裝13的冷場

“龍生九子，各不相同…”
囚牛、睚眥、嘲風(fēng)、蒲牢、狻猊、霸下、狴犴、負(fù)屃、螭吻。

都說提筆忘字丟人，可至少還有提筆的機(jī)會(huì)。隨著信息化時(shí)代的普及，原來越多的人成了半文盲。怎么說？電腦前打字敲的一二一，可提起筆來就忘字。從前特別喜歡鋼筆，筆袋里放的凌美、百利、永生、英雄一堆，買的北碳、畢加索、派克、百利金各式牌子的墨水。結(jié)果感覺半年多都沒動(dòng)過這些陳年老貨了。
下午聊天裝13說到龍生九子，本來吹得正歡，結(jié)果朋友問老七?bì àn怎么寫，然后…瞬間懵逼了，這個(gè)13裝的有點(diǎn)冷場啊。
最近項(xiàng)目有些忙，晚上構(gòu)思該寫點(diǎn)什么。想到下午的尷尬，決定發(fā)一篇之前寫的Python為生僻字歌詞注音的文章。

抖音配樂—生僻字

首次聽到生僻字就是從抖音了，隨著生僻字配樂使用的人越來越多，很多人翻唱、模仿甚至有講解成語出處和寓意的段子，可謂百家爭鳴。
但，有一類視頻很不討喜，就是把歌詞用諧音字代替，好讓人一眼認(rèn)識(shí)。
如果是那些哈韓哈日的朋友們，想唱歌但又沒有語言基礎(chǔ)，那你配上諧音的字沒毛病。可歌詞中的成語和漢字就是老祖宗傳下來的文化，你卻用諧音字去讓自己容易辨識(shí)，不覺得臉紅嗎？
如果不認(rèn)識(shí)，你可以查字典，找度娘，然后標(biāo)注上拼音啊！即娛樂又長知識(shí)了。
當(dāng)然有人覺得這樣一個(gè)一個(gè)的查太麻煩，那是因?yàn)椤悴粫?huì)Python啊！
今天，我就來教教你們，怎么把文本內(nèi)容自動(dòng)標(biāo)注拼音。

Python的拼音模塊

Python的模塊庫API，每次進(jìn)去習(xí)慣第一動(dòng)作，就是右鍵翻譯為中文。（好羞愧，個(gè)人太愛國了，所以一直排斥學(xué)英語，好不要臉的借口…）可Python的拼音模塊不需要這么做，因?yàn)樯婕捌匆舻饶K肯定和中文有關(guān)系，文檔自然是中文的嘍。
那么Python的拼音模塊是什么？? pypinyin

• 特性

  • 根據(jù)詞組智能匹配最正確的拼音。

  • 支持多音字。

  • 簡單的繁體支持, 注音支持。

  • 支持多種不同拼音/注音風(fēng)格。

• 安裝
  pip install pypinyin

• 使用示例

            
              >>> from pypinyin import pinyin, lazy_pinyin, Style
>>> pinyin('中心')
[['zhōng'], ['xīn']]
>>> pinyin('中心', heteronym=True)  # 啟用多音字模式
[['zhōng', 'zhòng'], ['xīn']]
>>> pinyin('中心', style=Style.FIRST_LETTER)  # 設(shè)置拼音風(fēng)格
[['z'], ['x']]
>>> pinyin('中心', style=Style.TONE2, heteronym=True)
[['zho1ng', 'zho4ng'], ['xi1n']]
>>> pinyin('中心', style=Style.BOPOMOFO)  # 注音風(fēng)格
[['ㄓㄨㄥ'], ['ㄒㄧㄣ']]
>>> pinyin('中心', style=Style.CYRILLIC)  # 俄語字母風(fēng)格
[['чжун1'], ['синь1']]
>>> lazy_pinyin('中心')  # 不考慮多音字的情況
['zhong', 'xin']
# Python 3(Python 2 下把 '中心' 替換為 u'中心' 即可):
            
          

實(shí)現(xiàn)分析

起初想著，既然有了這個(gè)強(qiáng)大的拼音模塊，那么文本批量添加拼音，豈不是分分鐘的事情了嗎？然后，打臉接踵而來！
首先，要實(shí)現(xiàn)文字上一一對應(yīng)的標(biāo)注拼音，每個(gè)字與拼音的長度肯定不同，沒辦法對其。如果要對其，就得將文字進(jìn)行拆分，字與字之間添加間距。有人說簡單啊，每個(gè)字的拼音最多不過6位，那我們使用列表解析式 [i.just(6) for i in line] 不就完了？
聽起來沒毛病，但是…

