How to Train Your Dragon（来自《驯龙高手》剧照）

pypinyin与xpinyin包

Python实现汉字转拼音，常用的包是pypinyin 0.37.0和xpinyin 0.5.6两个。
另外，SnowNLP: Simplified Chinese Text Processing和小明 NLP也是有汉字转拼音功能的，但这两个包不是专注于汉字转拼音，因此相对而言比起前面提到的pypinyin和xpinyin，在拼音这一项上要弱许多，比如无法给出拼音的音调，有些不是很生僻的成语也不能给出拼音（如下图），所以只重点去试了前面提到的两个包。

xmnlp测试

snownlp测试

默认参数

总的来说，pypinyin的功能更加全面。先来看默认参数下的转拼音结果。pypinyin提供了‘slug、pinyin’和‘lazy_pinyin’三个函数，区别在于是否返回结果是否默认带音调、结果是字符串还是列表以及分隔符等区别。xpinyin则是‘get_pinyin’这一个函数，但可以通过参数来返回带音调拼音、改变分隔符等。

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

from pypinyin import load_phrases_dict,load_single_dict, Style

word = '魑魅魍魉'
print('pypinyin默认参数结果：')
print('\t',pinyin(word))
print('\t',lazy_pinyin(word))
print('\t',slug(word))
print('xpinyin默认参数结果：')
print('\t',Pinyin().get_pinyin(word))

默认参数

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

为了对比两个包的汉字转拼音结果，用《生僻字》歌词来测试的结果如下：

《生僻字》歌词结果比较

pypinyin的heteronym参数与style参数

pypinyin作为汉字转拼音的首选python包，其中heteronym参数与style参数值得注意下。
heteronym参数是多音字模式开关参数，测试下来，我的理解设置** heteronym = True ** 后，可能在有些情况下（是pypinyin无法判断时）会将多音字所有可能的读音都列出来，如下所示，比如'好了'两字。但如果pypinyin能够判断时，heteronym参数对结果无影响，比如'小时了了，大未必佳'中的'了了'二字，pypinyin并不会返回'le le'的结果出现。

heteronym参数

style参数

pypinyin的load_phrases_dict和load_single_dict命令

前面已经提到pypinyin的结果正确率更高，但这并不意味着pypinyin返回的结果就百分百一定正确。在将接龙成语转拼音时也发现，极少情况下，xpinyin返回了正确结果，pypinyin的结果反而有误。对于这些被发现的错误拼音，可以通过** load_phrases_dict **生成自定义词典来修正。

load_phrases_dict自定义词典

此外** load_single_dict ** 可以调整对于多音字其结果中的出现顺序：
比如以其人之道，还治其人之身一句中的‘还’字，默认情况下pypinyin是先转换为‘huai’的读音。

多音字的识别顺序

成语接龙杀手锏

成语来源包括网上下载到的TXT（PDF、Epub）文件，包括前述Github上的JSON文件等。中间过程不赘述了，无非是按照文件中的格式，正则表达式提取出成语（以及拼音），整理清洗后共计31063个条目。

中华成语大词典

类似痛定思痛、防不胜防、数不胜数、微乎其微、忍无可忍、惺惺惜惺惺……这样的首尾两字均相同的成语也没有收入了。个人觉得这种只是属于死循环，而不是死胡同的必杀。
另外盛行的‘一个顶俩’没包括在上面，因为我收集到的成语词典中没有这一条。

参考资料

1. pypinyin 0.37.0 文档
2. xpinyin 0.5.6
3. SnowNLP: Simplified Chinese Text Processing
4. 小明 NLP — 轻量级中文自然语言处理工具
5. 利用python实现汉字转拼音的2种方法
6. Python中文分词工具大合集：安装、使用和测试
7. chinese-poetry: 最全中文诗歌古典文集数据库
8. 【Python】使用python实现汉字转拼音（2018.12更新）
9. 汉典网
10. Github: pwxcoo-chinese-xinhua

image.png