項目里文件名------永遠不要用中文！！！

“

閱讀本文大概需要 3 分鐘。

最近碰到了一個問題，項目中很多文件都是接手過來的中文命名的一些素材，結果在部署的時候文件名全都亂碼了，導致項目無法正常運行。

類似這樣子，什么都識別不了：

后來請教了一位大佬怎么解決文件名亂碼的問題，他說這個需要正面解決嗎？不需要，把文件名全部改掉，文件名永遠不要用中文，永遠不要。

我想他這么說的話，一定也是憑經驗得出來的。

這里也友情提示大家，項目里文件名------永遠不要用中文！！！

好，那不用中文用啥？平時來看，一般我們都會用英文來命名，一般也不會出現中文，比如 resource, controller, result, view, spider 等等，所以絕大多數情況下，是不會出現什么問題的。但是也有個別的情況，比如一些素材、資源文件可能的中文命名的，那么這時候該咋辦呢？

首先像，因為是中文資源文件，我們要改成非中文命名的，無非兩種，一種是英文，一種是拼音。

如果改英文，當然可以翻譯、我們想翻譯的話，逐個人工翻譯成本太高，機器翻譯的話，翻譯完可能有些文不對題了，而且我們自己也不知道一些奇怪的資源英語應該叫什么，所以到時候真的找起來都找不到了。

所以第二種解決方案，那就是拼音了。中文轉拼音，很自然，而且一個字就對應一串拼音，而且也非常容易從拼音看懂是什么意思，所以這確實是一個不錯的方案。

那么問題就來了，怎樣把一批中文文件轉拼音命名呢？下面就讓我們來了解 Python 的一個庫 PyPinyin 吧！

概述

Python 中提供了漢字轉拼音的庫，名字叫做 PyPinyin，可以用于漢字注音、排序、檢索等等場合，是基于 hotto/pinyin 這個庫開發(fā)的，一些站點鏈接如下：

GitHub:

https://github.com/mozillazg/python-pinyin

文檔：

https://pypinyin.readthedocs.io/zh_CN/master/

PyPi：

https://pypi.org/project/pypinyin/

它有這么幾個特性：

根據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/注音風格。

是不是等不及了呢？那就讓我們來了解一下它的用法吧！

安裝

首先就是這個庫的安裝了，通過 pip 安裝即可：

pip3?install?pypinyin

安裝完成之后導入一下這個庫，如果不報錯，那就說明安裝成功了。

>>>?import?pypinyin

好，接下來我們看下它的具體功能。

基本拼音

首先我們進行一下基本的拼音轉換，方法非常簡單，直接調用 pinyin 方法即可：

from?pypinyin?import?pinyin

print(pinyin('中心'))

運行結果：

[['zhōng'],?['xīn']]

可以看到結果會是一個二維的列表，每個元素都另外成了一個列表，其中包含了每個字的讀音。

那么如果這個詞是多音字咋辦呢？比如 "朝陽"，它有兩個讀音，我們拿來試下：

from?pypinyin?import?pinyin

print(pinyin('朝陽'))

運行結果：

[['zhāo'],?['yáng']]

好吧，它只給出來了一個讀音，但是如果我們想要另外一種讀音咋辦呢？

其實很簡單，只需添加 heteronym 參數并設置為 True 就好了，我們試下：

from?pypinyin?import?pinyin

print(pinyin('朝陽',?heteronym=True))

運行結果：

[['zhāo',?'cháo'],?['yáng']]

OK 了，這下子就顯示出來了兩個讀音了，而且我們也明白了結果為什么是一個二維列表，因為里面的一維的結果可能是多個，比如多音字的情況就是這樣。

但這個多少解析起來有點麻煩，很多情況下我們是不需要管多音字的，我們只是用它來轉換一下名字而已，而處理上面的二維數組又比較麻煩。

所以有沒有一個方法直接給我們一個一維列表呢？有！

我們可以使用 lazy_pinyin 這個方法來生成，嘗試一下：

from?pypinyin?import?pinyin

print(pinyin('聰明的小兔子'))

運行結果：

['cong',?'ming',?'de',?'xiao',?'tu',?'zi']

這時候觀察到得到的是一個列表，并且不再包含音調了。

這里我們就有一個疑問了，為啥 pinyin 方法返回的結果默認是帶音調的，而 lazy_pinyin 是不帶的，這里面就涉及到一個風格轉換的問題了。

風格轉換

我們可以對結果進行一些風格轉換，比如不帶聲調風格、標準聲調風格、聲調在拼音之后、聲調在韻母之后、注音風格等等，比如我們想要聲調放在拼音后面，可以這么來實現：

from?pypinyin?import?lazy_pinyin,?Style

style?=?Style.TONE3

print(lazy_pinyin('聰明的小兔子',?style=style))

