繁简转换

HanLP几乎实现了所有我们需要的繁简转换方式，并且已经封装到了HanLP中，使得我们可以轻松的使用，而分词器中已经默认支持多种繁简格式或者混合。这里我们不再做过多描述。

说明
- HanLP能够识别简繁分歧词，比如打印机=印表機。许多简繁转换工具不能区分“以后”“皇后”中的两个“后”字，HanLP可以。
算法详解
- 《汉字转拼音与简繁转换的Java实现》

from pyhanlp import *
# 繁简转化
print(HanLP.convertToTraditionalChinese("“以后等你当上皇后，就能买草莓庆祝了”。发现一根白头发"))
print(HanLP.convertToSimplifiedChinese("憑藉筆記簿型電腦寫程式HanLP"))
# 简体转台湾繁体
print(HanLP.s2tw("hankcs在台湾写代码"))
# 台湾繁体转简体
print(HanLP.tw2s("hankcs在臺灣寫程式碼"))
# 简体转香港繁体
print(HanLP.s2hk("hankcs在香港写代码"))
# 香港繁体转简体
print(HanLP.hk2s("hankcs在香港寫代碼"))
# 香港繁体转台湾繁体
print(HanLP.hk2tw("hankcs在臺灣寫代碼"))
# 台湾繁体转香港繁体
print(HanLP.tw2hk("hankcs在香港寫程式碼"))# 香港/台湾繁体和HanLP标准繁体的互转
print(HanLP.t2tw("hankcs在臺灣寫代碼"))
print(HanLP.t2hk("hankcs在臺灣寫代碼"))print(HanLP.tw2t("hankcs在臺灣寫程式碼"))
print(HanLP.hk2t("hankcs在台灣寫代碼"))

「以後等你當上皇后，就能買草莓慶祝了」。發現一根白頭髮
凭借笔记本电脑写程序HanLP
hankcs在臺灣寫程式碼
hankcs在台湾写代码
hankcs在香港寫代碼
hankcs在香港写代码
hankcs在臺灣寫程式碼
hankcs在香港寫代碼
hankcs在臺灣寫程式碼
hankcs在台灣寫代碼
hankcs在臺灣寫代碼
hankcs在臺灣寫代碼

汉字转拼音

HanLP中的汉字转拼音功能也十分的强大。

说明
- HanLP不仅支持基础的汉字转拼音，还支持声母、韵母、音调、音标和输入法首字母首声母功能。
- HanLP能够识别多音字，也能给繁体中文注拼音。
- 最重要的是，HanLP采用的模式匹配升级到AhoCorasickDoubleArrayTrie，性能大幅提升，能够提供毫秒级的响应速度！
算法详解
- 《汉字转拼音与简繁转换的Java实现》

# 汉字转拼音
Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
text = "重载不是重任！"
pinyin_list = HanLP.convertToPinyinList(text)print("原文，", end=" ")
print(text)
print("拼音（数字音调），", end=" ")
print(pinyin_list)
print("拼音（符号音调），", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getPinyinWithToneMark(), end=" ")
print("\n拼音（无音调），", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getPinyinWithoutTone(), end=" ")
print("\n声调，", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getTone(), end=" ")
print("\n声母，", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getShengmu(), end=" ")
print("\n韵母，", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getYunmu(), end=" ")
print("\n输入法头，", end=" ")
for pinyin in pinyin_list:print("%s," % pinyin.getHead(), end=" ")print()
# 拼音转换可选保留无拼音的原字符
print(HanLP.convertToPinyinString("截至2012年，", " ", True))
print(HanLP.convertToPinyinString("截至2012年，", " ", False))

原文， 重载不是重任！
拼音（数字音调）， [chong2, zai3, bu2, shi4, zhong4, ren4, none5]
拼音（符号音调）， chóng, zǎi, bú, shì, zhòng, rèn, none,
拼音（无音调）， chong, zai, bu, shi, zhong, ren, none,
声调， 2, 3, 2, 4, 4, 4, 5,
声母， ch, z, b, sh, zh, r, none,
韵母， ong, ai, u, i, ong, en, none,
输入法头， ch, z, b, sh, zh, r, none,
jie zhi none none none none nian none
jie zhi 2 0 1 2 nian ，

