导读一、应用概述最近做一个项目，发现很多场景，把汉字转换成拼音，然后进行深度学习分类，能够取得非常不错的效果，在做内容识别，特别是涉及到同音字的时候，转换成拼音....

一、应用概述

最近做一个项目，发现很多场景，把汉字转换成拼音，然后进行深度学习分类，能够取得非常不错的效果，在做内容识别，特别是涉及到同音字的时候，转换成拼音就显得特别重要。比如垃圾广告识别：公众号、工仲号、躬总号，公众號、微信、威信、维伈.........，pypinyin是我用的一个比较好用的包是

给大家分享下，当然，在其他很多场景也是可以使用的，排序、检索等等场合。

二、有关文档

GitHub: https://github.com/mozillazg/Python-pinyin

文 档：https://pypinyin.readthedocs.io/zh_CN/master/

PyPi ：https://pypi.org/project/pypinyin/

三、关于安装

#可以使用 pip 进行安装pip install pypinyin#easy_install 安装easy_install pypinyin#源码安装python setup.py install

四、核心函数

1、pypinyin.pinyin

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

功能：将汉字转换为拼音，返回汉字的拼音列表。

参数：

• hans (unicode 字符串或字符串列表) – 汉字字符串( 你好吗 )或列表( [你好, 吗] ). 可以使用自己喜爱的分词?？槎宰址蟹执蚀? 只需将经过分词处理的字符串列表传进来就可以了。

• style – 指定拼音风格，默认是 TONE 风格。更多拼音风格详见 Style

• errors –指定如何处理没有拼音的字符。详见 处理不包含拼音的字符

• heteronym – 是否启用多音字

• strict – 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 strict 参数的影响

from pypinyin import pinyin, Styleimport pypinyin#普通模式pinyin(中心)[[zhōng], [xīn]]pinyin(公众号)[[gōng], [zhòng], [hào]]# 启用多音字模式pinyin(中心, heteronym=True)[[zhōng, zhòng], [xīn]]# 设置拼音风格pinyin(中心, style=Style.NORMAL ) #普通风格[[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)#汉语拼音与俄语字母对照风格[[чжун1], [синь1]]

2、pypinyin.lazy_pinyin

语法：pypinyin.lazy_pinyin(hans, style=Style, errors=default, strict=True)

功能：将汉字转换为拼音，返回不包含多音字结果的拼音列表，与 pinyin 的区别是返回的拼音是个字符串， 并且每个字只包含一个读音

参数：

• hans(unicode or list) – 汉字

• style– 指定拼音风格，默认是NORMAL风格。更多拼音风格详见Style。

• errors– 指定如何处理没有拼音的字符，详情请参考pinyin

• strict– 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 strict 参数的影响

from pypinyin import lazy_pinyin, Styleimport pypinyinlazy_pinyin(中心)[zhong, xin]lazy_pinyin(微信公众号)[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：将汉字转换为拼音，然后生成 slug 字符串，简单说就是自定义分隔符

语法：pypinyin.slug(hans , style=Style, heteronym=False, separator=-, errors=default, strict=True)

• hans(unicode or list) – 汉字

• style– 指定拼音风格，默认是NORMAL风格。更多拼音风格详见Style

• heteronym– 是否启用多音字

• separator– 两个拼音间的分隔符/连接符

• errors– 指定如何处理没有拼音的字符，详情请参考pinyin

• strict– 是否严格遵照《汉语拼音方案》来处理声母和韵母，详见 strict 参数的影响

import pypinyinfrom pypinyin import Stylepypinyin.slug(我是中国人)wo-shi-zhong-guo-renpypinyin.slug(我是中国人, separator= )wo shi zhong guo renpypinyin.slug(中国人2020雄起, separator= )#遇到数字等非汉字不注音zhong guo ren 2020 xiong qipypinyin.slug(中国人2020雄起, style=Style.FIRST_LETTER)z-g-r-2020-x-qpypinyin.slug(我是中国人, style=Style.CYRILLIC)во3-ши4-чжун1-го2-жэнь

4、 pypinyin.load_single_dict

功能：载入用户自定义的单字拼音库

语法：pypinyin.load_single_dict(pinyin_dict, style=default)

参数：

• pinyin_dict(dict) – 单字拼音库。比如： {0x963F: u"ā,ē"}

• style– pinyin_dict 参数值的拼音库风格. 支持 ‘default’, ‘tone2’

5、 pypinyin.load_phrases_dict

功能：载入用户自定义的词语拼音库

语法：pypinyin.load_phrases_dict(phrases_dict, style=default)

参数：

• phrases_dict(dict) – 词语拼音库。比如： {u"阿爸": [[u"ā"], [u"bà"]]}

• style– phrases_dict 参数值的拼音库风格. 支持 ‘default’, ‘tone2’

五、一个案例

假如需要找出一个垃圾评价的相似样本，用汉语相似性远远小于拼音，这个时候，拼音就能发挥很大的优势。

当然转换成拼音后，把每个音节当一个词，进行深度学习，效果也是非常好的。

S1 = 加公众号：小优惠，领券，便宜购买S2 = 伽工仲号：小优惠，伶绻，便宜购买#汉语相似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_10.5#转换成拼音后显示S1 = lazy_pinyin(S1)S2 = lazy_pinyin(S2)simi_2 = len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))simi_20.875

Python学习交流群

为了让大家更加即时地沟通学习，我们建了一个Python学习交流群，有想入群的同学，可以添加下面小助手微信，他会拉大家入群哈~