• 歌詞也有語氣詞啊，這句Wu 又雙叒叕你直接按照字符串拆開成了什么鬼？

• 一個(gè)中文在文本中占兩個(gè)字符的長度，如果對齊的話，還需要識(shí)別中文和英文字符！

• 有效字符的辨識(shí)，Wu被認(rèn)為是是個(gè)有效字段，模塊會(huì)對其進(jìn)行合并

  pinyin(‘Wu 又雙叒叕’) —>[[‘Wu ‘], [‘yòu’], [‘shuāng’], [‘ruò’], [‘zhuó’]]

中文識(shí)別

本來考慮使用正則去判斷中文的，因?yàn)榫W(wǎng)上查到正則的匹配中文是 [\u4e00-\u9fa5] ,簡單測試了下，貌似沒毛病
然后…代碼都快寫完了發(fā)現(xiàn)有些生僻字不再這個(gè)范圍內(nèi)，我擦！

            
              '\u4e00'<='生'<='\u9fa5'
True
'\u4e00'<='僻'<='\u9fa5'
True
'\u4e00'<='字'<='\u9fa5'
True
'\u4e00'<='?'<='\u9fa5'
False
            
          

解決辦法

針對正則匹配問題，深入去研究，就脫離了學(xué)Python的初衷，即便解決了也收獲甚微，不如換個(gè)思路。
utf-8字符編碼下，一個(gè)中文字符占3個(gè)字節(jié)，但是字符的長度僅為1，那么解析中文的方式是否可以變通為：
len(bytes(str,'utf-8) == 3 and len(string) == 1)
關(guān)于文本書寫，我們判斷中文后，如果是漢字str.ljust(5),否則str.ljust(6)不就行了(因?yàn)橐粋€(gè)漢字占兩個(gè)字符長度)。

代碼實(shí)現(xiàn)

            
              # -*- coding: utf-8 -*-
# @Author  : 王翔
# @公眾號(hào)   : 清風(fēng)Python

# @WeChat  : King_Uranus

# @Date    : 2019/9/6 01:33
# Software : PyCharm
# version  ：Python 3.7.3
# @File    : TextAddPinyin.py

from pypinyin import pinyin
import re


class ChangePinyin:
    def __init__(self, filename):
        self.file = filename
        self.lyric = self.read_file()
        self.pinyin = []

    def read_file(self):
        with open(self.file, encoding='utf-8') as f:
            return f.readlines()

    def write_file(self):
        with open('New_%s' % self.file, 'w', encoding='utf-8') as f:
            print(self.lyric)
            for line in self.lyric:
                # print(line)
                if line.strip() == '':
                    continue
                _new_line = re.sub(r'\s', '', line)
                # 行內(nèi)容轉(zhuǎn)拼音
                _pinyin = ''.join(map(lambda x: x[0].ljust(6), pinyin(_new_line)))
                # 根據(jù)中英文,將行內(nèi)容進(jìn)行字符與漢字的拆分
                _lyric = self.split_words(_new_line)
                f.write('%s\n%s\n' % (_pinyin, _lyric))

    @staticmethod
    def split_words(words):
        word_list = ""
        tmp = ""
        for string in words:
            if len(bytes(string, 'utf-8')) == 3 and len(string) == 1:
                if tmp != '':
                    word_list += tmp.ljust(6)
                    tmp = ""
                word_list += string.ljust(5)
            else:
                tmp += string
        return word_list


if __name__ == '__main__':
    Main = ChangePinyin('lyric.txt')
    Main.write_file()
            
          

看看最后的實(shí)現(xiàn)效果吧，是不是格式很工整！

錄屏軟件為LICEcap

它是一款屏幕錄制工具，支持導(dǎo)出 GIF 動(dòng)畫圖片格式，輕量級、使用簡單，錄制過程中可以隨意改變錄屏范圍。
好了，今天的內(nèi)容就到這里，希望大家喜歡，如果覺得文章有用，記得關(guān)注支持我啊。

The End

OK,今天的內(nèi)容就到這里，如果覺得內(nèi)容對你有所幫助，歡迎點(diǎn)贊。
期待你關(guān)注我的公眾號(hào) 清風(fēng)Python ，如果覺得不錯(cuò)，希望能動(dòng)動(dòng)手指轉(zhuǎn)發(fā)給你身邊的朋友們。

作者：清風(fēng)Python