運行結果：

['cong1',?'ming2',?'de',?'xiao3',?'tu4',?'zi']

可以看到運行結果每個拼音后面就多了一個聲調，這就是其中的一個風格，叫做 TONE3，其實還有很多風格，下面是我從源碼里面找出來的定義：

#:?普通風格，不帶聲調。如：?中國?->?``zhong?guo``

NORMAL?=?0

#:?標準聲調風格，拼音聲調在韻母第一個字母上（默認風格）。如：?中國?->?``zhōng?guó``

TONE?=?1

#:?聲調風格2，即拼音聲調在各個韻母之后，用數字?[1-4]?進行表示。如：?中國?->?``zho1ng?guo2``

TONE2?=?2

#:?聲調風格3，即拼音聲調在各個拼音之后，用數字?[1-4]?進行表示。如：?中國?->?``zhong1?guo2``

TONE3?=?8

#:?聲母風格，只返回各個拼音的聲母部分（注：有的拼音沒有聲母，詳見?`#27`_）。如：?中國?->?``zh?g``

INITIALS?=?3

#:?首字母風格，只返回拼音的首字母部分。如：?中國?->?``z?g``

FIRST_LETTER?=?4

#:?韻母風格，只返回各個拼音的韻母部分，不帶聲調。如：?中國?->?``ong?uo``

FINALS?=?5

#:?標準韻母風格，帶聲調，聲調在韻母第一個字母上。如：中國?->?``ōng?uó``

FINALS_TONE?=?6

#:?韻母風格2，帶聲調，聲調在各個韻母之后，用數字?[1-4]?進行表示。如：?中國?->?``o1ng?uo2``

FINALS_TONE2?=?7

#:?韻母風格3，帶聲調，聲調在各個拼音之后，用數字?[1-4]?進行表示。如：?中國?->?``ong1?uo2``

FINALS_TONE3?=?9

#:?注音風格，帶聲調，陰平（第一聲）不標。如：?中國?->?``ㄓㄨㄥ?ㄍㄨㄛˊ``

BOPOMOFO?=?10

#:?注音風格，僅首字母。如：?中國?->?``ㄓ?ㄍ``

BOPOMOFO_FIRST?=?11

#:?漢語拼音與俄語字母對照風格，聲調在各個拼音之后，用數字?[1-4]?進行表示。如：?中國?->?``чжун1?го2``

CYRILLIC?=?12

#:?漢語拼音與俄語字母對照風格，僅首字母。如：?中國?->?``ч?г``

CYRILLIC_FIRST?=?13

有了這些，我們就可以輕松地實現風格轉換了。

好，再回到原來的問題，為什么 pinyin 的方法默認帶聲調，而 lazy_pinyin 方法不帶聲調，答案就是：它們二者使用的默認風格不同，我們看下它的函數定義就知道了：

pinyin 方法的定義如下：

def?pinyin(hans,?style=Style.TONE,?heteronym=False,?errors='default',?strict=True)

lazy_pinyin 方法的定義如下：

def?lazy_pinyin(hans,?style=Style.NORMAL,?errors='default',?strict=True)

這下懂了吧，因為 pinyin 方法默認使用了 TONE 的風格，而 lazy_pinyin 方法默認使用了 NORMAL 的風格，所以就導致二者返回風格不同了。

好了，有了這兩個函數的定義，我們再來研究下其他的參數，比如定義里面的 errors 和 strict 參數又怎么用呢？

錯誤處理

在這里我們先做一個測試，比如我們傳入無法轉拼音的字，比如：

from?pypinyin?import?lazy_pinyin

print(lazy_pinyin('你好☆☆，我是xxx'))

其中包含了星號兩個，還有標點一個，另外還包含了一個 xxx 英文字符，結果會是什么呢？

['ni',?'hao',?'☆☆，',?'wo',?'shi',?'xxx']

可以看到結果中星號和英文字符都作為一個整體并原模原樣返回了。

那么這種特殊字符可以單獨進行處理嗎？當然可以，這里就用到剛才提到的 errors 參數了。

errors 參數是有幾種模式的：

default：默認行為，不處理，原木原樣返回

ignore：忽略字符，直接拋掉

replace：直接替換為去掉 \u 的 unicode 編碼

callable 對象：當傳入一個可調用的對象的時候，則可以自定義處理方式。

下面是 errors 這個參數的源碼實現邏輯：

def?_handle_nopinyin_char(chars,?errors='default'):

"""處理沒有拼音的字符"""

if?callable_check(errors):

return?errors(chars)

if?errors?==?'default':

return?chars

elif?errors?==?'ignore':

return?None

elif?errors?==?'replace':

if?len(chars)?>?1:

return?''.join(text_type('%x'?%?ord(x))?for?x?in?chars)

else:

return?text_type('%x'?%?ord(chars))

