HanLP中的漢字轉拼音功能也十分的強大。
說明 :l HanLP不僅支援基礎的漢字轉拼音,還支援聲母、韻母、音調、音标和輸入法首字母首聲母功能。
l HanLP能夠識别多音字,也能給繁體中文注拼音。
l 最重要的是,HanLP采用的模式比對更新到AhoCorasickDoubleArrayTrie,性能大幅提升,能夠提供毫秒級的響應速度!
算法詳解l 《漢字轉拼音與簡繁轉換的Java實作》
1. # 漢字轉拼音
2. Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
3. text = "重載不是重任!"
4. pinyin_list = HanLP.convertToPinyinList(text)
5. print("原文,", end=" ")
6. print(text)
7. print("拼音(數字音調),", end=" ")
8. print(pinyin_list)
9. print("拼音(符号音調),", end=" ")
10. for pinyin in pinyin_list:
11. print("%s," % pinyin.getPinyinWithToneMark(), end=" ")
12. print("\n拼音(無音調),", end=" ")
13. for pinyin in pinyin_list:
14. print("%s," % pinyin.getPinyinWithoutTone(), end=" ")
15. print("\n聲調,", end=" ")
16. for pinyin in pinyin_list:
17. print("%s," % pinyin.getTone(), end=" ")
18. print("\n聲母,", end=" ")
19. for pinyin in pinyin_list:
20. print("%s," % pinyin.getShengmu(), end=" ")
21. print("\n韻母,", end=" ")
22. for pinyin in pinyin_list:
23. print("%s," % pinyin.getYunmu(), end=" ")
24. print("\n輸入法頭,", end=" ")
25. for pinyin in pinyin_list:
26. print("%s," % pinyin.getHead(), end=" ")
27. print()
28. # 拼音轉換可選保留無拼音的原字元
29. print(HanLP.convertToPinyinString("截至2012年,", " ", True))
30. print(HanLP.convertToPinyinString("截至2012年,", " ", False))
1.原文, 重載不是重任!
2.拼音(數字音調), [chong2, zai3, bu2, shi4, zhong4, ren4, none5]
3.拼音(符号音調), chóng, zǎi, bú, shì, zhòng, rèn, none,
4.拼音(無音調), chong, zai, bu, shi, zhong, ren, none,
5.聲調, 2, 3, 2, 4, 4, 4, 5,
6.聲母, ch, z, b, sh, zh, r, none,
7.韻母, ong, ai, u, i, ong, en, none,
8.輸入法頭, ch, z, b, sh, zh, r, none,
9.jie zhi none none none none nian none
10.jie zhi 2 0 1 2 nian ,
拼音轉中文HanLP中的資料結構和接口是靈活的,組合這些接口,可以自己創造新功能,我們可以使用AhoCorasickDoubleArrayTrie實作的最長分詞器,需要使用者調用setTrie()提供一個AhoCorasickDoubleArrayTrie
1.StringDictionary = JClass(
2."com.hankcs.hanlp.corpus.dictionary.StringDictionary")
3.CommonAhoCorasickDoubleArrayTrieSegment = JClass(
4."com.hankcs.hanlp.seg.Other.CommonAhoCorasickDoubleArrayTrieSegment")
5.Config = JClass("com.hankcs.hanlp.HanLP$Config")
6.
7.TreeMap = JClass("java.util.TreeMap")
8.TreeSet = JClass("java.util.TreeSet")
9.
10.dictionary = StringDictionary()
11.dictionary.load(Config.PinyinDictionaryPath)
12.entry = {}
13.m_map = TreeMap()
14.for entry in dictionary.entrySet():
15.pinyins = entry.getValue().replace("[\\d,]", "")
16.words = m_map.get(pinyins)
17.if words is None:
18.words = TreeSet()
19.m_map.put(pinyins, words)
20.words.add(entry.getKey())
21.words = TreeSet()
22.words.add("綠色")
23.words.add("濾色")
24.m_map.put("lvse", words)
25.
26.segment = CommonAhoCorasickDoubleArrayTrieSegment(m_map)
27.print(segment.segment("renmenrenweiyalujiangbujianlvse"))
28.print(segment.segment("lvsehaihaodajiadongxidayinji"))
1.[renmenrenweiyalujiangbujian/null, lvse/[濾色, 綠色]]
2.[lvse/[濾色, 綠色], haihaodajiadongxidayinji/null]
字元正則化示範正規化字元配置項的效果(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(現在直接通過HanLP.Config.Normalization開啟即可)。
切換配置後必須删除CustomDictionary.txt.bin緩存,否則隻影響動态插入的新詞。
在我動筆前一個星期,已經有同學添加了,添加自定義詞典之後,自動删除緩存的功能。位址請參閱github.com/hankcs/HanLP/pull/954,現在隻需要開啟正則化即可
1.CustomDictionary =JClass("com.hankcs.hanlp.dictionary.CustomDictionary")
2.print("HanLP.Config.Normalization = False\n")
3.HanLP.Config.Normalization = False
4.CustomDictionary.insert("愛聽4G", "nz 1000")
5.print(HanLP.segment("愛聽4g"))
6.print(HanLP.segment("愛聽4G"))
7.print(HanLP.segment("愛聽4G"))
8.print(HanLP.segment("愛聽4G"))
9.print(HanLP.segment("愛聽4G"))
10.
11.print(HanLP.segment("喜歡4G"))
12.print(HanLP.segment("hankcs在臺灣寫代碼"))
13.
14.print("\nHanLP.Config.Normalization = True\n")
15.HanLP.Config.Normalization = True
16.print(HanLP.segment("愛聽4g"))
17.print(HanLP.segment("愛聽4G"))
18.print(HanLP.segment("愛聽4G"))
19.print(HanLP.segment("愛聽4G"))
20.print(HanLP.segment("愛聽4G"))
21.
22.print(HanLP.segment("喜歡4G"))
23.print(HanLP.segment("hankcs在臺灣寫代碼"))
24.
25.HanLP.Config.ShowTermNature = False
27.text = HanLP.s2tw("現在的HanLP已經添加了添加自定義詞典之後,自動删除緩存的功能,現在隻需要開啟正則化即可")
28.print(text)
29.print(HanLP.segment(text))
30.HanLP.Config.ShowTermNature = False
1.HanLP.Config.Normalization = False
2.
3.[愛聽4g]
4.[愛聽4G]
5.[愛, 聽, 4, G]
6.[愛, 聽, 4, G]
7.[愛, 聽, 4, G]
8.[喜歡, 4, G]
9.[hankcs, 在, 臺, 灣寫, 代, 碼]
11.HanLP.Config.Normalization = True
12.
13.[愛聽4g]
14.[愛聽4g]
15.[愛聽4g]
16.[愛聽4g]
17.[愛聽4g]
18.[喜歡, 4, g]
19.[hankcs, 在, 台灣, 寫, 代碼]
20.現在的HanLP已經新增了新增自定義詞典之後,自動刪除快取的功能,現在隻需要開啟正則化即可
21.[現在, 的, hanlp, 已經, 新增, 了, 新增, 自定義, 詞典, 之後, ,, 自動, 删除, 快, 取, 的