最近做一個項目，發(fā)現(xiàn)很多場景，把漢字轉(zhuǎn)換成拼音，然后進(jìn)行深度學(xué)習(xí)分類，能夠取得非常不錯的效果，在做內(nèi)容識別，特別是涉及到同音字的時候，轉(zhuǎn)換成拼音就顯得特別重要。比如垃圾廣告識別：公眾號、工仲號、躬總號，公眾號、微信、威信、維伈.........，pypinyin是我用的一個比較好用的包是
給大家分享下，當(dāng)然，在其他很多場景也是可以使用的，排序、檢索等等場合。
二、有關(guān)文檔GitHub:https://github.com/mozillazg/python-pinyin
文檔：https://pypinyin.readthedocs.io/zh_CN/master/
PyPi：https://pypi.org/project/pypinyin/
三、關(guān)于安裝#可以使用pip進(jìn)行安裝pipinstallpypinyin#easy_install安裝easy_installpypinyin#源碼安裝pythonsetup.pyinstall四、核心函數(shù)1、pypinyin.pinyin語法：pypinyin.pinyin(hans,style=Style.TONE,heteronym=False,errors='default',strict=True)
功能：將漢字轉(zhuǎn)換為拼音，返回漢字的拼音列表。
參數(shù)：
hans(unicode字符串或字符串列表)–漢字字符串('你好嗎')或列表(['你好','嗎']).可以使用自己喜愛的分詞模塊對字符串進(jìn)行分詞處理,只需將經(jīng)過分詞處理的字符串列表傳進(jìn)來就可以了。
style–指定拼音風(fēng)格，默認(rèn)是TONE風(fēng)格。更多拼音風(fēng)格詳見Style
errors–指定如何處理沒有拼音的字符。詳見處理不包含拼音的字符
heteronym–是否啟用多音字
strict–是否嚴(yán)格遵照《漢語拼音方案》來處理聲母和韻母，詳見strict參數(shù)的影響
frompypinyinimportpinyin,Styleimportpypinyin#普通模式pinyin('中心')[['zhōng'],['xīn']]pinyin('公眾號')[['gōng'],['zhòng'],['hào']]#啟用多音字模式pinyin('中心',heteronym=True)[['zhōng','zhòng'],['xīn']]#設(shè)置拼音風(fēng)格pinyin('中心',style=Style.NORMAL)#普通風(fēng)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)#漢語拼音與俄語字母對照風(fēng)格[['чжун1'],['синь1']]2、pypinyin.lazy_pinyin語法：pypinyin.lazy_pinyin(hans,style=Style,errors='default',strict=True)
功能：將漢字轉(zhuǎn)換為拼音，返回不包含多音字結(jié)果的拼音列表，與pinyin的區(qū)別是返回的拼音是個字符串，并且每個字只包含一個讀音
參數(shù)：
hans(unicodeorlist)–漢字
style–指定拼音風(fēng)格，默認(rèn)是NORMAL風(fēng)格。更多拼音風(fēng)格詳見Style。
errors–指定如何處理沒有拼音的字符，詳情請參考pinyin
strict–是否嚴(yán)格遵照《漢語拼音方案》來處理聲母和韻母，詳見strict參數(shù)的影響
frompypinyinimportlazy_pinyin,Styleimportpypinyinlazy_pinyin('中心')['zhong','xin']lazy_pinyin('微信公眾號')['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：將漢字轉(zhuǎn)換為拼音，然后生成slug字符串，簡單說就是自定義分隔符
語法：pypinyin.slug(hans,style=Style,heteronym=False,separator='-',errors='default',strict=True)
hans(unicodeorlist)–漢字
style–指定拼音風(fēng)格，默認(rèn)是NORMAL風(fēng)格。更多拼音風(fēng)格詳見Style
heteronym–是否啟用多音字
separator–兩個拼音間的分隔符/連接符
errors–指定如何處理沒有拼音的字符，詳情請參考pinyin
strict–是否嚴(yán)格遵照《漢語拼音方案》來處理聲母和韻母，詳見strict參數(shù)的影響
importpypinyinfrompypinyinimportStylepypinyin.slug('我是中國人')'wo-shi-zhong-guo-ren'pypinyin.slug('我是中國人',separator='')'woshizhongguoren'pypinyin.slug('中國人2020雄起',separator='')#遇到數(shù)字等非漢字不注音'zhongguoren2020xiongqi'pypinyin.slug('中國人2020雄起',style=Style.FIRST_LETTER)'z-g-r-2020-x-q'pypinyin.slug('我是中國人',style=Style.CYRILLIC)'во3-ши4-чжун1-го2-жэнь'4、pypinyin.load_single_dict功能：載入用戶自定義的單字拼音庫
語法：pypinyin.load_single_dict(pinyin_dict,style='default')
參數(shù)：
pinyin_dict(dict)–單字拼音庫。比如：{0x963F:u"ā,ē"}
style–pinyin_dict參數(shù)值的拼音庫風(fēng)格.支持‘default’,‘tone2’
5、pypinyin.load_phrases_dict功能：載入用戶自定義的詞語拼音庫
語法：pypinyin.load_phrases_dict(phrases_dict,style='default')
參數(shù)：
phrases_dict(dict)–詞語拼音庫。比如：{u"阿爸":[[u"ā"],[u"bà"]]}
style–phrases_dict參數(shù)值的拼音庫風(fēng)格.支持‘default’,‘tone2’
五、一個案例假如需要找出一個垃圾評價的相似樣本，用漢語相似性遠(yuǎn)遠(yuǎn)小于拼音，這個時候，拼音就能發(fā)揮很大的優(yōu)勢。
當(dāng)然轉(zhuǎn)換成拼音后，把每個音節(jié)當(dāng)一個詞，進(jìn)行深度學(xué)習(xí)，效果也是非常好的。
S1='加公眾號：小優(yōu)惠，領(lǐng)券，便宜購買'S2='伽工仲號：小優(yōu)惠，伶綣，便宜購買'#漢語相似simi_1=len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))#相似不懂的可以看我前面***的文章simi_10.5#轉(zhuǎn)換成拼音后顯示S1=lazy_pinyin(S1)S2=lazy_pinyin(S2)simi_2=len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))simi_20.875Python學(xué)習(xí)交流群
為了讓大家更加即時地溝通學(xué)習(xí)，我們建了一個Python學(xué)習(xí)交流群，有想入群的同學(xué)，可以添加下面小助手微信，他會拉大家入群哈~
