhong-guo-ren'
print(pypinyin.slug('中国人', separator=' '))  # 输出: 'zhong guo ren'
print(pypinyin.slug('中国人', style=Style.FIRST_LETTER))  # 输出: 'z-g-r'
print(pypinyin.slug('中国人', style=Style.CYRILLIC))  # 输出: 'чжун1-го2-жэнь2'

4.4 多音字

python 复制代码 
# 支持多音字识别
print(pinyin('重心'))  # 输出: [['zhòng'], ['xīn']] (根据上下文'重'读作'zhòng')
# 启用多音字模式
print(pinyin('中心', heteronym=True)) # 输出：[['zhōng', 'zhòng'], ['xīn']]

4.5 获取声母和韵母

在 pypinyin 库中，可以使用 Style.INITIALS 和 Style.FINALS 来分别提取汉字拼音的声母和韵母。

python 复制代码 
from pypinyin import pinyin, Style

# 提取拼音的声母和韵母
text = '汉字'

# 获取声母
initials = pinyin(text, style=Style.INITIALS, strict=False)
print('声母:', initials)  # 输出: [['h'], ['z']]

# 获取韵母
finals = pinyin(text, style=Style.FINALS, strict=False)
print('韵母:', finals)  # 输出: [['an'], ['i']]

# 获取带声调的韵母
finals_with_tone = pinyin(text, style=Style.FINALS_TONE)
print('带声调的韵母:', finals_with_tone)  # 输出: [['àn'], ['i']]

4.6 自定义拼音库

python 复制代码 
# 自定义词语的拼音
from pypinyin import load_phrases_dict
# 定义自定义词典
custom_dict = {'重庆': [['Chong'], ['qing']]}
# 加载自定义词典
pypinyin.load_phrases_dict(custom_dict)
# 使用自定义词典进行转换
print(pinyin('重庆'))  # 输出: [['Chong'], ['qing']]

5. 应用场景

  • 自然语言处理：文本转换和分析、文本音韵分析或语言学研究；语音识别、语音合成标注数据构建等。
  • 搜索优化：改进中文搜索功能。用户在输入拼音时，可以通过拼音匹配到汉字，实现更为友好和方便的搜索体验。
  • 数据清理与标准化：在数据处理中，将拼音作为汉字索引字段，方便进行数据聚合与分析。
  • 改进拼音输入法：在拼音输入法中，使用多音字的处理功能，将拼音准确转换为正确的汉字，提升输入准确性。
相关推荐
Archie_IT1 小时前
DeepSeek R1/V3满血版——在线体验与API调用
人工智能·深度学习·ai·自然语言处理
失败尽常态5231 小时前
用Python实现Excel数据同步到飞书文档
python·excel·飞书
2501_904447741 小时前
OPPO发布新型折叠屏手机 起售价8999
python·智能手机·django·virtualenv·pygame
青龙小码农1 小时前
yum报错：bash: /usr/bin/yum: /usr/bin/python: 坏的解释器：没有那个文件或目录
开发语言·python·bash·liunx
大数据追光猿2 小时前
Python应用算法之贪心算法理解和实践
大数据·开发语言·人工智能·python·深度学习·算法·贪心算法
Leuanghing2 小时前
【Leetcode】11. 盛最多水的容器
python·算法·leetcode
xinxiyinhe3 小时前
如何设置Cursor中.cursorrules文件
人工智能·python
alphaAIstack3 小时前
大语言模型推理能力从何而来？
人工智能·语言模型·自然语言处理
诸神缄默不语4 小时前
如何用Python 3自动打开exe程序
python·os·subprocess·python 3
橘子师兄4 小时前
分页功能组件开发
数据库·python·django
热门推荐
01DeepSeek各版本说明与优缺点分析02如何在WPS和Word/Excel中直接使用DeepSeek功能03DeepSeek本地部署详细指南04太炸裂了！清华大学deepseek从入门到精通使用手册又出第三版了，《普通人如何抓住DeepSeek红利》（无套路，直接下载）05本地部署DeepSeek教程（Mac版本）06DeepSeek r1本地安装全指南07DeepSeek RAGFlow构建本地知识库系统08本地化部署AI知识库：基于Ollama+DeepSeek+AnythingLLM保姆级教程09DeepSeek R1本地化部署 Ollama + Chatbox 打造最强 AI 工具10【docker】Windows10安装Docker Desktop - WSL update failed