pyhanlp拼音轉(zhuǎn)換與字符正則化-創(chuàng)新互聯(lián)

本篇內(nèi)容主要講解“pyhanlp拼音轉(zhuǎn)換與字符正則化”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“pyhanlp拼音轉(zhuǎn)換與字符正則化”吧!

創(chuàng)新互聯(lián)科技有限公司專業(yè)互聯(lián)網(wǎng)基礎(chǔ)服務商，為您提供成都服務器托管，高防主機，成都IDC機房托管，成都主機托管等互聯(lián)網(wǎng)服務。

《漢字轉(zhuǎn)拼音與簡繁轉(zhuǎn)換的Java實現(xiàn)》

from pyhanlp import *

# 繁簡轉(zhuǎn)化

print(HanLP.convertToTraditionalChinese("“以后等你當上皇后，就能買草莓慶祝了”。發(fā)現(xiàn)一根白頭發(fā)"))

print(HanLP.convertToSimplifiedChinese("憑藉筆記簿型電腦寫程式HanLP"))

# 簡體轉(zhuǎn)臺灣繁體

print(HanLP.s2tw("hankcs在臺灣寫代碼"))

# 臺灣繁體轉(zhuǎn)簡體

print(HanLP.tw2s("hankcs在臺灣寫程式碼"))

# 簡體轉(zhuǎn)香港繁體

print(HanLP.s2hk("hankcs在香港寫代碼"))

# 香港繁體轉(zhuǎn)簡體

print(HanLP.hk2s("hankcs在香港寫代碼"))

# 香港繁體轉(zhuǎn)臺灣繁體

print(HanLP.hk2tw("hankcs在臺灣寫代碼"))

# 臺灣繁體轉(zhuǎn)香港繁體

print(HanLP.tw2hk("hankcs在香港寫程式碼"))

# 香港/臺灣繁體和HanLP標準繁體的互轉(zhuǎn)

print(HanLP.t2tw("hankcs在臺灣寫代碼"))

print(HanLP.t2hk("hankcs在臺灣寫代碼"))

print(HanLP.tw2t("hankcs在臺灣寫程式碼"))

print(HanLP.hk2t("hankcs在臺灣寫代碼"))

「以後等你當上皇后，就能買草莓慶祝了」。發(fā)現(xiàn)一根白頭髮

憑借筆記本電腦寫程序HanLP

hankcs在臺灣寫程式碼

hankcs在臺灣寫代碼

hankcs在香港寫代碼

hankcs在臺灣寫程式碼

hankcs在香港寫代碼

hankcs在臺灣寫程式碼

hankcs在臺灣寫代碼

漢字轉(zhuǎn)拼音

HanLP中的漢字轉(zhuǎn)拼音功能也十分的強大。

說明

HanLP不僅支持基礎(chǔ)的漢字轉(zhuǎn)拼音，還支持聲母、韻母、音調(diào)、音標和輸入法首字母首聲母功能。

HanLP能夠識別多音字，也能給繁體中文注拼音。

最重要的是，HanLP采用的模式匹配升級到AhoCorasickDoubleArrayTrie，性能大幅提升，能夠提供毫秒級的響應速度！

算法詳解

《漢字轉(zhuǎn)拼音與簡繁轉(zhuǎn)換的Java實現(xiàn)》

# 漢字轉(zhuǎn)拼音

Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")

text = "重載不是重任！"

pinyin_list = HanLP.convertToPinyinList(text)

print("原文，", end=" ")

print(text)

print("拼音（數(shù)字音調(diào)），", end=" ")

print(pinyin_list)

print("拼音（符號音調(diào)），", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getPinyinWithToneMark(), end=" ")

print("\n拼音（無音調(diào)），", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getPinyinWithoutTone(), end=" ")

print("\n聲調(diào)，", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getTone(), end=" ")

print("\n聲母，", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getShengmu(), end=" ")

print("\n韻母，", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getYunmu(), end=" ")

print("\n輸入法頭，", end=" ")

for pinyin in pinyin_list:

print("%s," % pinyin.getHead(), end=" ")

print()

# 拼音轉(zhuǎn)換可選保留無拼音的原字符

print(HanLP.convertToPinyinString("截至2012年，", " ", True))

print(HanLP.convertToPinyinString("截至2012年，", " ", False))

原文，重載不是重任！

拼音（數(shù)字音調(diào)）， [chong2, zai3, bu2, shi4, zhong4, ren4, none5]

拼音（符號音調(diào)）， chóng, zǎi, bú, shì, zhòng, rèn, none,

拼音（無音調(diào)）， chong, zai, bu, shi, zhong, ren, none,

聲調(diào)， 2, 3, 2, 4, 4, 4, 5,

聲母， ch, z, b, sh, zh, r, none,

韻母， ong, ai, u, i, ong, en, none,

輸入法頭， ch, z, b, sh, zh, r, none,

jie zhi none none none none nian none

jie zhi 2 0 1 2 nian ，

拼音轉(zhuǎn)中文

HanLP中的數(shù)據(jù)結(jié)構(gòu)和接口是靈活的，組合這些接口，可以自己創(chuàng)造新功能，我們可以使用AhoCorasickDoubleArrayTrie實現(xiàn)的最長分詞器，需要用戶調(diào)用setTrie()提供一個AhoCorasickDoubleArrayTrie

