#!/usr/bin/env python
# -*- coding: utf-8 -*-from __future__ import unicode_literalsfrom copy import deepcopy
from itertools import chainfrom pypinyin.compat import text_type, callable_check
from pypinyin.constants import (PHRASES_DICT, PINYIN_DICT,RE_HANS, Style
)
from pypinyin.contrib import mmseg
from pypinyin.utils import simple_seg, _replace_tone2_style_dict_to_default
from pypinyin.style import auto_discover, convert as convert_styleauto_discover()def seg(hans):hans = simple_seg(hans)ret = []for x in hans:if not RE_HANS.match(x):   # 没有拼音的字符，不再参与二次分词
            ret.append(x)elif PHRASES_DICT:ret.extend(list(mmseg.seg.cut(x)))else:   # 禁用了词语库，不分词
            ret.append(x)return retdef load_single_dict(pinyin_dict, style='default'):"""载入用户自定义的单字拼音库:param pinyin_dict: 单字拼音库。比如： ``{0x963F: u"ā,ē"}``:param style: pinyin_dict 参数值的拼音库风格. 支持 'default', 'tone2':type pinyin_dict: dict"""if style == 'tone2':for k, v in pinyin_dict.items():v = _replace_tone2_style_dict_to_default(v)PINYIN_DICT[k] = velse:PINYIN_DICT.update(pinyin_dict)mmseg.retrain(mmseg.seg)def load_phrases_dict(phrases_dict, style='default'):"""载入用户自定义的词语拼音库:param phrases_dict: 词语拼音库。比如： ``{u"阿爸": [[u"ā"], [u"bà"]]}``:param style: phrases_dict 参数值的拼音库风格. 支持 'default', 'tone2':type phrases_dict: dict"""if style == 'tone2':for k, value in phrases_dict.items():v = [list(map(_replace_tone2_style_dict_to_default, pys))for pys in value]PHRASES_DICT[k] = velse:PHRASES_DICT.update(phrases_dict)mmseg.retrain(mmseg.seg)def to_fixed(pinyin, style, strict=True):"""根据拼音风格格式化带声调的拼音.:param pinyin: 单个拼音:param style: 拼音风格:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母:return: 根据拼音风格格式化后的拼音字符串:rtype: unicode"""return convert_style(pinyin, style=style, strict=strict, default=pinyin)def _handle_nopinyin_char(chars, errors='default'):"""处理没有拼音的字符"""if callable_check(errors):return errors(chars)if errors == 'default':return charselif errors == 'ignore':return Noneelif errors == 'replace':if len(chars) > 1:return ''.join(text_type('%x' % ord(x)) for x in chars)else:return text_type('%x' % ord(chars))def handle_nopinyin(chars, errors='default'):py = _handle_nopinyin_char(chars, errors=errors)if not py:return []if isinstance(py, list):return pyelse:return [py]def single_pinyin(han, style, heteronym, errors='default', strict=True):"""单字拼音转换.:param han: 单个汉字:param errors: 指定如何处理没有拼音的字符，详情请参考:py:func:`~pypinyin.pinyin`:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母:return: 返回拼音列表，多音字会有多个拼音项:rtype: list"""num = ord(han)# 处理没有拼音的字符if num not in PINYIN_DICT:return handle_nopinyin(han, errors=errors)pys = PINYIN_DICT[num].split(',')  # 字的拼音列表if not heteronym:return [to_fixed(pys[0], style, strict=strict)]# 输出多音字的多个读音# 临时存储已存在的拼音，避免多音字拼音转换为非音标风格出现重复。# TODO: change to use set# TODO: add test for cachepy_cached = {}pinyins = []for i in pys:py = to_fixed(i, style, strict=strict)if py in py_cached:continuepy_cached[py] = pypinyins.append(py)return pinyinsdef phrase_pinyin(phrase, style, heteronym, errors='default', strict=True):"""词语拼音转换.:param phrase: 词语:param errors: 指定如何处理没有拼音的字符:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母:return: 拼音列表:rtype: list"""py = []if phrase in PHRASES_DICT:py = deepcopy(PHRASES_DICT[phrase])for idx, item in enumerate(py):py[idx] = [to_fixed(item[0], style=style, strict=strict)]else:for i in phrase:single = single_pinyin(i, style=style, heteronym=heteronym,errors=errors, strict=strict)if single:py.append(single)return pydef _pinyin(words, style, heteronym, errors, strict=True):""":param words: 经过分词处理后的字符串，只包含中文字符或只包含非中文字符，不存在混合的情况。"""pys = []# 初步过滤没有拼音的字符if RE_HANS.match(words):pys = phrase_pinyin(words, style=style, heteronym=heteronym,errors=errors, strict=strict)return pyspy = handle_nopinyin(words, errors=errors)if py:pys.append(py)return pysdef pinyin(hans, style=Style.TONE, heteronym=False,errors='default', strict=True):"""将汉字转换为拼音.:param hans: 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。:type hans: unicode 字符串或字符串列表:param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.TONE` 风格。