[开发技巧] 如何获取汉字笔画数？
背景
在开发一个简单的卜筮小脚本的过程中，遇见了这个有趣的问题。如果只是特定个别汉字，我们大可以硬编码一个字典在脚本中，但是如果想获取任意一个汉字的笔画数呢？
pypinyin库
from pypinyin import pinyin, Style
def get_strokes_count(chinese_character):
pinyin_list = pinyin(chinese_character, style=Style.NORMAL)
strokes_count = len(pinyin_list[0])
return strokes_count
character = input("请输入一个汉字：")
strokes = get_strokes_count(character)
print("汉字'{}'的笔画数为：{}".format(character, strokes))
尝试了一下，发现得到的结果实际上是该汉字在normal拼音格式下的结果数，
unihan数据库
unihan数据库是一个由Unicode联盟维护的汉字数据库，看起来很靠谱，还提供了在线的工具。
在其在线查询工具Unihan Database Lookup中进行检索，发现查询结果中
存在kTotalStrokes字段，即为所需的笔画数数据。
作为unicode的官方数据库，目前版本完全满足基本的汉字查询。
Nice! 离成功更进了一步！
从Unihan数据库中获取笔画信息
最开始打算直接通过lookup发送查询请求，hmmm，太慢了，地址在国外。发现数据库文件本身也不大，就直接下载下来了。
打开压缩包，有文件若干.
通过lookup检索得到的结果，我们要的kTotalStrokes字段在IRG Source中,取出该文件。
在regex101中测试正则，取出要的unicode部分和笔画数部分，单独存成文件, 以供查询.
编码
- 提取笔画信息
file = Path("Stroke/Unihan_IRGSources.txt")
output = Path("Stroke/unicode2stroke.json")
stroke_dict = dict()
with open(file,mode="r") as f:
for line in f:
raw_line = line.strip()
pattern = r"(U\+.*)\skTotalStrokes.*\s(\d+)"
result = re.findall(pattern=pattern, string=raw_line)
if len(result) == 0:
continue
unicode_key = result[0][0]
unicode_stroke = result[0][1]
print(f"{unicode_key}: {unicode_stroke}")
stroke_dict[unicode_key] = unicode_stroke
with open(file=output, mode="w", encoding="utf-8") as f:
json.dump(stroke_dict,f, ensure_ascii=False, indent=4)
导出成json文件方便访问
- 编写获取函数
with open(output) as f:
unicode2stroke = json.load(f)
def get_character_stroke_count(char: str):
unicode = "U+" + str(hex(ord(char)))[2:].upper()
return int(unicode2stroke[unicode])
test_char = "阿"
get_character_stroke_count(char=test_char)
在获取时，注意unicode将汉字转为其对应的十六进制码
成功!达到预期结果!
