作者：小伍哥 

來源：AI入門學習

一、應用概述

最近做一個項目，發現很多場景，把漢字轉換成拼音，然后進行深度學習分類，能夠取得非常不錯的效果，在做內容識別，特別是涉及到同音字的時候，轉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Python包，給大家分享下，當然，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、關于安裝

#可以使用 pip 進行安裝
pip install pypinyin

#easy_install 安裝
easy_install pypinyin

#源碼安裝
python setup.py install

四、核心函數

1、pypinyin.pinyin

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

功能：將漢字轉換為拼音，返回漢字的拼音列表。

參數：

• 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行分詞處理, 只需將經過分詞處理的字符串列表傳進來就可以了。
• style – 指定拼音風格，默認是 TONE 風格。更多拼音風格詳見 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 – 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 strict 參數的影響

from pypinyin import pinyin, Style
import pypinyin
#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']]
# 設置拼音風格
pinyin('中心', style=Style.NORMAL )
#普通風格
[['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：將漢字轉換為拼音，返回不包含多音字結果的拼音列表，與 pinyin() 的區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：

• hans (unicode or list) – 漢字
• style – 指定拼音風格，默認是 NORMAL 風格。更多拼音風格詳見 Style。
• errors – 指定如何處理沒有拼音的字符，詳情請參考 pinyin()
• strict – 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 strict 參數的影響

from pypinyin import lazy_pinyin, Style
import pypinyin
lazy_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 (unicode or list) – 漢字
• style – 指定拼音風格，默認是 NORMAL 風格。更多拼音風格詳見 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 – 是否嚴格遵照《漢語拼音方案》來處理聲母和韻母，詳見 strict 參數的影響

import pypinyin
from pypinyin import Style
pypinyin.slug('我是中國人')
'wo-shi-zhong-guo-ren'
pypinyin.slug('我是中國人', separator=' ')
'wo shi zhong guo ren'
pypinyin.slug('中國人2020雄起', separator=' ')
#遇到數字等非漢字不注音'zhong guo ren 2020 xiong qi'
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：

• pinyin_dict (dict) – 單字拼音庫。比如： {0x963F: u"ā,ē"}
• style – pinyin_dict 參數值的拼音庫風格. 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：

• phrases_dict (dict) – 詞語拼音庫。比如： {u"阿爸": [[u"ā"], [u"bà"]]}
• style – phrases_dict 參數值的拼音庫風格. 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，用漢語相似性遠遠小于拼音，這個時候，拼音就能發揮很大的優勢。

當然轉換成拼音后，把每個音節當一個詞，進行深度學習，效果也是非常好的。

 S1 = '加公眾號：小優惠，領券，便宜購買'

S2 = '伽工仲號：小優惠，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集合的文章

simi_1

0.5

#轉換成拼音后顯示

S1 = lazy_pinyin(S1)

S2 = lazy_pinyin(S2)

simi_2 = len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))

simi_2

0.875