• 请不要在回答技术问题时复制粘贴 AI 生成的内容
YUCOAT
V2EX  ›  程序员

如何获取一个句子的拼音

  •  
  •   YUCOAT · Aug 23, 2013 · 5472 views
    This topic created in 4820 days ago, the information mentioned may be changed or developed.
    情况是这样的:

    这里有一个大小约0.5个G的一个纯文本文件。
    该纯文本文件每一行保存的都是一句话,并且该文件中无重复的话。一句话内部只有简体汉字,无标点符号、无空格、无英文、无繁体字等等


    现在我需要为这个文件里面每一句话弄一行拼音,并且将拼音存入另外一个文件中,行号一一对应,请问我该怎么做?

    拼音是全拼,且无声调,无空格,需要考虑多音字。

    比如:zheyihangdiquebuxing(这一行的确不行)
    10 replies  •  1970-01-01 08:00:00 +08:00
    levon
    levon
    Aug 23, 2013
    1
    http://www.microsoft.com/zh-cn/download/details.aspx?id=18970
    这有一个,是.net的类库

    汉字有很多多音字,要完全准确感觉挺难
    qdvictory
    qdvictory
    Aug 23, 2013
    2
    通常都是扒一码表,然后跑一下

    https://gist.github.com/qdvictory/6315510
    qdvictory
    qdvictory
    Aug 23, 2013
    3
    汗,我理解错了,sorry- -
    leiz
    leiz
    Aug 23, 2013
    5
    python有中文文字转拼音的库,不过效率不清楚
    200
    200
    Aug 23, 2013
    6
    要做准确的话 就要分词 不然多音字会有问题
    felix021
    felix021
    Aug 23, 2013
    7
    顶@200 。汉字转拼音的数据和代码很多,但是搞不定多音字,前面的那些回答都没啥用。要解决多音字,必须从语义层面入手。分词是一个比较好的方法,但是最终的实现还是需要一个"词语->拼音"的数据库,这个貌似不太好找。
    wuxqing
    wuxqing
    Aug 23, 2013
    8
    @felix021 对,关键是“词语->拼音”的数据库
    kittenll
    kittenll
    Aug 23, 2013❤️1
    9
    利用自然语言统计模型处理,可以很好的处理多音字的问题。比如HMM(隐马尔土科夫模型)。如果计算资源足够的话,可以使用n>2,不然使用n=2就可以了。
    YUCOAT
    YUCOAT
    OP
    Aug 23, 2013
    10
    @kittenll 你提出的想法是最有用的。
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   4301 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 47ms · UTC 04:03 · PVG 12:03 · LAX 20:03 · JFK 23:03
    ♥ Do have faith in what you're doing.