Python：如何将字符串“ub”添加到字符串中的每个发音元音？

Question

示例：说话 -> Spubeak，more info here

不要给我一个解决方案，而是指出我正确的方向或告诉我可以使用哪个 python 库？我正在考虑正则表达式，因为我必须找到一个元音，但是我可以使用哪种方法在元音前面插入“ub”？

Answer 1

它比简单的正则表达式更复杂e.g.,

"Hi, how are you?" → "Hubi, hubow ubare yubou?"

简单的正则表达式不会发现e 在are 中不发音。

您需要一个提供发音词典的库，例如nltk.corpus.cmudict：

from nltk.corpus import cmudict # $ pip install nltk
# $ python -c "import nltk; nltk.download('cmudict')"

def spubeak(word, pronunciations=cmudict.dict()):
    istitle = word.istitle() # remember, to preserve titlecase
    w = word.lower() #note: ignore Unicode case-folding
    for syllables in pronunciations.get(w, []):
        parts = []
        for syl in syllables:
            if syl[:1] == syl[1:2]:
                syl = syl[1:] # remove duplicate
            isvowel = syl[-1].isdigit()
            # pronounce the word
            parts.append('ub'+syl[:-1] if isvowel else syl)
        result = ''.join(map(str.lower, parts))
        return result.title() if istitle else result
    return word # word not found in the dictionary

例子：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re

sent = "Hi, how are you?"
subent = " ".join(["".join(map(spubeak, re.split("(\W+)", nonblank)))
                   for nonblank in sent.split()])
print('"{}" → "{}"'.format(sent, subent))

输出

“嗨，你好吗？” → “Hubay, hubaw ubar yubuw？”

注意：它与第一个示例不同：每个单词都替换为其音节。

Answer 2

您可以使用正则表达式进行替换。见re.sub。

例子：

>>> import re
>>> re.sub(r'(e)', r'ub\1', 'speak')
'spubeak'

您需要阅读正则表达式组等的文档。您还需要弄清楚如何匹配不同的元音，而不仅仅是示例中的那个。

有关在 Python 中使用正则表达式制作发音词典的一些好主意（和代码），请查看此链接，它是 Cainteoir 项目的设计页面之一：http://rhdunn.github.com/cainteoir/rules.html

Cainteoir 的文本转语音规则引擎设计（尚未完全实现）使用正则表达式。另请参阅 Pronunciation Dictionaries and Regexes，Cainteoir 作者的另一篇文章。

Answer 3

正则表达式确实是最好的方法。如果您不确定如何继续，请检查捕获组的工作方式，以及如何将它们包含在替换中。