比如一段英文字符 jintiantianqibucuo 可以拆分为 jin tian tian qi bu cuo。如果不符合拼音规则则返回输入非拼音的提示
如果有现成的就最好了，省的重写一个
如果有现成的就最好了，省的重写一个
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 2519 days ago, the information mentioned may be changed or developed.
 |
1
yuikns Jul 3, 2019
我还以为是中文分词呢，刚想推荐一下 IKAnalyzer... 这个枚举不是超简单么？
我过了一遍所有 utf-8 中文字符然后用 pinyin4j 帮你枚举了一下 XD https://gist.github.com/yuikns/387be5e9cf450ae3589fa7037c94453e#file-pinyin_tokenlizer-py |
|
2
yuikns Jul 3, 2019
输入是 jintianxtianqibucuo 其中 tian[x]tian 有问题，所以输出 ['jin', 'tian', 'invalid:x', 'tian', 'qi', 'bu', 'cuo']。
不玩啦 |
 |
4
gladuo Jul 3, 2019
@yuikns 不过还有一些 badcase 还是蛮难的其实，比如 xianshi （西安市）是 xi'an'shi 还是 xian'shi ；或者 xuanzhuan （旋转）是 xuan'zhuan 还是 xu'an'zhuan ；以 声母 分隔，是硬边界，但是还有一些软边界是 韵母 分隔，简化的话。。。就是列个高频词表匹配一下，通用的话是不是还得整个 language model 什么的，没再仔细想了
|
Select Language