162 lines
4.3 KiB
Python
162 lines
4.3 KiB
Python
#!/usr/bin/env python
|
||
# -*- coding: utf-8 -*-
|
||
"""
|
||
处理汉语拼音方案中的一些特殊情况
|
||
|
||
|
||
汉语拼音方案:
|
||
|
||
* https://zh.wiktionary.org/wiki/%E9%99%84%E5%BD%95:%E6%B1%89%E8%AF%AD%E6%8B%BC%E9%9F%B3%E6%96%B9%E6%A1%88
|
||
* http://www.moe.edu.cn/s78/A19/yxs_left/moe_810/s230/195802/t19580201_186000.html
|
||
""" # noqa
|
||
from __future__ import unicode_literals
|
||
|
||
import re
|
||
|
||
from pypinyin.style._constants import _FINALS
|
||
|
||
# u -> ü
|
||
UV_MAP = {
|
||
'u': 'ü',
|
||
'ū': 'ǖ',
|
||
'ú': 'ǘ',
|
||
'ǔ': 'ǚ',
|
||
'ù': 'ǜ',
|
||
}
|
||
U_TONES = set(UV_MAP.keys())
|
||
# ü行的韵跟声母j，q，x拼的时候，写成ju(居)，qu(区)，xu(虚)
|
||
UV_RE = re.compile(
|
||
r'^(j|q|x)({tones})(.*)$'.format(
|
||
tones='|'.join(UV_MAP.keys())))
|
||
I_TONES = set(['i', 'ī', 'í', 'ǐ', 'ì'])
|
||
|
||
# iu -> iou
|
||
IU_MAP = {
|
||
'iu': 'iou',
|
||
'iū': 'ioū',
|
||
'iú': 'ioú',
|
||
'iǔ': 'ioǔ',
|
||
'iù': 'ioù',
|
||
}
|
||
IU_TONES = set(IU_MAP.keys())
|
||
IU_RE = re.compile(r'^([a-z]+)({tones})$'.format(tones='|'.join(IU_TONES)))
|
||
|
||
# ui -> uei
|
||
UI_MAP = {
|
||
'ui': 'uei',
|
||
'uī': 'ueī',
|
||
'uí': 'ueí',
|
||
'uǐ': 'ueǐ',
|
||
'uì': 'ueì',
|
||
}
|
||
UI_TONES = set(UI_MAP.keys())
|
||
UI_RE = re.compile(r'([a-z]+)({tones})$'.format(tones='|'.join(UI_TONES)))
|
||
|
||
# un -> uen
|
||
UN_MAP = {
|
||
'un': 'uen',
|
||
'ūn': 'ūen',
|
||
'ún': 'úen',
|
||
'ǔn': 'ǔen',
|
||
'ùn': 'ùen',
|
||
}
|
||
UN_TONES = set(UN_MAP.keys())
|
||
UN_RE = re.compile(r'([a-z]+)({tones})$'.format(tones='|'.join(UN_TONES)))
|
||
|
||
|
||
def convert_zero_consonant(pinyin):
|
||
"""零声母转换，还原原始的韵母
|
||
|
||
i行的韵母，前面没有声母的时候，写成yi(衣)，ya(呀)，ye(耶)，yao(腰)，
|
||
you(忧)，yan(烟)，yin(因)，yang(央)，ying(英)，yong(雍)。
|
||
|
||
u行的韵母，前面没有声母的时候，写成wu(乌)，wa(蛙)，wo(窝)，wai(歪)，
|
||
wei(威)，wan(弯)，wen(温)，wang(汪)，weng(翁)。
|
||
|
||
ü行的韵母，前面没有声母的时候，写成yu(迂)，yue(约)，yuan(冤)，
|
||
yun(晕)；ü上两点省略。
|
||
"""
|
||
raw_pinyin = pinyin
|
||
# y: yu -> v, yi -> i, y -> i
|
||
if raw_pinyin.startswith('y'):
|
||
# 去除 y 后的拼音
|
||
no_y_py = pinyin[1:]
|
||
first_char = no_y_py[0] if len(no_y_py) > 0 else None
|
||
|
||
# yu -> ü: yue -> üe
|
||
if first_char in U_TONES:
|
||
pinyin = UV_MAP[first_char] + pinyin[2:]
|
||
# yi -> i: yi -> i
|
||
elif first_char in I_TONES:
|
||
pinyin = no_y_py
|
||
# y -> i: ya -> ia
|
||
else:
|
||
pinyin = 'i' + no_y_py
|
||
|
||
# w: wu -> u, w -> u
|
||
if raw_pinyin.startswith('w'):
|
||
# 去除 w 后的拼音
|
||
no_w_py = pinyin[1:]
|
||
first_char = no_w_py[0] if len(no_w_py) > 0 else None
|
||
|
||
# wu -> u: wu -> u
|
||
if first_char in U_TONES:
|
||
pinyin = pinyin[1:]
|
||
# w -> u: wa -> ua
|
||
else:
|
||
pinyin = 'u' + pinyin[1:]
|
||
|
||
# 确保不会出现韵母表中不存在的韵母
|
||
if pinyin not in _FINALS:
|
||
return raw_pinyin
|
||
|
||
return pinyin
|
||
|
||
|
||
def convert_uv(pinyin):
|
||
"""ü 转换，还原原始的韵母
|
||
|
||
ü行的韵跟声母j，q，x拼的时候，写成ju(居)，qu(区)，xu(虚)，
|
||
ü上两点也省略；但是跟声母n，l拼的时候，仍然写成nü(女)，lü(吕)。
|
||
"""
|
||
return UV_RE.sub(
|
||
lambda m: ''.join((m.group(1), UV_MAP[m.group(2)], m.group(3))),
|
||
pinyin)
|
||
|
||
|
||
def convert_iou(pinyin):
|
||
"""iou 转换，还原原始的韵母
|
||
|
||
iou，uei，uen前面加声母的时候，写成iu，ui，un。
|
||
例如niu(牛)，gui(归)，lun(论)。
|
||
"""
|
||
return IU_RE.sub(lambda m: m.group(1) + IU_MAP[m.group(2)], pinyin)
|
||
|
||
|
||
def convert_uei(pinyin):
|
||
"""uei 转换，还原原始的韵母
|
||
|
||
iou，uei，uen前面加声母的时候，写成iu，ui，un。
|
||
例如niu(牛)，gui(归)，lun(论)。
|
||
"""
|
||
return UI_RE.sub(lambda m: m.group(1) + UI_MAP[m.group(2)], pinyin)
|
||
|
||
|
||
def convert_uen(pinyin):
|
||
"""uen 转换，还原原始的韵母
|
||
|
||
iou，uei，uen前面加声母的时候，写成iu，ui，un。
|
||
例如niu(牛)，gui(归)，lun(论)。
|
||
"""
|
||
return UN_RE.sub(lambda m: m.group(1) + UN_MAP[m.group(2)], pinyin)
|
||
|
||
|
||
def convert_finals(pinyin):
|
||
"""还原原始的韵母"""
|
||
pinyin = convert_zero_consonant(pinyin)
|
||
pinyin = convert_uv(pinyin)
|
||
pinyin = convert_iou(pinyin)
|
||
pinyin = convert_uei(pinyin)
|
||
pinyin = convert_uen(pinyin)
|
||
return pinyin
|