拼音转中文

HanLP中的数据结构和接口是灵活的，组合这些接口，可以自己创造新功能，我们可以使用AhoCorasickDoubleArrayTrie实现的最长分词器，需要用户调用setTrie()提供一个AhoCorasickDoubleArrayTrie

StringDictionary = JClass("com.hankcs.hanlp.corpus.dictionary.StringDictionary")
CommonAhoCorasickDoubleArrayTrieSegment = JClass("com.hankcs.hanlp.seg.Other.CommonAhoCorasickDoubleArrayTrieSegment")
Config = JClass("com.hankcs.hanlp.HanLP$Config")TreeMap = JClass("java.util.TreeMap")
TreeSet = JClass("java.util.TreeSet")dictionary = StringDictionary()
dictionary.load(Config.PinyinDictionaryPath)
entry = {}
m_map = TreeMap()
for entry in dictionary.entrySet():pinyins = entry.getValue().replace("[\\d,]", "")words = m_map.get(pinyins)if words is None:words = TreeSet()m_map.put(pinyins, words)words.add(entry.getKey())
words = TreeSet()
words.add("绿色")
words.add("滤色")
m_map.put("lvse", words)segment = CommonAhoCorasickDoubleArrayTrieSegment(m_map)
print(segment.segment("renmenrenweiyalujiangbujianlvse"))
print(segment.segment("lvsehaihaodajiadongxidayinji"))

[renmenrenweiyalujiangbujian/null, lvse/[滤色, 绿色]]
[lvse/[滤色, 绿色], haihaodajiadongxidayinji/null]

字符正则化

演示正规化字符配置项的效果（繁体->简体，全角->半角，大写->小写）。
该配置项位于hanlp.properties中，通过Normalization=true来开启（现在直接通过HanLP.Config.Normalization开启即可）。

切换配置后必须删除CustomDictionary.txt.bin缓存，否则只影响动态插入的新词。
在我动笔前一个星期，已经有同学添加了，添加自定义词典之后，自动删除缓存的功能。地址请点击https://github.com/hankcs/HanLP/pull/954，现在只需要开启正则化即可

CustomDictionary =JClass("com.hankcs.hanlp.dictionary.CustomDictionary")
print("HanLP.Config.Normalization = False\n")
HanLP.Config.Normalization = False
CustomDictionary.insert("爱听4G", "nz 1000")
print(HanLP.segment("爱听4g"))
print(HanLP.segment("爱听4G"))
print(HanLP.segment("爱听４G"))
print(HanLP.segment("爱听４Ｇ"))
print(HanLP.segment("愛聽４Ｇ"))print(HanLP.segment("喜欢４Ｇ"))
print(HanLP.segment("hankcs在臺灣寫代碼"))print("\nHanLP.Config.Normalization = True\n")
HanLP.Config.Normalization = True
print(HanLP.segment("爱听4g"))
print(HanLP.segment("爱听4G"))
print(HanLP.segment("爱听４G"))
print(HanLP.segment("爱听４Ｇ"))
print(HanLP.segment("愛聽４Ｇ"))print(HanLP.segment("喜欢４Ｇ"))
print(HanLP.segment("hankcs在臺灣寫代碼"))HanLP.Config.ShowTermNature = False
text = HanLP.s2tw("现在的HanLP已经添加了添加自定义词典之后，自动删除缓存的功能,现在只需要开启正则化即可")
print(text)
print(HanLP.segment(text))
HanLP.Config.ShowTermNature = False