當處理沒有拼音的字符的時候，errors 的不同參數會有不同的處理結果，更詳細的邏輯可以翻看源碼。

好了，下面我們來嘗試一下，比如我們想將不能轉拼音的字符去掉，則可以這么設置：

from?pypinyin?import?lazy_pinyin

print(lazy_pinyin('你好☆☆，我是xxx',?errors='ignore'))

運行結果：

['ni',?'hao',?'wo',?'shi']

如果我們想要自定義處理，比如把 ☆ 轉化為 ?※，則可以這么設置：

print(lazy_pinyin('你好☆☆，我是xxx',?errors=lambda?item:?''.join(['※'?if?c?==?'☆'?else?c?for?c?in?item])))

運行結果：

['ni',?'hao',?'※※，',?'wo',?'shi',?'xxx']

如上便是一些相關異常處理的操作，我們可以隨心所欲地處理自己想處理的字符了。

嚴格模式

最后再看下 strict 模式，這個參數用于控制處理聲母和韻母時是否嚴格遵循 《漢語拼音方案》 標準。

下面的一些說明來源于官方文檔：

當 strict 參數為 True 時根據 《漢語拼音方案》 的如下規(guī)則處理聲母、在韻母相關風格下還原正確的韻母：

21 個聲母： b p m f d t n l g k h j q x zh ch sh r z c s （y, w 不是聲母）

i行的韻母，前面沒有聲母的時候，寫成yi(衣)，ya(呀)，ye(耶)，yao(腰)，you(憂)，yan(煙)， yin(因)，yang(央)，ying(英)，yong(雍)。（y 不是聲母）

u行的韻母，前面沒有聲母的時候，寫成wu(烏)，wa(蛙)，wo(窩)，wai(歪)，wei(威)，wan(彎)， wen(溫)，wang(汪)，weng(翁)。（w 不是聲母）

ü行的韻母，前面沒有聲母的時候，寫成yu(迂)，yue(約)，yuan(冤)，yun(暈)；ü上兩點省略。 （韻母相關風格下還原正確的韻母 ü）

ü行的韻跟聲母j，q，x拼的時候，寫成ju(居)，qu(區(qū))，xu(虛)，ü上兩點也省略； 但是跟聲母n，l拼的時候，仍然寫成nü(女)，lü(呂)。（韻母相關風格下還原正確的韻母 ü）

iou，uei，uen前面加聲母的時候，寫成iu，ui，un。例如niu(牛)，gui(歸)，lun(論)。 （韻母相關風格下還原正確的韻母 iou，uei，uen）

當 strict 為 False 時就是不遵守上面的規(guī)則來處理聲母和韻母， 比如：y, w 會被當做聲母，yu(迂) 的韻母就是一般認為的 u 等。

具體差異可以查看源碼中 tests/test_standard.py 中的對比結果測試用例。

自定義拼音

如果對庫返回的結果不滿意，我們還可以自定義自己的拼音庫，這里用到的方法就有 load_single_dict 和 load_phrases_dict 方法了。

比如剛才我們看到 "朝陽" 兩個字的發(fā)音默認返回的是 zhao yang，我們想默認返回 chao yang，那可以這么做：

from?pypinyin?import?lazy_pinyin,?load_phrases_dict

print(lazy_pinyin('朝陽'))

personalized_dict?=?{

'朝陽':?[['cháo'],?['yáng']]

}

load_phrases_dict(personalized_dict)

print(lazy_pinyin('朝陽'))

這里我們自定義了一個詞典，然后使用 load_phrases_dict 方法設置了一下就可以了。

運行結果：

['zhao',?'yang']

['chao',?'yang']

這樣就可以完成自定義的設置了。

在一些項目里面我們可以自定義很多拼音庫，然后加載就可以了。

另外我們還可以注冊樣式實現自定義，比如將某個拼音前面加上 Emoji 表情，樣例：

from?pypinyin.style?import?register

from?pypinyin?import?lazy_pinyin

@register('kiss')

def?kiss(pinyin,?**kwargs):

if?pinyin?==?'me':

return?f'?{pinyin}'

return?pinyin

print(lazy_pinyin('么么噠',?style='kiss'))

運行結果：

['?me',?'?me',?'dá']

這里我們調用 register 方法注冊了一個樣式 style，然后轉換的時候指定即可，通過觀察運行結果我們可以發(fā)現，這樣我們就可以將 me 字的拼音前面加上 ? 這個 Emoji 表情了。

以上就是 PyPinyin 這個庫的基本用法，更多的用法建議大家看看源碼或者看 API 文檔：

https://pypinyin.readthedocs.io/zh_CN/master/api.html

最后，附上源碼地址：

https://github.com/Germey/PyPinyinTest

“這么可愛的小蘿莉你不掃一掃？”

Python 機器翻譯

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現本站中有涉嫌抄襲或描述失實的內容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。