汉语转拼音工具、新华字典API—两个支持Python的中文资源
整理 | Jane
出品 | AI科技大本营
【导读】平常为大家推荐的资源中，以英语语言占据大多数。今天 AI科技大本营特别要为大家推荐两个跟中文相关的资源工具。先简单介绍下这两个资源工具都是什么。第一个，汉字转拼音的工具——即将中文字符转换成它的拼音。除了支持 JavaScript，还可以支持 Python、Go、Rust 等多种语言。可以说是非常 nice 的一个中文资源工具了。第二个是新华字典的 API，收录包括 14032 条歇后语，16142 个汉字，264434 个词语，31648 个成语。有需要的同学可以收藏留着用，觉得不错记得分享点赞。
汉字转拼音工具
▌功能
将中文字符转换为拼音。可用于汉字注音、排序、检索任务。
▌特性
根据词组智能匹配最正确的拼音。
支持多音字。
简单的繁体支持, 注音支持。
支持多种不同拼音/注音风格。
▌支持版本
1.Node.js/JavaScript 版
注：这个版本同时支持在 Node 和 Web 浏览器环境运行；
作者：hotoo；来源：GitHub
https://github.com/hotoo/pinyin
2.Python 版
作者：mozillazg；来源：GitHub
https://github.com/mozillazg/python-pinyin
3.Go 版
作者：mozillazg；来源：GitHub
https://github.com/mozillazg/go-pinyin
4.Rust 版
作者：mozillazg；来源：GitHub
https://github.com/mozillazg/rust-pinyin
▌一些注意事项
1.为什么没有 y, w, yu 几个声母？
1>>>frompypinyinimportStyle,pinyin
2>>>pinyin('下雨天',style=Style.INITIALS)
3[['x'],[''],['t']]
因为根据《汉语拼音方案》， y，w，ü (yu) 都不是声母。
声母风格（INITIALS）下，“雨”、“我”、“圆”等汉字返回空字符串，因为根据《汉语拼音方案》， y，w，ü (yu) 都不是声母，在某些特定韵母无声母时，才加上 y 或 w，而 ü 也有其特定规则。 —— @hotoo
如果你觉得这个给你带来了麻烦，那么也请小心一些无声母的汉字（如“啊”、“饿”、“按”、“昂”等）。 这时候你也许需要的是首字母风格（FIRST_LETTER）。 —— @hotoo
参考:
hotoo/pinyin#57,#22,#27,#44
如果觉得这个行为不是你想要的，就是想把 y 当成声母的话，可以指定strict=False， 这个可能会符合你的预期，详见strict 参数的影响
1>>>frompypinyinimportStyle,pinyin
2>>>pinyin('下雨天',style=Style.INITIALS)
3[['x'],[''],['t']]
4>>>pinyin('下雨天',style=Style.INITIALS,strict=False)
5[['x'],['y'],['t']]
2.拼音数据
单个汉字的拼音使用pinyin-data的数据
词组的拼音使用phrase-pinyin-data的数据
3.node 版和 web 版有什么异同？
pinyin目前可以同时运行在 Node 服务器端和 Web 浏览器端。 API 和使用方式完成一致。但 Web 版较 Node 版稍简单，拼音库只有常用字部分，没有使用分词算法， 并且考虑了网络传输对词库进行了压缩处理。
由于分词和繁体中文的特性，部分情况下的结果也不尽相同。由于这些区别，测试不同运行环境的用例也不尽相同。
特性
Web 版
Node 版
拼音库
常用字库。压缩、合并
完整字库。不压缩、合并
分词
没有分词
使用分词算法，多音字拼音更准确。
拼音频度排序
有根据拼音使用频度优先级排序。
同 Web 版。
繁体中文
没有繁体中文支持。
有简单的繁简汉字转换。
更多详细安装与使用教程可访问 GitHub 链接进行访问~
各版本 GitHub 地址：
https://github.com/hotoo/pinyin
https://github.com/mozillazg/python-pinyin
https://github.com/mozillazg/go-pinyin
https://github.com/mozillazg/rust-pinyin
新华字典 API
▌介绍
作者本来的目的是想可以实现成语接龙，苦于没有现成可用的数据库，自己就从各个网站抓取整理了一份。所有的数据都作者从网上找的。放在 Github 是为了方便自己的使用，同时也能方便有类似需求的人不用去做这些 trival 的工作。所有抓取数据的脚本都在仓库里。
中华新华字典数据库和 API 。收录包括 14032 条歇后语，16142 个汉字，264434 个词语，31648 个成语。所有的数据放在 data/ 目录。
▌数据库与 API 介绍
1.成语（idiom.json)
2.词语（ci.json）
3.汉字（word.json)
4.歇后语（xiehouyu.json)
使用可访问 GitHub 地址：
https://github.com/pwxcoo/chinese-xinhua