出发点

今年双十一期间入手了一本《淮南子》，之前在读大学的时候就在图书馆借阅且朗诵过，其文笔优美，寓意深刻，十分喜欢！《淮南子》是西汉皇室贵族刘安和他的门客编写的一本反映道教、阴阳家、法家、墨家等思想的黄老学派著作，《淮南子》一书中的“无为”政治学说和法治思想，强调按客观规律办事，提倡统治者要清心寡欲，勿夺民时。它的“民本”思想，“以实从事于宜”的自然观，影响了两千多年的中国历史。我们现在用的很多成语和典故都是出自于《淮南子》。在阅读过程中，发现很多生僻字不会念，在网上也没有查找到对应的注音版本，只能自己动手丰衣足食。借助pypinyin模块包和汉字编码表gbk，写了一个简单的文本拼音标注脚本。这个脚本根据文本词频和汉字笔画判定生僻字，然后标音。碰上古文再也不用为生僻字发愁啦！*

实践

from pypinyin import pinyin
import Bihuaclass PyText:def __init__(self,f,num,maxBH,content):self.f = fself.num = numself.content = contentself.maxBH = maxBH# 导入汉字笔画字典self.Bihua_dict = Bihua.Bihua_dict# 创建汉字频率字典self.dic_FOW = {}for i in self.content:if PyText.is_Chinese(i):self.dic_FOW.setdefault(i, 0)self.dic_FOW[i] = self.dic_FOW[i] + 1# 生成带拼音文本def addPYtext(self):# f为期望的要标注拼音汉字在本txt文档中出现的上限频次pinyintext = ""for i in self.content:if i in self.dic_FOW.keys():if (self.dic_FOW[i] <= self.f) or (self.Bihua_dict[i] >= self.maxBH):i = i + '(' + str(pinyin(i)[0][0]) + ')'pinyintext += ireturn pinyintext# 判定字符是否为汉字def is_Chinese(word):for ch in word:if ('\u4e00' <= ch and ch <= '\u9fff') or ('\u3400' <= ch and ch <= '\u4DB5'):return Truereturn False# 获取文本汉字字符总数def getTotalWordNum(self):TotalWordNum = 0for i in self.content:if PyText.is_Chinese(i):TotalWordNum += 1return TotalWordNum# 获取文本中出现频率前x的汉字def getMaxFreWord(self):print('-----文本中出现频率前%s的汉字-----'%self.num)list_FOW = []for k, v in self.dic_FOW.items():list_FOW.append([v, k])list_FOW = sorted(list_FOW, key=(lambda x: x[0]), reverse=True)for i in range(0, self.num):print(list_FOW[i][1] + ':' + str(list_FOW[i][0]))# 获取文本中标注拼音的独立汉字个数（不是总个数）def getPYWordNum(self):PYWordNum = 0for i in self.dic_FOW.keys():if (self.dic_FOW[i] <= self.f) or (self.Bihua_dict[i] >= self.maxBH):PYWordNum += 1return PYWordNum

import os
from PyText import PyTextif __name__ == '__main__':os.chdir(r'C:\Users\mayn\Desktop')txt_name = "淮南子"# 读取书籍txt文件with open("%s.txt" % txt_name, encoding="gb18030") as f:content = f.read()HuaiNanZi = PyText(f=10, num=1000, maxBH=20,content=content)result = HuaiNanZi.addPYtext()# 生成带拼音书籍txt文件with open("%s_拼音.txt"%txt_name,'w',encoding="gb18030") as m:m.write(result)print(result)print(HuaiNanZi.getMaxFreWord())print(HuaiNanZi.getTotalWordNum())print(HuaiNanZi.getPYWordNum())

实现效果

Python 文本生僻字判定和拼音标注脚本相关推荐

装13失败后，我决定使用Python为生僻字批量注音
装13的冷场 "龙生九子,各不相同-" 囚牛.睚眦.嘲风.蒲牢.狻猊.霸下.狴犴.负屃.螭吻. 都说提笔忘字丢人,可至少还有提笔的机会.随着信息化时代的普及,原来越多的人成了半文盲 ...
python生僻字如何转码_装13失败后，我决定使用Python为生僻字批量注音
装13的冷场 "龙生九子,各不相同-" 囚牛.睚眦.嘲风.蒲牢.狻猊.霸下.狴犴.负屃.螭吻. 都说提笔忘字丢人,可至少还有提笔的机会.随着信息化时代的普及,原来越多的人成了半文盲 ...
6 生僻字_《生僻字》歌词拼音与注释，跟着音乐学汉字
<生僻字>歌词(拼音) 我们中国的汉字,落笔成画留下五千年的历史,让世界都认识,我们中国的汉字,一撇一捺都是故事. 跪举火把,虔诚像道光,四方田地,落谷成仓: 古人象形声意辨恶良 bá x ...
生僻字用计算机的歌词,生僻字歌词带拼音版本：生僻字歌词是什么意思？
最近有一首史上最难唱的歌<生僻字>,<生僻字>顾名思义全都是有生僻字组成,看完大家都觉得自己可能读的是假书,因为像个文盲一样根本不知道这些生僻字都怎么念,也不知道这些生僻字歌词 ...
[584]python给生僻字注拼音(pypinyin库)
茕茕孑立沆瀣一气踽踽独行醍醐灌顶绵绵瓜瓞奉为圭臬龙行龘龘犄角旮旯娉婷袅娜涕泗滂沱呶呶不休不稂不莠这首<生僻字>,考验的是"语文"硬实力.倘若实力 ...
unicode 生僻字_[微软拼音小技巧] 如何用Unicode输入生僻字
大家好,我是钱力强,微软拼音输入法的软件工程师.微软拼音有很多很好的功能,长期不为广大用户所了解.在有些时候,这些功能可能真的能够解决你的难题. 日前有新闻报道"山东两百村民因电脑不认生僻字 ...
unicode 生僻字_[微软拼音小技巧] 如何用Unicode输入生僻字
大家好,我是钱力强,微软拼音输入法的软件工程师.微软拼音有很多很好的功能,长期不为广大用户所了解.在有些时候,这些功能可能真的能够解决你的难题. 日前有新闻报道"山东两百村民因电脑不认生僻字 ...
python生僻字如何转码_如何用Python检测生僻字
最近在工作中碰到一个需求,要求检测字段是否包含生僻字以及一些非法字符如 ~!@#$%^&*.通过网上的查找资料解决了,现在将解决的过程和示例代码分享给大家,有需要的可以参考借鉴.下面来一起看看 ...
Python 玩转《生僻字》
茕茕孑立沆瀣一气踽踽独行醍醐灌顶绵绵瓜瓞奉为圭臬龙行龘龘犄角旮旯娉婷袅娜涕泗滂沱呶呶不休不稂不莠这首<生僻字>,考验的是"语文"硬实力.倘若实力 ...
python将txt转为字符串_Python 玩转生僻字
茕茕孑立沆瀣一气踽踽独行醍醐灌顶绵绵瓜瓞奉为圭臬龙行龘龘犄角旮旯娉婷袅娜涕泗滂沱呶呶不休不稂不莠这首<生僻字>,考验的是"语文"硬实力.倘若实力 ...

Python 文本生僻字判定和拼音标注脚本

Python 文本生僻字判定和拼音标注脚本

出发点

实践

实现效果

Python 文本生僻字判定和拼音标注脚本相关推荐

最新文章

热门文章