汉字转拼音
HanLP中的汉字转拼音功能也十分的强大。
说明 ：
l HanLP不仅支持基础的汉字转拼音，还支持声母、韵母、音调、音标和输入法首字母首声母功能。
l HanLP能够识别多音字，也能给繁体中文注拼音。
l 最重要的是， HanLP采用的模式匹配升级到AhoCorasickDoubleArrayTrie，性能大幅提升，能够提供毫秒级的响应速度！
算法详解 ：
l 《汉字转拼音与简繁转换的 Java实现》
1. # 汉字转拼音
2. Pinyin = JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
3. text = "重载不是重任！"
4. pinyin_list = HanLP.convertToPinyinList(text)
5. print("原文，", end=" ")
6. print(text)
7. print("拼音（数字音调），", end=" ")
8. print(pinyin_list)
9. print("拼音（符号音调），", end=" ")
10. for pinyin in pinyin_list:
11. print("%s," % pinyin.getPinyinWithToneMark(), end=" ")
12. print("\n拼音（无音调），", end=" ")
13. for pinyin in pinyin_list:
14. print("%s," % pinyin.getPinyinWithoutTone(), end=" ")
15. print("\n声调，", end=" ")
16. for pinyin in pinyin_list:
17. print("%s," % pinyin.getTone(), end=" ")
18. print("\n声母，", end=" ")
19. for pinyin in pinyin_list:
20. print("%s," % pinyin.getShengmu(), end=" ")
21. print("\n韵母，", end=" ")
22. for pinyin in pinyin_list:
23. print("%s," % pinyin.getYunmu(), end=" ")
24. print("\n输入法头，", end=" ")
25. for pinyin in pinyin_list:
26. print("%s," % pinyin.getHead(), end=" ")
27. print()
28. # 拼音转换可选保留无拼音的原字符
29. print(HanLP.convertToPinyinString("截至2012年，", " ", True))
30. print(HanLP.convertToPinyinString("截至2012年，", " ", False))
1. 原文， 重载不是重任！
2. 拼音（数字音调）， [chong2, zai3, bu2, shi4, zhong4, ren4, none5]
3. 拼音（符号音调）， chóng, zǎi, bú, shì, zhòng, rèn, none,
4. 拼音（无音调）， chong, zai, bu, shi, zhong, ren, none,
5. 声调， 2, 3, 2, 4, 4, 4, 5,
6. 声母， ch, z, b, sh, zh, r, none,
7. 韵母， ong, ai, u, i, ong, en, none,
8. 输入法头， ch, z, b, sh, zh, r, none,
9. jie zhi none none none none nian none
10. jie zhi 2 0 1 2 nian ，
拼音转中文
HanLP中的数据结构和接口是灵活的，组合这些接口，可以自己创造新功能，我们可以使用AhoCorasickDoubleArrayTrie实现的最长分词器，需要用户调用setTrie()提供一个AhoCorasickDoubleArrayTrie
1. StringDictionary = JClass(
2. "com.hankcs.hanlp.corpus.dictionary.StringDictionary")
3. CommonAhoCorasickDoubleArrayTrieSegment = JClass(
4. "com.hankcs.hanlp.seg.Other.CommonAhoCorasickDoubleArrayTrieSegment")
5. Config = JClass("com.hankcs.hanlp.HanLP$Config")
6.
7. TreeMap = JClass("java.util.TreeMap")
8. TreeSet = JClass("java.util.TreeSet")
9.
10. dictionary = StringDictionary()
11. dictionary.load(Config.PinyinDictionaryPath)
12. entry = {}
13. m_map = TreeMap()
14. for entry in dictionary.entrySet():
15. pinyins = entry.getValue().replace("[\\d,]", "")
16. words = m_map.get(pinyins)
17. if words is None:
18. words = TreeSet()
19. m_map.put(pinyins, words)
20. words.add(entry.getKey())
21. words = TreeSet()
22. words.add("绿色")
23. words.add("滤色")
24. m_map.put("lvse", words)
25.
26. segment = CommonAhoCorasickDoubleArrayTrieSegment(m_map)
27. print(segment.segment("renmenrenweiyalujiangbujianlvse"))
28. print(segment.segment("lvsehaihaodajiadongxidayinji"))
1. [renmenrenweiyalujiangbujian/null, lvse/[滤色, 绿色]]
2. [lvse/[滤色, 绿色], haihaodajiadongxidayinji/null]
字符正则化
演示正规化字符配置项的效果（繁体 ->简体，全角->半角，大写->小写）。
该配置项位于 hanlp.properties中，通过Normalization=true来开启（现在直接通过HanLP.Config.Normalization开启即可）。
切换配置后必须删除 CustomDictionary.txt.bin缓存，否则只影响动态插入的新词。
在我动笔前一个星期，已经有同学添加了，添加自定义词典之后，自动删除缓存的功能。地址请 参阅 github.com/hankcs/HanLP/pull/954，现在只需要开启正则化即可
1. CustomDictionary =JClass("com.hankcs.hanlp.dictionary.CustomDictionary")
2. print("HanLP.Config.Normalization = False\n")
3. HanLP.Config.Normalization = False
4. CustomDictionary.insert("爱听4G", "nz 1000")
5. print(HanLP.segment("爱听4g"))
6. print(HanLP.segment("爱听4G"))
7. print(HanLP.segment("爱听４G"))
8. print(HanLP.segment("爱听４Ｇ"))
9. print(HanLP.segment("愛聽４Ｇ"))
10.
11. print(HanLP.segment("喜欢４Ｇ"))
12. print(HanLP.segment("hankcs在臺灣寫代碼"))
13.
14. print("\nHanLP.Config.Normalization = True\n")
15. HanLP.Config.Normalization = True
16. print(HanLP.segment("爱听4g"))
17. print(HanLP.segment("爱听4G"))
18. print(HanLP.segment("爱听４G"))
19. print(HanLP.segment("爱听４Ｇ"))
20. print(HanLP.segment("愛聽４Ｇ"))
21.
22. print(HanLP.segment("喜欢４Ｇ"))
23. print(HanLP.segment("hankcs在臺灣寫代碼"))
24.
25. HanLP.Config.ShowTermNature = False
27. text = HanLP.s2tw("现在的HanLP已经添加了添加自定义词典之后，自动删除缓存的功能,现在只需要开启正则化即可")
28. print(text)
29. print(HanLP.segment(text))
30. HanLP.Config.ShowTermNature = False
1. HanLP.Config.Normalization = False
2.
3. [爱听4g]
4. [爱听4G]
5. [爱, 听, ４, G]
6. [爱, 听, ４, Ｇ]
7. [愛, 聽, ４, Ｇ]
8. [喜欢, ４, Ｇ]
9. [hankcs, 在, 臺, 灣寫, 代, 碼]
10.
11. HanLP.Config.Normalization = True
12.
13. [爱听4g]
14. [爱听4g]
15. [爱听4g]
16. [爱听4g]
17. [爱听4g]
18. [喜欢, 4, g]
19. [hankcs, 在, 台湾, 写, 代码]
20. 現在的 HanLP已經新增了新增自定義詞典之後，自動刪除快取的功能,現在只需要開啟正則化即可
21. [现在, 的, hanlp, 已经, 新增, 了, 新增, 自定义, 词典, 之后, ,, 自动, 删除, 快, 取, 的
---------------------