ISEE小语
本次实例是四个处理文本的三方库，好用又实际，简单又方便。建议记着备用！
环境：
Pycharm
Python 3.9.16
pypinyin
pypinyin是一个Python三方库，用于将中文汉字转换为拼音。支持多种拼音风格，包括有声调的拼音、去声调、带声调的数字标记等。
我们来举实例了解一下，如下：
安装：
pip install pypinyin==0.50.0导入：
from pypinyin import pinyin, Stylea、拼音是带声调的数字标记
使用pypinyin库的Style.TONE2样式，数字1、2、3、4分别代表声调的一声、二声、三声、四声。
text = "随风潜入夜，润物细无声"pinyin_with_tones_num = ' '.join([''.join(item) for item in pinyin(text, style=Style.TONE2)])print(f"拼音（带声调的数字标记）: {pinyin_with_tones_num}")
（左右滑动查看完整代码）
结果：
b、拼音上面带声调
将声调放在每个拼音的字母上方，需要使用pypinyin库的Style.TONE样式，如下：
text = "随风潜入夜，润物细无声"pinyin_with_tones = ' '.join([''.join(item) for item in pinyin(text, style=Style.TONE)])print(f"拼音（拼音上面带声调）: {pinyin_with_tones}")
（左右滑动查看完整代码）
结果：
c、汉字+拼音组合显示
text = "随风潜入夜，润物细无声"pinyin_list = pinyin(text, style=Style.TONE)text_pinyin_tones = ' '.join(f"{char}({tone})" for char, tone in zip(text, [''.join(item) for item in pinyin_list])).replace("(，)", "")print(f"汉字+拼音: {text_pinyin_tones}")
（左右滑动查看完整代码）
结果：
opencc
opencc-python-reimplemented是OpenCC(Open Chinese Convert) 的 Python 实现，这是一个转换简体中文与繁体中文的工具。它是 OpenCC 的纯 Python 实现，这意味着你不需要安装 OpenCC 原生程序就可以在 Python 环境中使用它进行文本转换。
安装：
pip install opencc-python-reimplemented==0.1.7导入：
from opencc import OpenCCa、简体转换成繁体字
转换成繁体字使用OpenCC('s2t')
# 简体text = "随风潜入夜，润物细无声"# 转换成繁体字def convert_to_traditional(chinese_text):cc = OpenCC('s2t')return cc.convert(chinese_text)# 执行函数并输出结果traditional_result = convert_to_traditional(text)print(f"繁体字: {traditional_result}")
（左右滑动查看完整代码）
结果：
b、繁体转换成简体字
转换成简体字使用OpenCC('t2s')
# 繁体text_ = "隨風潛入夜，潤物細無聲"# 转换成简体字def convert_to_simplified(chinese_text):cc = OpenCC('t2s')return cc.convert(chinese_text)# 执行函数并输出结果simplified_result = convert_to_simplified(text_)print(f"简体字: {simplified_result}")
（左右滑动查看完整代码）
结果：
c、其他转换模式
除了 s2t 和 t2s 外，还有其他的参数：
s2t - 简体中文到繁体中文t2s - 繁体中文到简体中文s2tw - 简体中文到台湾正体tw2s - 台湾正体到简体中文s2hk - 简体中文到香港繁体hk2s - 香港繁体到简体中文t2tw - 繁体中文到台湾正体t2hk - 繁体中文到香港繁体
cn2an
cn2an 是一个用于将中文数字转换为阿拉伯数字（an，Arabic Numerals）及其逆转换的库。这个库提供了简单易用的API来执行中文数字与阿拉伯数字之间的转换。
安装：pip install cn2an==0.5.22
导入：
import cn2ana、中文数字转换为阿拉伯数字
# 中文数字转换为阿拉伯数字text = "一百二十三点四"result_an = cn2an.cn2an(text)print(f"'{text}' 转换的结果是：{result_an}")
（左右滑动查看完整代码）
结果：
b、阿拉伯数字转换为中文数字
# 阿拉伯数字转换为中文数字nums = 123.4result_cn = cn2an.an2cn(nums)print(f"'{nums}' 转换的结果是：{result_cn}")
（左右滑动查看完整代码）
结果：
zhon
zhon 是一个Python三方库，专门为处理中文文本设计。它提供了一组用于中文文本处理的资源，如中文字符、标点、汉字等。zhon 库非常有用，尤其是在需要识别或处理中文特定元素时，例如在中文文本分词、清洗数据以及文本分析等任务中。
安装：pip install zhon==2.0.2
导入：
from zhon import hanzia、筛选出中文标点
将一段文本中的所有中文标点筛选出来
text = "您好，是扶摇的鹰、是潜游的鱼；是白雪皑皑、是山川河流。还是什么？"punctuation_pattern = '[{}]'.format(hanzi.punctuation)chinese_punctuation = re.findall(punctuation_pattern, text)# 打印出所有的中文标点符号print("文本中的中文标点符号有：", chinese_punctuation)
（左右滑动查看完整代码）
结果：
b、将中文标点替换为英文标点
将一段文本中的所有中文标点，对应的替换为英文标点。
首先，需要做一个中英文标点符号映射表：
# 中英文标点符号的映射表punctuation_mapping = {'，': ',','。': '.','：': ':','；': ';','！': '!','？': '?','“': '"','”': '"','‘': "'",'’': "'",'（': '(','）': ')','【': '[','】': ']','—': '-','……': '...','、': ','}
（左右滑动查看完整代码）
然后再添加一个替换函数来处理文本：
# 替换函数def replace_punctuation(match):return punctuation_mapping.get(match.group(0), '')# 使用正则表达式和替换函数来转换标点符号text_with_english_punctuation = re.sub(f'[{hanzi.punctuation}]', replace_punctuation, text)print(text_with_english_punctuation)
（左右滑动查看完整代码）
结果：
c、判断中文字符
判断指定的字、词或成语是否为中文字符
text = '白雪皑皑'if re.match('^[{}]+$'.format(hanzi.characters), text):print('字符串 "{}" 仅包含中文字符'.format(text))else:print('字符串 "{}" 包含非中文字符'.format(text))
（左右滑动查看完整代码）
结果：
接下来再看一个对比一下，一目了然。
text = '白雪皑皑！'if re.match('^[{}]+$'.format(hanzi.characters), text):print('字符串 "{}" 仅包含中文字符'.format(text))else:print('字符串 "{}" 包含非中文字符'.format(text))
（左右滑动查看完整代码）
结果：
总结
最近实际项目中文本处理的涉及到的三方库，取4个相当好用的记录分享，不常见，却很好用。实现方式不是唯一的，找到适合的才是最佳的。
以上记录如有兴趣，请自行查阅官方资料并深入研究，功能都很强大。
寄语：世间三美，明月，清风，眼前……
看到这儿的朋友帮点个“赞”和“在看”，谢谢支持~！
文章就分享到这儿，喜欢就点个赞吧!
