Python玩转《生僻字》

最终效果
思路
pypinyin库
读写txt文本
拼接
回顾
代码下载
最后

茕茕孑立沆瀣一气

踽踽独行醍醐灌顶

绵绵瓜瓞奉为圭臬

龙行龘龘犄角旮旯

娉婷袅娜涕泗滂沱

呶呶不休不稂不莠

一首《生僻字》，考验的是“语文”硬实力。倘若实力不够，其实可以拿Python来凑，毕竟库多！今天就来说一个神奇pypinyin库，库如其名，python版本的拼音库。也很简单，可以将汉字转为拼音。

最终效果

个人最喜欢print到命令行中的样式
Python玩转《生僻字》
当然，正规的操作是读取汉字txt文本，通过代码生成注音版本：

思路

很简单，拼音库可以把汉字转化为拼音，那我们要做的就是读取文本，获取拼音，最后将文本和拼音重新拼接。高深的算法没有，基本围绕字符串和列表的操作拼接，有兴趣的朋友可以体验下。

pypinyin库

首先是安装，pip install pypinyin

装好后引入模块from pypinyin import pinyin

直接调用 pinyin(“生僻字”)，即可得到拼音列表 [[‘shēng’], [‘pì’], [‘zì’]]

读写txt文本

基本是入门阶段读写txt文件的简单应用：

txt_name = "生僻字"
with open("%s.txt"%txt_name,encoding="UTF-8-sig") as f:
    content = f.read()
    input_str = content
result = transfer(input_str)
print(result)
with open("%s_拼音.txt"%txt_name,'w',encoding='UTF-8-sig') as m:
    m.write(result)

拼接

这里涉及到中文字符占2个字节，写入txt时编码格式的选择，摸索半天勉强做到大致上一一对应。

def transfer(text):
    #去除字符串中空格
    no_space_text = ''.join(text.split(" "))
    raw_list = []
    temp = ""
    for i in range(len(no_space_text)):
        if is_Chinese(no_space_text[i]):
            if temp != "":
                raw_list.append(temp)
                temp=""
            raw_list.append(no_space_text[i])
        else:
            temp+=no_space_text[i]
    #生成拼音列表
    pylist = pinyin(no_space_text)

    #将拼音列表和字符串拼接对齐
    text_list = []
    pinyin_list = []

    for i in range(len(raw_list)):
        if is_Chinese(raw_list[i]):
            pinyin_list.append(pylist[i][0].ljust(6, ' '))
            text_list.append(raw_list[i].ljust(5,' '))
        else:
            pinyin_list.append(pylist[i][0])
            text_list.append(raw_list[i])

    pinyin_str = ''.join(pinyin_list)
    text_str = ''.join(text_list)

    pinyin_line_list = pinyin_str.split('\n')
    text_line_list = text_str.split("\n")
    final_result = ""
    for i in range(len(pinyin_line_list)):
        final_result += pinyin_line_list[i] + '\n' + text_line_list[i] + "\n"
    return final_result

回顾

最初是在接触一个读取剪贴板内容的pyperclip模块，琢磨对剪贴板中字符串如何操作。正好又听到生僻字那首歌，想到既然逐字查拼音是个麻烦事，何不通过Python来批量添加拼音呢？幸运的是还真有大牛写了拼音库，可以拿来直接用。

昨天完成的代码，是对剪贴板中复制的内容添加拼音，感觉实用性不强且不方便，故今天修改为读取txt文本生成注音版本。

代码下载

Github代码下载

代码中有两点，在这记录下：

读写txt文档时，encoding="UTF-8-sig"是为了去除utf-8带的BOM头’\ufeff’
通常汉字都在’\u4e00’ 和 '\u9fff之间，但是生僻字如“㙓” 位于拓展库 ‘\u3400’ 到 '\u4DB5’之间
参考链接

最后

最后再放个《离骚》文本的注音版，还不错，嘿~

Python玩转《生僻字》