一、应用概述

最近做一个项目，发现很多场景，把汉字转换成拼音，然后进行深度学习分类，能够取得非常不错的效果，在做内容识别，特别是涉及到同音字的时候，转换成拼音就显得特别重要。比如垃圾广告识别：公众号、工仲号、躬总号，公众號、微信、威信、维伈.........，pypinyin是我用的一个比较好用的包是

给大家分享下，当然，在其他很多场景也是可以使用的，排序、检索等等场合。

二、有关文档

GitHub: https://github.com/mozillazg/python-pinyin

文   档：https://pypinyin.readthedocs.io/zh_CN/master/

PyPi  ：https://pypi.org/project/pypinyin/

三、关于安装

#可以使用 pip 进行安装
pip install pypinyin#easy_install 安装
easy_install pypinyin#源码安装
python setup.py install

四、核心函数

1、pypinyin.pinyin

语法：pypinyin.pinyin(hans, style=Style.TONE,  heteronym=False, errors='default', strict=True)

功能：将汉字转换为拼音，返回汉字的拼音列表。

参数：

• 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。详见 处理不包含拼音的字符

• heteronym – 是否启用多音字

• strict – 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

from pypinyin import pinyin, Style
import pypinyin
#普通模式
pinyin('中心')
[['zhōng'], ['xīn']]
pinyin('公众号')
[['gōng'], ['zhòng'], ['hào']]
# 启用多音字模式
pinyin('中心', heteronym=True)
[['zhōng', 'zhòng'], ['xīn']]
# 设置拼音风格
pinyin('中心', style=Style.NORMAL ) #普通风格
[['zhong'], ['xin']]pinyin('中心', style=Style.FIRST_LETTER)
[['z'], ['x']]pinyin('中心', style=Style.TONE2)
[['zho1ng'], ['xi1n']]pinyin('中心', style=Style.TONE3)
[['zhong1'], ['xin1']]pinyin('中心', style=Style.CYRILLIC)#汉语拼音与俄语字母对照风格
[['чжун1'], ['синь1']]

2、pypinyin.lazy_pinyin

语法：pypinyin.lazy_pinyin(hans, style=Style, errors='default', strict=True)

功能：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

参数：

• hans (unicode or list) – 汉字

• 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 – 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

from pypinyin import lazy_pinyin, Style
import pypinyinlazy_pinyin('中心')
['zhong', 'xin']
lazy_pinyin('微信公众号')
['wei', 'xin', 'gong', 'zhong', 'hao']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']

3、pypinyin.slug

功能：将汉字转换为拼音，然后生成 slug 字符串，简单说就是自定义分隔符

语法：pypinyin.slug(hans , style=Style, heteronym=False, separator='-', errors='default', strict=True)

• hans (unicode or list) – 汉字

• 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 – 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

import pypinyin
from pypinyin import Style
pypinyin.slug('我是中国人')
'wo-shi-zhong-guo-ren'
pypinyin.slug('我是中国人', separator=' ')
'wo shi zhong guo ren'pypinyin.slug('中国人2020雄起', separator=' ')#遇到数字等非汉字不注音
'zhong guo ren 2020 xiong qi'pypinyin.slug('中国人2020雄起', style=Style.FIRST_LETTER)
'z-g-r-2020-x-q'pypinyin.slug('我是中国人', style=Style.CYRILLIC)
'во3-ши4-чжун1-го2-жэнь'

4、 pypinyin.load_single_dict

功能：载入用户自定义的单字拼音库

语法： pypinyin.load_single_dict(pinyin_dict, style='default')

参数：

• 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’

5、 pypinyin.load_phrases_dict

功能：载入用户自定义的词语拼音库

语法： pypinyin.load_phrases_dict(phrases_dict, style='default')

参数：

• 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’

五、一个案例

假如需要找出一个垃圾评价的相似样本，用汉语相似性远远小于拼音，这个时候，拼音就能发挥很大的优势。

当然转换成拼音后，把每个音节当一个词，进行深度学习，效果也是非常好的。

S1 = '加公众号：小优惠，领券，便宜购买'
S2 = '伽工仲号：小优惠，伶绻，便宜购买'#汉语相似
simi_1 = len(set(S1).interp(set(S2)))/len(set(S1).union(set(S2)))#相似不懂的可以看我前面集合的文章
simi_1
0.5
#转换成拼音后显示
S1 = lazy_pinyin(S1)
S2 = lazy_pinyin(S2)
simi_2 = len(set(S1).interp(set(S2)))/len(set(S1).union(set(S2)))
simi_2
0.875

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑AI基础下载（pdf更新到25集）机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/yFQV7am本站qq群1003271085，加入微信群请扫码喜欢文章，点个在看