How to Train Your Dragon（來自《馴龍高手》劇照）

pypinyin與xpinyin包

Python實現漢字轉拼音，常用的包是pypinyin 0.37.0和xpinyin 0.5.6兩個。
另外，SnowNLP: Simplified Chinese Text Processing和小明 NLP也是有漢字轉拼音功能的，但這兩個包不是專注于漢字轉拼音，因此相對而言比起前面提到的pypinyin和xpinyin，在拼音這一項上要弱許多，比如無法給出拼音的音調，有些不是很生僻的成語也不能給出拼音（如下圖），所以只重點去試了前面提到的兩個包。

xmnlp測試

snownlp測試

默認參數

總的來說，pypinyin的功能更加全面。先來看默認參數下的轉拼音結果。pypinyin提供了‘slug、pinyin’和‘lazy_pinyin’三個函數，區別在于是否返回結果是否默認帶音調、結果是字符串還是列表以及分隔符等區別。xpinyin則是‘get_pinyin’這一個函數，但可以通過參數來返回帶音調拼音、改變分隔符等。

from pypinyin import pinyin, lazy_pinyin, slug
from xpinyin import Pinyin

from pypinyin import load_phrases_dict,load_single_dict, Style

word = '魑魅魍魎'
print('pypinyin默認參數結果：')
print('\t',pinyin(word))
print('\t',lazy_pinyin(word))
print('\t',slug(word))
print('xpinyin默認參數結果：')
print('\t',Pinyin().get_pinyin(word))

默認參數

slug(word, separator=' ',  style=Style.TONE)

為了對比兩個包的漢字轉拼音結果，用《生僻字》歌詞來測試的結果如下：

《生僻字》歌詞結果比較

pypinyin的heteronym參數與style參數

pypinyin作為漢字轉拼音的首選python包，其中heteronym參數與style參數值得注意下。
heteronym參數是多音字模式開關參數，測試下來，我的理解設置** heteronym = True ** 后，可能在有些情況下（是pypinyin無法判斷時）會將多音字所有可能的讀音都列出來，如下所示，比如'好了'兩字。但如果pypinyin能夠判斷時，heteronym參數對結果無影響，比如'小時了了，大未必佳'中的'了了'二字，pypinyin并不會返回'le le'的結果出現。

heteronym參數

style參數

pypinyin的load_phrases_dict和load_single_dict命令

前面已經提到pypinyin的結果正確率更高，但這并不意味著pypinyin返回的結果就百分百一定正確。在將接龍成語轉拼音時也發現，極少情況下，xpinyin返回了正確結果，pypinyin的結果反而有誤。對于這些被發現的錯誤拼音，可以通過** load_phrases_dict **生成自定義詞典來修正。

load_phrases_dict自定義詞典

此外** load_single_dict ** 可以調整對于多音字其結果中的出現順序：
比如以其人之道，還治其人之身一句中的‘還’字，默認情況下pypinyin是先轉換為‘huai’的讀音。

多音字的識別順序

成語接龍殺手锏

成語來源包括網上下載到的TXT（PDF、Epub）文件，包括前述Github上的JSON文件等。中間過程不贅述了，無非是按照文件中的格式，正則表達式提取出成語（以及拼音），整理清洗后共計31063個條目。

中華成語大詞典

類似痛定思痛、防不勝防、數不勝數、微乎其微、忍無可忍、惺惺惜惺惺……這樣的首尾兩字均相同的成語也沒有收入了。個人覺得這種只是屬于死循環，而不是死胡同的必殺。
另外盛行的‘一個頂倆’沒包括在上面，因為我收集到的成語詞典中沒有這一條。

參考資料

1. pypinyin 0.37.0 文檔
2. xpinyin 0.5.6
3. SnowNLP: Simplified Chinese Text Processing
4. 小明 NLP — 輕量級中文自然語言處理工具
5. 利用python實現漢字轉拼音的2種方法
6. Python中文分詞工具大合集：安裝、使用和測試
7. chinese-poetry: 最全中文詩歌古典文集數據庫
8. 【Python】使用python實現漢字轉拼音（2018.12更新）
9. 漢典網
10. Github: pwxcoo-chinese-xinhua

image.png