将汉字转换为汉语拼音

Question

如何将从汉字转换为汉语拼音？

例如

你-->妮马

--> Mǎ

---

更多信息：

汉语拼音的重音或数字形式都可以接受，数字形式是我的偏好。

Java 库是首选，但是，可以放入包装器中的其他语言的库也可以。

我希望任何曾经亲自使用过这样一个库的人都可以就其质量/可靠性来推荐或评论它。

Answer 1

汉字转拼音的问题是一个相当困难的问题。有许多汉字字符具有多种拼音表示形式，具体取决于上下文。将“长大”（拼音：zhang da）与“长城”（拼音：chang Cheng）进行比较。因此，单字符转换实际上通常是无用的，除非您有一个输出多种可能性的系统。还有分词的问题，它也会影响拼音的表示。虽然也许你已经知道这一点，但我认为说这一点很重要。

也就是说，Adso 包 包含一个分段器和一个概率拼音注释器，基于优秀的 Adso图书馆。不过，它需要一段时间才能适应，并且可能比您想要的大得多（我过去发现它对于我的需求来说有点太大了）。此外，似乎没有任何地方有公共 API 及其 C++ ...

对于最近的一个项目，因为我正在处理地名，所以我只是使用了 Google Translate API（具体来说，非官方的 java 端口，至少对于普通名词来说，通常可以很好地翻译成拼音。问题是常用的替代音译系统，例如“香港”应该是“香港”，考虑到所有这些，谷歌翻译相当有限。但它提供了一个开始，我以前没有听说过 pinyin4j，但是在刚刚使用它之后，我发现它并不是最佳的——虽然它输出了一个潜在的候选拼音罗马化列表，但它并没有尝试进行统计。有一种方法可以返回单个表示，但它很快就会被淘汰，因为它目前只返回第一个罗马化，而不是最有可能的程序在罗马化和通用之间的转换。可配置性。

简而言之，答案可能是其中任何一个，具体取决于您的需要。特殊的专有名词？谷歌翻译。需要统计吗？阿德索。愿意接受没有上下文信息的候选人名单吗？拼音4j.

Answer 2

在Python中尝试

from cjklib.characterlookup import CharacterLookup
cjk = CharacterLookup('C')
cjk.getReadingForCharacter(u'北', 'Pinyin')

你会得到

['běi', 'bèi']

免责声明：我是该库的作者。

Answer 3

对于 Java，我会尝试 pinyin4j 库

Answer 4

正如其他答案中提到的，转换是模糊的，甚至谷歌翻译显然也会得到一定比例的字符组合错误。

使用某些编程语言可用的开源库可以获得合理的结果，但不是 100% 准确。

使用 pypinyin 库使用 python 进行转换的最简单代码（使用 pip3 install pypinyin 安装它）：

from pypinyin import pinyin


def to_pinyin(chin):
    return ' '.join([seg[0] for seg in pinyin(chin)])


print(to_pinyin('好久不见'))
# OUTPUT: hǎo jiǔ bú jiàn

注意：模块中的 pinyin 方法返回可能的候选段列表，并且只要有多个转换可用，to_pinyin 方法就会采用第一个变体。对于棘手的极端情况，这可能会产生不正确的结果，但通常您可能会获得至少 ~90..95% 的成功率。

还有一些其他用于拼音转换的 python 库，但在我的测试中，它们被证明比 pypinyin 具有更高的错误率。此外，它们似乎没有得到积极维护。

如果您需要更高的准确性，那么您将需要一种更复杂的方法，该方法将依赖于更大的数据集，可能还需要一些机器学习。