Python 中拼音库 PyPinyin 用法详解

第Python中拼音库PyPinyin用法详解最近碰到了一个问题，项目中很多文件都是接手过来的中文命名的一些素材，结果在部署的时候文件名全都乱码了，导致项目无法正常运行。

后来请教了一位大佬怎么解决文件名乱码的问题，他说这个需要正面解决吗？不需要，把文件名全部改掉，文件名永远不要用中文，永远不要。

我想他这么说的话，一定也是凭经验得出来的。

这里也友情提示大家，项目里面文件永远不要用中文，永远不要！

好，那不用中文用啥？平时来看，一般我们都会用英文来命名，一般也不会出现中文，比如resource,controller,result,view,spider等等，所以绝大多数情况下，是不会出现什么问题的。但是也有个别的情况，比如一些素材、资源文件可能的中文命名的，那么这时候该咋办呢？

首先像，因为是中文资源文件，我们要改成非中文命名的，无非两种，一种是英文，一种是拼音。

如果改英文，当然可以翻译、我们想翻译的话，逐个人工翻译成本太高，机器翻译的话，翻译完可能有些文不对题了，而且我们自己也不知道一些奇怪的资源英语应该叫什么，所以到时候真的找起来都找不到了。

所以第二种解决方案，那就是拼音了。中文转拼音，很自然，而且一个字就对应一串拼音，而且也非常容易从拼音看懂是什么意思，所以这确实是一个不错的方案。

那么问题就来了，怎样把一批中文文件转拼音命名呢？下面就让我们来了解Python的一个库PyPinyin吧！

Python中提供了汉字转拼音的库，名字叫做PyPinyin，可以用于汉字注音、排序、检索等等场合，是基于hotto/pinyin这个库开发的，一些站点链接如下：

GitHub:/mozillazg/python-pinyin

文档：https://pypinyin.readthedocs.io/zh_CN/master/

PyPi：/project/pypinyin/

它有这么几个特性：

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。

支持多种不同拼音/注音风格。

是不是等不及了呢？那就让我们来了解一下它的用法吧！

首先就是这个库的安装了，通过pip安装即可：

pip3installpypinyin

安装完成之后导入一下这个库，如果不报错，那就说明安装成功了。

importpypinyin

好，接下来我们看下它的具体功能。

首先我们进行一下基本的拼音转换，方法非常简单，直接调用pinyin方法即可：

frompypinyinimportpinyin

print(pinyin('中心'))

运行结果：

[['zhōng'],['xīn']]

可以看到结果会是一个二维的列表，每个元素都另外成了一个列表，其中包含了每个字的读音。

那么如果这个词是多音字咋办呢？比如“朝阳”，它有两个读音，我们拿来试下：

frompypinyinimportpinyin

print(pinyin('朝阳'))

运行结果：

[['zhāo'],['yáng']]

好吧，它只给出来了一个读音，但是如果我们想要另外一种读音咋办呢？

其实很简单，只需添加heteronym参数并设置为True就好了，我们试下：

frompypinyinimportpinyin

print(pinyin('朝阳',heteronym=True))

运行结果：

[['zhāo','cháo'],['yáng']]

OK了，这下子就显示出来了两个读音了，而且我们也明白了结果为什么是一个二维列表，因为里面的一维的结果可能是多个，比如多音字的情况就是这样。

但这个多少解析起来有点麻烦，很多情况下我们是不需要管多音字的，我们只是用它来转换一下名字而已，而处理上面的二维数组又比较麻烦。

所以有没有一个方法直接给我们一个一维列表呢？有！

我们可以使用lazy_pinyin这个方法来生成，尝试一下：

frompypinyinimportpinyin

print(pinyin('聪明的小兔子'))

运行结果：

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

这时候观察到得到的是一个列表，并且不再包含音调了。

这里我们就有一个疑问了，为啥pinyin方法返回的结果默认是带音调的，而lazy_pinyin是不带的，这里面就涉及到一个风格转换的问题了。

我们可以对结果进行一些风格转换，比如不带声调风格、标准声调风格、声调在拼音之后、声调在韵母之后、注音风格等等，比如我们想要声调放在拼音后面，可以这么来实现：

frompypinyinimportlazy_pinyin,Style

style=Style.TONE3

print(lazy_pinyin('聪明的小兔子',>

运行结果：

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

可以看到运行结果每个拼音后面就多了一个声调，这就是其中的一个风格，叫做TONE3，其实还有很多风格，下面是我从源码里面找出来的定义：

NORMAL=0

#: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-``zhōngguó``

TONE=1

#: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-``zho1ngguo2``

TONE2=2

#: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-``zhong1guo2``

TONE3=8

#: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-``zhg``

INITIALS=3

#:首字母风格，只返回拼音的首字母部分。如：中国-``zg``

FIRST_LETTER=4

#:韵母风格，只返回各个拼音的韵母部分，不带声调。如：中国-``onguo``

FINALS=5

#:标准韵母风格，带声调，声调在韵母第一个字母上。如：中国-``ōnguó``

FINALS_TONE=6

#: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-``o1nguo2``

FINALS_TONE2=7

#: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-``ong1uo2``

FINALS_TONE3=9

#:注音风格，带声调，阴平（第一声）不标。如：中国-``ㄓㄨㄥㄍㄨㄛˊ``

BOPOMOFO=10

#:注音风格，仅首字母。如：中国-``ㄓㄍ``

BOPOMOFO_FIRST=11

#: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-``чжун1го2``

CYRILLIC=12

#:汉语拼音与俄语字母对照风格，仅首字母。如：中国-``чг``

CYRILLIC_FIRST=13

有了这些，我们就可以轻松地实现风格转换了。

好，再回到原来的问题，为什么pinyin的方法默认带声调，而lazy_pinyin方法不带声调，答案就是：它们二者使用的默认风格不同，我们看下它的函数定义就知道了：

