大家好，欢迎来到Crossin的编程教室！
有时在处理文件时候，我们需要将中文汉字转换为拼音或者拼音首字母的需求；还有的时候，我们需要对汉字进行按拼音字母排序（汉字的默认排序是编码序而非拼音序）。针对类似的转换需求，本文将介绍三种Python实现的方法，最后给一个批量操作的代码案例！
一、xpinyin
开门见山，Python中文字转拼音可以使用xpinyin，直接使用pip安装即可?
pip install xpinyin -i //pypi.douban.com/simple --trusted-host pypi.douban.com
接着导入xpinyin下的 Pinyin 方法如下
from xpinyin import Pinyin
首先试试中文名转拼音，
p = Pinyin() result1 = p.get_pinyin('叶伏天') result1
结果如下：
tone_marks可以显示声调
result2 = p.get_pinyin('叶伏天', tone_marks='marks')
结果如下：
去掉空格?
s = result1.split('-') result3 = s[0].capitalize() + ' ' + ''.join(s[1:]).capitalize() result3 结果如下： 'Ye Futian'
有时需要中文名转拼音首字母，也很简单?
二、pypinyin
另一种方法是使用pypinyin，安装同样可以使用pip
# 安装 pip install pypinyin -i //pypi.douban.com/simple --trusted-host pypi.douban.com
直接导入就行?
再来看看中文名转拼音的实现办法
result1 = pypinyin.pinyin('叶庭云', style=pypinyin.NORMAL) result1
结果如下：
[['ye'], ['ting'], ['yun']]
启用多音节来实现声调
result2 = pypinyin.pinyin('叶庭云', heteronym=True) result2
结果如下：
[['yè', 'xié'], ['tíng'], ['yún']]
因为返回的是一个嵌套的list，所以需要简单调整一下
result_ = [i[0] for i in result1] result3 = result_[0].capitalize() + ' ' + ''.join(result_[1:]).capitalize() result3
结果如下：
启用多音字模式时，竟然发现 ‘叶’ 也是多音字，查询了资料发现确实是这样，涨知识啦！
下面是中文名转拼音首字母的方法
三、snownlp
最后一种办法是使用snownlp，同样的pip安装与导入如下：
# 安装 pip install snownlp -i //pypi.douban.com/simple --trusted-host pypi.douban.com # 导入 from snownlp import SnowNLP
中文名转拼音?
s = SnowNLP('叶庭云') s.pinyin
结果如下：
将list转为字符串
result4 = s.pinyin[0].capitalize() + ' ' + ''.join(s.pinyin[1:]).capitalize() result4
结果如下：
最后是中文名转拼音首字母
四、批量将中文名转换成拼音
现在，掌握了基本使用后，我们就能利用批量操作来解放双手
import pypinyin import pandas as pd df = pd.read_excel('学生名单_test.xls') df.head()
先导入一份学生名单如下
下面是使用pypinyin批量将全部学生的中文姓名转换为拼音
pinyin_name = [] first_pinyin = [] for i in df['姓名']: result = pypinyin.pinyin(i, style=pypinyin.NORMAL) result_ = [i[0] for i in result] result2 = result_[0].capitalize() + ' ' + ''.join(result_[1:]).capitalize() result3 = ''.join([i[0].upper() for i in result_]) print(result2, i, sep=' ') pinyin_name.append(result2) first_pinyin.append(result3) df['英文名'] = pinyin_name df['拼音首字母'] = first_pinyin df.head()
或者是转换为拼音首字母，运行结果如下：
文章分享自微信公众号：
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
原始发表时间：2020-12-09
如有侵权，请联系 删除。
汉字拼音转换工具（Python 版）
将汉字转为拼音。可以用于汉字注音、排序、检索(Russian translation) 。
最初版本的代码参考了 hotoo/pinyin 的实现。
- Documentation: //pypinyin.rtfd.io/
- GitHub: //github.com/mozillazg/python-pinyin
- License: MIT license
- PyPI: //pypi.org/project/pypinyin
- Python version: 2.7, pypy, pypy3, 3.4, 3.5, 3.6, 3.7, 3.8, 3.9, 3.10
特性
- 根据词组智能匹配最正确的拼音。
- 支持多音字。
- 简单的繁体支持，注音支持，威妥玛拼音支持。
- 支持多种不同拼音/注音风格。
安装
使用示例
Python 3(Python 2 下把 '中心' 替换为 u'中心' 即可):
