python识别一段由字母组成的字符串是拼音还是英文单词

环境：win10 python3.6

先说一下算法思想：

首先建立本地拼音库(不带声调)。使用逆向最大匹配将字符串与本地拼音库(这里提供给大家一个)进行匹配。话不多说，见code：

def pinyin_or_word(string):

    '''

    judge a string is a pinyin or not.

    pinyinLib comes from a txt file.

    '''

    max_len = 6   # 拼音最长为6

    string = string.lower()

    stringlen = len(string)

    result = []

    while True:

        matched = 0

        matched_word = ''

        if stringlen < max_len:

            max_len = stringlen

        for i in range(max_len, 0, -1):

            s = string[(stringlen-i):stringlen]

            if s in pinyinLib:

                matched_word = s

                matched = i

                break

        if len(matched_word) == 0:

            break

        else:

            result.append(s)

            string = string[:(stringlen-matched)]

            stringlen = len(string)

            if stringlen == 0:

                break

    return result

In [1]: pinyin_or_word("woaizhongguo")

Out[1]: ['wo', 'ai', 'zhong', 'guo']

其实这个算法是有缺陷的：比如你输入一个英文单词'open'，将返回拼音'o'+'pen'。

注：正向最大匹配会遇到“xiange”分成“xiang/e”的情况。

巴特西

python识别一段由字母组成的字符串是拼音还是英文单词

最新文章

热门文章