Pinyin2Hanzi拼音轉漢字

拼音轉漢字，可以作為拼音輸入法的轉換引擎，兼容Python 2、Python 3。

安裝

Python 2：

$ python setup.py install --user

Python 3：

$ python3 setup.py install --user

使用

下面的示例在Python 3中運行。

基于HMM的轉換

原理是viterbi算法。

from Pinyin2Hanzi import DefaultHmmParams
from Pinyin2Hanzi import viterbi

hmmparams = DefaultHmmParams()

## 2個候選
result = viterbi(hmm_params=hmmparams, observations=('ni', 'zhi', 'bu', 'zhi', 'dao'), path_num = 2)
for item in result:
    print(item.score, item.path)
'''輸出
1.3155294593897203e-08 ['你', '知', '不', '知', '道']
3.6677865125992192e-09 ['你', '只', '不', '知', '道']
'''

## 2個候選，使用對數(shù)打分
result = viterbi(hmm_params=hmmparams, observations=('ni', 'zhi', 'bu', 'zhi', 'dao'), path_num = 2, log = True)
for item in result:
    print(item.score, item.path)
'''輸出
-18.14644152864202 ['你', '知', '不', '知', '道']
-19.423677486918002 ['你', '只', '不', '知', '道']
'''

## 2個候選，使用對數(shù)打分
result = viterbi(hmm_params=hmmparams, observations=('ni', 'zhii', 'bu', 'zhi', 'dao'), path_num = 2, log = True)
for item in result:
    print(item.score, item.path)
# 發(fā)生KeyError，`zhii`不規(guī)范

基于DAG的轉換

原理是詞庫+動態(tài)規(guī)劃。

from Pinyin2Hanzi import DefaultDagParams
from Pinyin2Hanzi import dag

dagparams = DefaultDagParams()

## 2個候選
result = dag(dagparams, ('ni', 'bu', 'zhi', 'dao', 'de', 'shi'), path_num=2)
for item in result:
    print(item.score, item.path)
''' 輸出
0.08117536840088911 ['你不知道', '的是']
0.04149191639287887 ['你不知道', '的詩']
'''

## 2個候選，使用對數(shù)打分
result = dag(dagparams, ('ni', 'bu', 'zhi', 'dao', 'de', 'shi'), path_num=2, log=True)
for item in result:
    print(item.score, item.path)
''' 輸出
-2.5111434226494866 ['你不知道', '的是']
-3.1822566564324477 ['你不知道', '的詩']
'''

## 1個候選
print( dag(dagparams, ['ti', 'chu', 'le', 'bu', 'cuo', 'de', 'jie', 'jve', 'fang', 'an'], path_num=1) )
'''輸出
[< score=0.0017174549839096384, path=['提出了', '不錯', '的', '解決方案'] >]
'''

## 2個候選，使用對數(shù)打分
result = dag(dagparams, ('ni', 'bu', 'zhi', 'dao', 'de', 'shii'), path_num=2, log=True)
print(result)
# 輸出空列表，因為`shii`不存在

自定義params

實現(xiàn)AbstractHmmParams, AbstractDagParams這兩個接口即可。具體可以參考源碼。

關于拼音

給出的拼音必須是“規(guī)范”的。例如

• 略 -> lve

• 據(jù) -> ju

列舉所有“規(guī)范”的拼音：

from Pinyin2Hanzi import all_pinyin
for py in all_pinyin():
        print(py)

將拼音轉換為“規(guī)范”的拼音：

from Pinyin2Hanzi import simplify_pinyin

print(simplify_pinyin('lue'))
# 輸出：'lve'

print(simplify_pinyin('lüè'))
# 輸出：'lve'

判斷是否是“規(guī)范”的拼音：

from Pinyin2Hanzi import is_pinyin

print(is_pinyin('lue'))
# 輸出：False

print(is_pinyin('lüè'))
# 輸出：False

print(is_pinyin('lvee'))
# 輸出：False

print(is_pinyin('lve'))
# 輸出：True