>>> from pypinyin import pinyin, lazy_pinyin, Style >>> pinyin('中心') # or pinyin(['中心'])，参数值为列表时表示输入的是已分词后的数据 [['zhōng'], ['xīn']] >>> pinyin('中心', heteronym=True) # 启用多音字模式 [['zhōng', 'zhòng'], ['xīn']] >>> pinyin('中心', style=Style.FIRST_LETTER) # 设置拼音风格 [['z'], ['x']] >>> pinyin('中心', style=Style.TONE2, heteronym=True) [['zho1ng', 'zho4ng'], ['xi1n']] >>> pinyin('中心', style=Style.TONE3, heteronym=True) [['zhong1', 'zhong4'], ['xin1']] >>> pinyin('中心', style=Style.BOPOMOFO) # 注音风格 [['ㄓㄨㄥ'], ['ㄒㄧㄣ']] >>> lazy_pinyin('威妥玛拼音', style=Style.WADEGILES) ['wei', "t'o", 'ma', "p'in", 'yin'] >>> lazy_pinyin('中心') # 不考虑多音字的情况 ['zhong', 'xin'] >>> lazy_pinyin('战略', v_to_u=True) # 不使用 v 表示 ü ['zhan', 'lüe'] # 使用 5 标识轻声 >>> lazy_pinyin('衣裳', style=Style.TONE3, neutral_tone_with_five=True) ['yi1', 'shang5'] # 变调 nǐ hǎo -> ní hǎo >>> lazy_pinyin('你好', style=Style.TONE2, tone_sandhi=True) ['ni2', 'ha3o']
注意事项 ：
- 默认情况下拼音结果不会标明哪个韵母是轻声，轻声的韵母没有声调或数字标识（可以通过参数 neutral_tone_with_five=True 开启使用 5 标识轻声 ）。
- 默认情况下无声调相关拼音风格下的结果会使用 v 表示 ü （可以通过参数 v_to_u=True 开启使用 ü 代替 v ）。
- 默认情况下会原样输出没有拼音的字符（自定义处理没有拼音的字符的方法见 文档 ）。
命令行工具：
$ pypinyin 音乐 yīn yuè $ pypinyin -h
文档
详细文档请访问：//pypinyin.rtfd.io/ 。
项目代码开发方面的问题可以看看 开发文档 。
FAQ
拼音有误？
可以通过下面的方法提高拼音准确性：
- 可以通过自定义词组拼音库或者单字拼音库的方式修正拼音结果， 详见 文档 。
>> from pypinyin import load_phrases_dict, load_single_dict >> load_phrases_dict({'桔子': [['jú'], ['zǐ']]}) # 增加 "桔子" 词组 >> load_single_dict({ord('还'): 'hái,huán'}) # 调整 "还" 字的拼音顺序或覆盖默认拼音
- 也可以使用 pypinyin-dict 项目提供的自定义拼音库来纠正结果。
# 使用 phrase-pinyin-data 项目中 cc_cedict.txt 文件中的拼音数据优化结果 >>> from pypinyin_dict.phrase_pinyin_data import cc_cedict >>> cc_cedict.load() # 使用 pinyin-data 项目中 cc_cedict.txt 文件中的拼音数据优化结果 >>> from pypinyin_dict.pinyin_data import kxhc1983 >>> kxhc1983.load()
- 如果是分词导致的拼音有误的话，可以先使用其他的分词模块对数据进行分词处理， 然后将分词后的词组结果列表作为函数的参数即可:
>>> # 使用其他分词模块分词，比如 jieba 之类， >>> #或者基于 phrases_dict.py 里的词语数据使用其他分词算法分词 >>> words = list(jieba.cut('每股24.67美元的确定性协议')) >>> pinyin(words)
- 如果你希望能通过训练模型的方式提高拼音准确性的话，可以看一下 pypinyin-g2pW 这个项目。
为什么没有 y, w, yu 几个声母？
>>> from pypinyin import Style, pinyin >>> pinyin('下雨天', style=Style.INITIALS) [['x'], [''], ['t']]
因为根据 《汉语拼音方案》 ， y，w，ü (yu) 都不是声母。
声母风格（INITIALS）下，“雨”、“我”、“圆”等汉字返回空字符串，因为根据 《汉语拼音方案》 ， y，w，ü (yu) 都不是声母，在某些特定韵母无声母时，才加上 y 或 w，而 ü 也有其特定规则。 —— @hotoo
如果你觉得这个给你带来了麻烦，那么也请小心一些无声母的汉字（如“啊”、“饿”、“按”、“昂”等）。 这时候你也许需要的是首字母风格（FIRST_LETTER）。 —— @hotoo
参考: hotoo/pinyin#57, #22, #27, #44
如果觉得这个行为不是你想要的，就是想把 y 当成声母的话，可以指定 strict=False ， 这个可能会符合你的预期：
>>> from pypinyin import Style, pinyin >>> pinyin('下雨天', style=Style.INITIALS) [['x'], [''], ['t']] >>> pinyin('下雨天', style=Style.INITIALS, strict=False) [['x'], ['y'], ['t']]
详见 strict 参数的影响 。
如何将某一风格的拼音转换为其他风格的拼音
可以通过 pypinyin.contrib.tone_convert 模块对标准拼音进行转换，得到不同风格的拼音。 比如将 zhōng 转换为 zhong，或者获取拼音中的声母或韵母数据：
>>> from pypinyin.contrib.tone_convert import to_normal, to_tone, to_initials, to_finals >>> to_normal('zhōng') 'zhong' >>> to_tone('zhong1') 'zhōng' >>> to_initials('zhōng') 'zh' >>> to_finals('zhōng') 'ong'
更多拼音转换的辅助函数，详见 pypinyin.contrib.tone_convert 模块的 文档 。
如何减少内存占用
如果对拼音的准确性不是特别在意的话，可以通过设置环境变量 PYPINYIN_NO_PHRASES 和 PYPINYIN_NO_DICT_COPY 来节省内存。 详见 文档
更多 FAQ 详见文档中的 FAQ 部分。
拼音数据
- 单个汉字的拼音使用 pinyin-data 的数据
- 词组的拼音使用 phrase-pinyin-data 的数据
- 声母和韵母使用 《汉语拼音方案》 的数据
Related Projects
- hotoo/pinyin: 汉字拼音转换工具 Node.js/JavaScript 版。
- mozillazg/go-pinyin: 汉字拼音转换工具 Go 版。
- mozillazg/rust-pinyin: 汉字拼音转换工具 Rust 版。