HanLP.Config.Normalization = False[爱听4g]
[爱听4G]
[爱, 听, ４, G]
[爱, 听, ４, Ｇ]
[愛, 聽, ４, Ｇ]
[喜欢, ４, Ｇ]
[hankcs, 在, 臺, 灣寫, 代, 碼]HanLP.Config.Normalization = True[爱听4g]
[爱听4g]
[爱听4g]
[爱听4g]
[爱听4g]
[喜欢, 4, g]
[hankcs, 在, 台湾, 写, 代码]
現在的HanLP已經新增了新增自定義詞典之後，自動刪除快取的功能,現在只需要開啟正則化即可
[现在, 的, hanlp, 已经, 新增, 了, 新增, 自定义, 词典, 之后, ,, 自动, 删除, 快, 取, 的, 功能, ,, 现在, 只, 需要, 开启, 正, 则, 化, 即可]

pyhanlp 繁简转换，拼音转换与字符正则化相关推荐

pyhanlp 繁简转换之拼音转换与字符正则化
繁简转换 HanLP几乎实现了所有我们需要的繁简转换方式,并且已经封装到了HanLP中,使得我们可以轻松的使用,而分词器中已经默认支持多种繁简格式或者混合.这里我们不再做过多描述. ·说明 · Han ...
java输出中文变火星文怎么办,繁/简/火星文转换示例代码
package api.jisuapi.fontconvert; import java.net.URLEncoder; import api.util.HttpUtil; import net.sf ...
拼音转换---Python自然语言处理（6）
目录什么是拼音转换拼音转换输出音调输出声调输出声母输出韵母处理数字拼音什么是拼音转换在我们学习语言之前,我们一般会学习拼音来认识汉字,并学会如何读汉字.所以,拼音在对于我们语言的重要 ...
java 中文分词转拼音_pyhanlp 繁简转换之拼音转换与字符正则化
繁简转换 HanLP几乎实现了所有我们需要的繁简转换方式,并且已经封装到了HanLP中,使得我们可以轻松的使用,而分词器中已经默认支持多种繁简格式或者混合.这里我们不再做过多描述. ·说明 · Han ...
汉语言处理工具pyhanlp的拼音转换与字符正则化
汉字转拼音 HanLP中的汉字转拼音功能也十分的强大. 说明: HanLP不仅支持基础的汉字转拼音,还支持声母.韵母.音调.音标和输入法首字母首声母功能. HanLP能够识别多音字,也能给繁体中文注拼 ...
汉语言处理工具pyhanlp的拼音转换与字符正则化 1
汉字转拼音 HanLP中的汉字转拼音功能也十分的强大. 说明: lÂ HanLP不仅支持基础的汉字转拼音,还支持声母.韵母.音调.音标和输入法首字母首声母功能. lÂ HanLP能够识别多音字,也能给 ...
汉语言处理工具pyhanlp的简繁转换
繁简转换 HanLP几乎实现了所有我们需要的繁简转换方式,并且已经封装到了HanLP中,使得我们可以轻松的使用,而分词器中已经默认支持多种繁简格式或者混合.这里我们不再做过多描述. 说明: ·HanL ...
汉字拼音首字母简繁体等转换
汉字转拼音,汉字转首字母,这个问题在网上搜索了N多资料,发现没有一个可以做到毫不问题的转换,总是存在生僻字以及多音字转换失败等等问题. 第一部分介绍的是网上一个朋友的方案.这是微软官方的一个类库,但是 ...
使用.NET进行中文繁简转换的两种方法
方法一:调用VB.NET的类库. 引用Microsoft.VisualBasic.dll. 中文繁体 = Microsoft.VisualBasic.Strings.StrConv(中文简体, Mi ...
用ASP实现简单的繁简转换
用ASP实现简单的繁简转换国际化似乎是一个很流行的口号了,一个站点没有英文版至少也要弄个繁体版,毕竟都是汉字,翻译起来不会那么麻烦:P 一般的繁简转换是使用字典,通过GB的内码算出BIG5字符在字典 ...

pyhanlp 繁简转换，拼音转换与字符正则化

繁简转换

汉字转拼音

拼音转中文

字符正则化

pyhanlp 繁简转换，拼音转换与字符正则化相关推荐

最新文章

热门文章