更多拼音风格详见 :class:`~pypinyin.Style`:param 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。如果 ``errors``参数 的值是个可调用对象，那么程序会回调这个函数:``func(char)``::def foobar(char):return 'a'pinyin('あ', errors=foobar):param heteronym: 是否启用多音字:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`:return: 拼音列表:rtype: list:raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常Usage::>>> from pypinyin import pinyin, Style>>> import pypinyin>>> pinyin('中心')[['zhōng'], ['xīn']]>>> pinyin('中心', heteronym=True)  # 启用多音字模式[['zhōng', 'zhòng'], ['xīn']]>>> pinyin('中心', style=Style.FIRST_LETTER)  # 设置拼音风格[['z'], ['x']]>>> pinyin('中心', style=Style.TONE2)[['zho1ng'], ['xi1n']]>>> pinyin('中心', style=Style.CYRILLIC)[['чжун1'], ['синь1']]"""# 对字符串进行分词处理if isinstance(hans, text_type):han_list = seg(hans)else:han_list = chain(*(seg(x) for x in hans))pys = []for words in han_list:pys.extend(_pinyin(words, style, heteronym, errors, strict=strict))return pysdef slug(hans, style=Style.NORMAL, heteronym=False, separator='-',errors='default', strict=True):"""生成 slug 字符串.:param hans: 汉字:type hans: unicode or list:param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。更多拼音风格详见 :class:`~pypinyin.Style`:param heteronym: 是否启用多音字:param separstor: 两个拼音间的分隔符/连接符:param errors: 指定如何处理没有拼音的字符，详情请参考:py:func:`~pypinyin.pinyin`:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`:return: slug 字符串.:raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常::>>> import pypinyin>>> from pypinyin import Style>>> pypinyin.slug('中国人')'zhong-guo-ren'>>> pypinyin.slug('中国人', separator=' ')'zhong guo ren'>>> pypinyin.slug('中国人', style=Style.FIRST_LETTER)'z-g-r'>>> pypinyin.slug('中国人', style=Style.CYRILLIC)'чжун1-го2-жэнь2'"""return separator.join(chain(*pinyin(hans, style=style, heteronym=heteronym,errors=errors, strict=strict)))def lazy_pinyin(hans, style=Style.NORMAL, errors='default', strict=True):"""不包含多音字的拼音列表.与 :py:func:`~pypinyin.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.:param hans: 汉字:type hans: unicode or list:param style: 指定拼音风格，默认是 :py:attr:`~pypinyin.Style.NORMAL` 风格。更多拼音风格详见 :class:`~pypinyin.Style`。:param errors: 指定如何处理没有拼音的字符，详情请参考:py:func:`~pypinyin.pinyin`:param strict: 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 :ref:`strict`:return: 拼音列表(e.g. ``['zhong', 'guo', 'ren']``):rtype: list:raise AssertionError: 当传入的字符串不是 unicode 字符时会抛出这个异常Usage::>>> from pypinyin import lazy_pinyin, Style>>> import pypinyin>>> lazy_pinyin('中心')['zhong', 'xin']>>> lazy_pinyin('中心', style=Style.TONE)['zhōng', 'xīn']>>> lazy_pinyin('中心', style=Style.FIRST_LETTER)['z', 'x']>>> lazy_pinyin('中心', style=Style.TONE2)['zho1ng', 'xi1n']>>> lazy_pinyin('中心', style=Style.CYRILLIC)['чжун1', 'синь1']"""return list(chain(*pinyin(hans, style=style, heteronym=False,errors=errors, strict=strict)))

from pypinyin import pinyin, lazy_pinyin, Style, load_phrases_dict, load_single_dict
from pypinyin.style import registerprint(pinyin('你好'))  # [['nǐ'], ['hǎo']]
print(pinyin('中心', heteronym=True))  # 启用多音字模式  # [['zhōng', 'zhòng'], ['xīn']]
print(pinyin('中心', style=Style.FIRST_LETTER))  # 设置拼音风格，第一个字母 [['z'], ['x']]
print(pinyin('中心', style=Style.TONE2, heteronym=True))  # [['zho1ng', 'zho4ng'], ['xi1n']]
print(lazy_pinyin('中心'))  # 不考虑多音字的情况 # ['zhong', 'xin']##########处理不包含拼音的字符
# default (默认行为): 不做任何处理，原样返回:
print(lazy_pinyin('你好☆☆'))  # ['ni', 'hao', '☆☆']
# ignore : 忽略该字符
print(lazy_pinyin('你好☆☆', errors='ignore'))  # ['ni', 'hao']
# replace : 替换为去掉 \u 的 unicode 编码
print(lazy_pinyin('你好☆☆', errors='replace'))  # ['ni', 'hao', '26062606']
# callable 对象 : 提供一个回调函数，接受无拼音字符(串)作为参数, 支持的返回值类型: unicode 或 list ([unicode, …]) 或 None 。
print(lazy_pinyin('你好☆☆', errors=lambda x: 'star'))  # ['ni', 'hao', 'star']########### 自定义拼音库
print(lazy_pinyin('还没', style=Style.TONE2))
load_phrases_dict({'桔子': [['jú'], ['zǐ']]})  # 增加 "桔子" 词组，可以自己定义
print(lazy_pinyin('桔子', style=Style.TONE2))load_single_dict({ord('还'): 'hái,huán'})  # 调整 "还" 字的拼音顺序
print(lazy_pinyin('还没', style=Style.TONE2))###########自定义拼音风格
@register('kiss')
def kiss(mypinyin, **kwargs):return '? {0}'.format(mypinyin)print(lazy_pinyin('么么哒', style='kiss'))