StringDictionary = JClass(

"com.hankcs.hanlp.corpus.dictionary.StringDictionary")

CommonAhoCorasickDoubleArrayTrieSegment = JClass(

"com.hankcs.hanlp.seg.Other.CommonAhoCorasickDoubleArrayTrieSegment")

Config = JClass("com.hankcs.hanlp.HanLP$Config")

TreeMap = JClass("java.util.TreeMap")

TreeSet = JClass("java.util.TreeSet")

dictionary = StringDictionary()

dictionary.load(Config.PinyinDictionaryPath)

entry = {}

m_map = TreeMap()

for entry in dictionary.entrySet():

pinyins = entry.getValue().replace("[\\d,]", "")

words = m_map.get(pinyins)

if words is None:

words = TreeSet()

m_map.put(pinyins, words)

words.add(entry.getKey())

words = TreeSet()

words.add("綠色")

words.add("濾色")

m_map.put("lvse", words)

segment = CommonAhoCorasickDoubleArrayTrieSegment(m_map)

print(segment.segment("renmenrenweiyalujiangbujianlvse"))

print(segment.segment("lvsehaihaodajiadongxidayinji"))

[renmenrenweiyalujiangbujian/null, lvse/[濾色, 綠色]]

[lvse/[濾色, 綠色], haihaodajiadongxidayinji/null]

字符正則化

演示正規(guī)化字符配置項的效果（繁體->簡體，全角->半角，大寫->小寫）。

該配置項位于hanlp.properties中，通過Normalization=true來開啟（現(xiàn)在直接通過HanLP.Config.Normalization開啟即可）。

切換配置后必須刪除CustomDictionary.txt.bin緩存，否則只影響動態(tài)插入的新詞。

在我動筆前一個星期，已經(jīng)有同學添加了，添加自定義詞典之后，自動刪除緩存的功能。地址請點擊https://github.com/hankcs/HanLP/pull/954，現(xiàn)在只需要開啟正則化即可

CustomDictionary =JClass("com.hankcs.hanlp.dictionary.CustomDictionary")

print("HanLP.Config.Normalization = False\n")

HanLP.Config.Normalization = False

CustomDictionary.insert("愛聽4G", "nz 1000")

print(HanLP.segment("愛聽4g"))

print(HanLP.segment("愛聽4G"))

print(HanLP.segment("愛聽４G"))

print(HanLP.segment("愛聽４Ｇ"))

print(HanLP.segment("喜歡４Ｇ"))

print(HanLP.segment("hankcs在臺灣寫代碼"))

print("\nHanLP.Config.Normalization = True\n")

HanLP.Config.Normalization = True

print(HanLP.segment("愛聽4g"))

print(HanLP.segment("愛聽4G"))

print(HanLP.segment("愛聽４G"))

print(HanLP.segment("愛聽４Ｇ"))

print(HanLP.segment("喜歡４Ｇ"))

print(HanLP.segment("hankcs在臺灣寫代碼"))

HanLP.Config.ShowTermNature = False

text = HanLP.s2tw("現(xiàn)在的HanLP已經(jīng)添加了添加自定義詞典之后，自動刪除緩存的功能,現(xiàn)在只需要開啟正則化即可")

print(text)

print(HanLP.segment(text))

HanLP.Config.ShowTermNature = False

HanLP.Config.Normalization = False

[愛聽4g]

[愛聽4G]

[愛, 聽, ４, G]

[愛, 聽, ４, Ｇ]

[喜歡, ４, Ｇ]

[hankcs, 在, 臺, 灣寫, 代, 碼]

HanLP.Config.Normalization = True

[愛聽4g]

[喜歡, 4, g]

[hankcs, 在, 臺灣, 寫, 代碼]

現(xiàn)在的HanLP已經(jīng)新增了新增自定義詞典之後，自動刪除快取的功能,現(xiàn)在只需要開啟正則化即可

[現(xiàn)在, 的, hanlp, 已經(jīng), 新增, 了, 新增, 自定義, 詞典, 之后, ,, 自動, 刪除, 快, 取, 的, 功能, ,, 現(xiàn)在, 只, 需要, 開啟, 正, 則, 化, 即可]

到此，相信大家對“pyhanlp拼音轉(zhuǎn)換與字符正則化”有了更深的了解，不妨來實際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學習！

標題名稱：pyhanlp拼音轉(zhuǎn)換與字符正則化-創(chuàng)新互聯(lián)
鏈接URL：http://bm7419.com/article28/ggojp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供手機網(wǎng)站建設、自適應網(wǎng)站、小程序開發(fā)、服務器托管、搜索引擎優(yōu)化、網(wǎng)站營銷

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容