抖音配乐--生僻字
首次听到生僻字就是从抖音了，随着生僻字配乐使用的人越来越多，很多人翻唱、模仿甚至有讲解成语出处和寓意的段子，可谓百家争鸣。
但，有一类视频很不讨喜，就是把歌词用谐音字代替，好让人一眼认识。
如果是那些哈韩哈日的朋友们，想唱歌但又没有语言基础，那你配上谐音的字没毛病。可歌词中的成语和汉子就是老祖宗传下来的文化，你却用谐音字去让自己容易辨识，不觉得脸红吗？
如果不认识，你可以查字典，找度娘，然后标注上拼音啊！即娱乐又长知识了。
当然有人觉得这样一个一个的查太麻烦，那是因为----你不会Python啊！
今天，我就来教教你们，怎么把文本内容自动标注拼音。
Python的拼音模块
Python的模块库API，每次进去习惯第一动作，就是右键翻译为中文。（好羞愧，个人太爱国了，所以一直排斥学英语，好不要脸的借口...）可Python的拼音模块不需要这么做，因为涉及拼音等模块肯定和中文有关系，文档自然是中文的喽。
那么Python的拼音模块是什么？ pypinyin
- 特性
- 根据词组智能匹配最正确的拼音。
- 支持多音字。
- 简单的繁体支持, 注音支持。
- 支持多种不同拼音/注音风格。
- 安装
pip install pypinyin - 使用示例
>>> from pypinyin import pinyin, lazy_pinyin, Style >>> pinyin('中心') [['zhōng'], ['xīn']] >>> pinyin('中心', heteronym=True) # 启用多音字模式 [['zhōng', 'zhòng'], ['xīn']] >>> pinyin('中心', style=Style.FIRST_LETTER) # 设置拼音风格 [['z'], ['x']] >>> pinyin('中心', style=Style.TONE2, heteronym=True) [['zho1ng', 'zho4ng'], ['xi1n']] >>> pinyin('中心', style=Style.BOPOMOFO) # 注音风格 [['ㄓㄨㄥ'], ['ㄒㄧㄣ']] >>> pinyin('中心', style=Style.CYRILLIC) # 俄语字母风格 [['чжун1'], ['синь1']] >>> lazy_pinyin('中心') # 不考虑多音字的情况 ['zhong', 'xin'] # Python 3(Python 2 下把 '中心' 替换为 u'中心' 即可):
实现分析
起初想着，既然有了这个强大的拼音模块，那么文本批量添加拼音，岂不是分分钟的事情了吗？然后，打脸接踵而来！
首先，要实现文字上一一对应的标注拼音，每个字与拼音的长度肯定不同，没办法对其。如果要对其，就得将文字进行拆分，字与字之间添加间距。有人说简单啊，每个字的拼音最多不过6为，那我们使用列表解析式[i.just(6) for i in line]不就完了？
听起来没毛病，但是...
- 歌词也有语气词啊，这句Wu 又双叒叕你直接按照字符串拆开成了什么鬼？
- 一个中文在文本中占两个字符的长度，如果对齐的话，还需要识别中文和英文字符！
- 有效字符的辨识，Wu被认为是是个有效字段，模块会对其进行合并
pinyin('Wu 又双叒叕') -->[['Wu '], ['yòu'], ['shuāng'], ['ruò'], ['zhuó']]
中文识别
本来考虑使用正则去判断中文的，因为网上查到正则的匹配中文是[\u4e00-\u9fa5],简单测试了下，貌似没毛病
然后...代码都快写完了发现有些生僻字不再这个范围内，我擦！
'\u4e00'<='生'<='\u9fa5' True '\u4e00'<='僻'<='\u9fa5' True '\u4e00'<='字'<='\u9fa5' True '\u4e00'<='㙓'<='\u9fa5' False
生僻字果然没那么好处理，但我这么追求完美的处女座大叔，怎么能容忍特例的出现呢？
解决办法
针对正则匹配问题，深入去研究，就脱离了学Python的初衷，即便解决了也收获甚微，不如换个思路。
utf-8字符编码下，一个中文字符占3个字节，但是字符的长度仅为1，那么解析中文的方式是否可以变通为：
len(bytes(str,'utf-8) == 3 and len(string) == 1)
关于文本书写，我们判断中文后，如果是汉字str.ljust(5),否则str.ljust(6)不就行了(因为一个汉字占两个字符长度)。
代码实现
# -*- coding: utf-8 -*- # @Author : 王翔 # @JianShu : 清风Python # @Date : 2019/5/18 22:53 # Software : PyCharm # version： Python 3.6.8 # @File : ChromePassword.py from pypinyin import pinyin import re class ChangePinyin: def __init__(self, filename): self.file = filename self.lyric = self.read_file() self.pinyin = [] def read_file(self): with open(self.file, encoding='utf-8') as f: return f.readlines() def write_file(self): with open('New_%s' % self.file, 'w', encoding='utf-8') as f: print(self.lyric) for line in self.lyric: # print(line) if line.strip() == '': continue _new_line = re.sub(r'\s', '', line) # 行内容转拼音 _pinyin = ''.join(map(lambda x: x[0].ljust(6), pinyin(_new_line))) # 根据中英文,将行内容进行字符与汉字的拆分 _lyric = self.split_words(_new_line) f.write('%s\n%s\n' % (_pinyin, _lyric)) @staticmethod def split_words(words): word_list = "" tmp = "" for string in words: if len(bytes(string, 'utf-8')) == 3 and len(string) == 1: if tmp != '': word_list += tmp.ljust(6) tmp = "" word_list += string.ljust(5) else: tmp += string return word_list if __name__ == '__main__': Main = ChangePinyin('lyric.txt') Main.write_file()
看看最后的实现效果吧，是不是格式很工整！
文本注音效果.gif
录屏软件为LICEcap