pinyin方法的定义如下：

defpinyin(hans,'default',strict=True)

lazy_pinyin方法的定义如下：

deflazy_pinyin(hans,'default',strict=True)

这下懂了吧，因为pinyin方法默认使用了TONE的风格，而lazy_pinyin方法默认使用了NORMAL的风格，所以就导致二者返回风格不同了。

好了，有了这两个函数的定义，我们再来研究下其他的参数，比如定义里面的errors和strict参数又怎么用呢？

在这里我们先做一个测试，比如我们传入无法转拼音的字，比如：

frompypinyinimportlazy_pinyin

print(lazy_pinyin('你好☆☆，我是xxx'))

其中包含了星号两个，还有标点一个，另外还包含了一个xxx英文字符，结果会是什么呢？

['ni','hao','☆☆，','wo','shi','xxx']

可以看到结果中星号和英文字符都作为一个整体并原模原样返回了。

那么这种特殊字符可以单独进行处理吗？当然可以，这里就用到刚才提到的errors参数了。

errors参数是有几种模式的：

u

下面是errors这个参数的源码实现逻辑：

def_handle_nopinyin_char(chars,errors='default'):

"""处理没有拼音的字符"""

ifcallable_check(errors):

returnerrors(chars)

iferrors=='default':

returnchars

eliferrors=='ignore':

returnNone

eliferrors=='replace':

iflen(chars)1:

return''.join(text_type('%x'%ord(x))forxinchars)

else:

returntext_type('%x'%ord(chars))

当处理没有拼音的字符的时候，errors的不同参数会有不同的处理结果，更详细的逻辑可以翻看源码。

好了，下面我们来尝试一下，比如我们想将不能转拼音的字符去掉，则可以这么设置：

frompypinyinimportlazy_pinyin

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

运行结果：

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

如果我们想要自定义处理，比如把☆转化为※，则可以这么设置：

print(lazy_pinyin('你好☆☆，我是xxx',errors=lambdaitem:''.join(['※'ifc=='☆'elsecforcinitem])))

运行结果：

['ni','hao','※※，','wo','shi','xxx']

如上便是一些相关异常处理的操作，我们可以随心所欲地处理自己想处理的字符了。

最后再看下strict模式，这个参数用于控制处理声母和韵母时是否严格遵循《汉语拼音方案》标准。

下面的一些说明来源于官方文档：

当strict参数为True时根据《汉语拼音方案》的如下规则处理声母、在韵母相关风格下还原正确的韵母：

21个声母：bpmfdtnlgkhjqxzhchshrzcs（y,w不是声母）

i行的韵母，前面没有声母的时候，写成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(忧)，yan(烟)，yin(因)，yang(央)，ying(英)，yong(雍)。（y不是声母）

u行的韵母，前面没有声母的时候，写成wu(乌)，wa(蛙)，wo(窝)，wai(歪)，wei(威)，wan(弯)，wen(温)，wang(汪)，weng(翁)。（w不是声母）

ü行的韵母，前面没有声母的时候，写成yu(迂)，yue(约)，yuan(冤)，yun(晕)；ü上两点省略。（韵母相关风格下还原正确的韵母ü）

ü行的韵跟声母j，q，x拼的时候，写成ju(居)，qu(区)，xu(虚)，ü上两点也省略；但是跟声母n，l拼的时候，仍然写成nü(女)，lü(吕)。（韵母相关风格下还原正确的韵母ü）

iou，uei，uen前面加声母的时候，写成iu，ui，un。例如niu(牛)，gui(归)，lun(论)。（韵母相关风格下还原正确的韵母iou，uei，uen）

当strict为False时就是不遵守上面的规则来处理声母和韵母，比如：y,w会被当做声母，yu(迂)的韵母就是一般认为的u等。

具体差异可以查看源码中tests/test_standard.py中的对比结果测试用例。

自定义拼音

如果对库返回的结果不满意，我们还可以自定义自己的拼音库，这里用到的方法就有load_single_dict和load_phrases_dict方法了。

比如刚才我们看到“朝阳”两个字的发音默认返回的是zhaoyang，我们想默认返回chaoyang，那可以这么做：

frompypinyinimportlazy_pinyin,load_phrases_dict

print(lazy_pinyin('朝阳'))

personalized_dict={

'朝阳':[['cháo'],['yáng']]

load_phrases_dict(personalized_dict)

print(lazy_pinyin('朝阳'))

这里我