抖音配樂--生僻字
首次聽到生僻字就是從抖音了，隨著生僻字配樂使用的人越來越多，很多人翻唱、模仿甚至有講解成語出處和寓意的段子，可謂百家爭鳴。
但，有一類視頻很不討喜，就是把歌詞用諧音字代替，好讓人一眼認識。
如果是那些哈韓哈日的朋友們，想唱歌但又沒有語言基礎(chǔ)，那你配上諧音的字沒毛病。可歌詞中的成語和漢子就是老祖宗傳下來的文化，你卻用諧音字去讓自己容易辨識，不覺得臉紅嗎？
如果不認識，你可以查字典，找度娘，然后標注上拼音??！即娛樂又長知識了。
當然有人覺得這樣一個一個的查太麻煩，那是因為----你不會Python啊！
今天，我就來教教你們，怎么把文本內(nèi)容自動標注拼音。
Python的拼音模塊
Python的模塊庫API，每次進去習慣第一動作，就是右鍵翻譯為中文。（好羞愧，個人太愛國了，所以一直排斥學英語，好不要臉的借口...）可Python的拼音模塊不需要這么做，因為涉及拼音等模塊肯定和中文有關(guān)系，文檔自然是中文的嘍。
那么Python的拼音模塊是什么？ pypinyin
- 特性
- 根據(jù)詞組智能匹配最正確的拼音。
- 支持多音字。
- 簡單的繁體支持, 注音支持。
- 支持多種不同拼音/注音風格。
- 安裝
pip install pypinyin - 使用示例
>>> from pypinyin import pinyin, lazy_pinyin, Style
>>> pinyin('中心')
[['zhōng'], ['xīn']]
>>> pinyin('中心', heteronym=True) # 啟用多音字模式
[['zhōng', 'zhòng'], ['xīn']]
>>> pinyin('中心', style=Style.FIRST_LETTER) # 設(shè)置拼音風格
[['z'], ['x']]
>>> pinyin('中心', style=Style.TONE2, heteronym=True)
[['zho1ng', 'zho4ng'], ['xi1n']]
>>> pinyin('中心', style=Style.BOPOMOFO) # 注音風格
[['ㄓㄨㄥ'], ['ㄒㄧㄣ']]
>>> pinyin('中心', style=Style.CYRILLIC) # 俄語字母風格
[['чжун1'], ['синь1']]
>>> lazy_pinyin('中心') # 不考慮多音字的情況
['zhong', 'xin']
# Python 3(Python 2 下把 '中心' 替換為 u'中心' 即可):
實現(xiàn)分析
起初想著，既然有了這個強大的拼音模塊，那么文本批量添加拼音，豈不是分分鐘的事情了嗎？然后，打臉接踵而來！
首先，要實現(xiàn)文字上一一對應的標注拼音，每個字與拼音的長度肯定不同，沒辦法對其。如果要對其，就得將文字進行拆分，字與字之間添加間距。有人說簡單啊，每個字的拼音最多不過6為，那我們使用列表解析式[i.just(6) for i in line]不就完了？
聽起來沒毛病，但是...
- 歌詞也有語氣詞啊，這句Wu 又雙叒叕你直接按照字符串拆開成了什么鬼？
- 一個中文在文本中占兩個字符的長度，如果對齊的話，還需要識別中文和英文字符！
- 有效字符的辨識，Wu被認為是是個有效字段，模塊會對其進行合并
pinyin('Wu 又雙叒叕') -->[['Wu '], ['yòu'], ['shuāng'], ['ruò'], ['zhuó']]
中文識別
本來考慮使用正則去判斷中文的，因為網(wǎng)上查到正則的匹配中文是[\u4e00-\u9fa5],簡單測試了下，貌似沒毛病
然后...代碼都快寫完了發(fā)現(xiàn)有些生僻字不再這個范圍內(nèi)，我擦！
'\u4e00'<='生'<='\u9fa5'
True
'\u4e00'<='僻'<='\u9fa5'
True
'\u4e00'<='字'<='\u9fa5'
True
'\u4e00'<='?'<='\u9fa5'
False
生僻字果然沒那么好處理，但我這么追求完美的處女座大叔，怎么能容忍特例的出現(xiàn)呢？
解決辦法
針對正則匹配問題，深入去研究，就脫離了學Python的初衷，即便解決了也收獲甚微，不如換個思路。
utf-8字符編碼下，一個中文字符占3個字節(jié)，但是字符的長度僅為1，那么解析中文的方式是否可以變通為：
len(bytes(str,'utf-8) == 3 and len(string) == 1)
關(guān)于文本書寫，我們判斷中文后，如果是漢字str.ljust(5),否則str.ljust(6)不就行了(因為一個漢字占兩個字符長度)。
代碼實現(xiàn)
# -*- coding: utf-8 -*-
# @Author : 王翔
# @JianShu : 清風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)
# 行內(nèi)容轉(zhuǎn)拼音
_pinyin = ''.join(map(lambda x: x[0].ljust(6), pinyin(_new_line)))
# 根據(jù)中英文,將行內(nèi)容進行字符與漢字的拆分
_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()
看看最后的實現(xiàn)效果吧，是不是格式很工整！
錄屏軟件為LICEcap
它是一款屏幕錄制工具，支持導出 GIF 動畫圖片格式，輕量級、使用簡單，錄制過程中可以隨意改變錄屏范圍。
好了，今天的內(nèi)容就到這里，希望大家喜歡，如果覺得文章有用，記得關(guān)注支持我啊。
?本文由簡書作者：清風Python 原創(chuàng) 如需轉(zhuǎn)載請注明
歡迎大家關(guān)注我的公眾號 清風Python
