基于Python第三方插件实现西游记章节标注汉语拼音的方法
时间：2020-12-07 17:50:50 | 栏目：Python代码 | 点击：次
起因很单纯，就是给我1年级小豆包的女儿标注三国和西游章节的汉语拼音，我女儿每天都朗读 ，结果有很多字不认识，我爱人居然让我给标记不认识的完了手动注音......我勒个去......身为程序员的我怎么能忘记用程序实现呢，特别是咱也会点Python万能语言。哈哈！列举一下使用的技术。
语言：Python3.7
插件：pypinyin0.37.0 和 openpyxl 3.0.3
开发工具：pycharm 社区版
使用openpyxl操作execl的教程多的你无法想。
使用pypinyin将汉字转换成汉语拼音很简单，网络上API一大推。而且简单的不能再简单了，就一句话就实现了。分享点代码：
# 带声调的(默认)
def yinjie(word):
sentens = "".join(word.split())
print(sentens)
s = ''
# heteronym=True开启多音字
for i in pypinyin.pinyin(word, heteronym=False):
s = s + ''.join(i) + " "
return s
这个就足够汉字转拼音了，不过我要求数据结构就没使用这个方法。我把数据结构说一下。
三层二维数组（这个非常关键）：
第一层：单个汉字和汉语拼音构成。
['dì', '第'], ['yī', '一'], ['bǎi', '百'], ['huí', '回']
第二层：按照标题空格分词。
[['dì', '第'], ['yī', '一'], ['bǎi', '百'], ['huí', '回']], [['jìng', '径'], ['huí', '回'], ['dōng', '东'], ['tǔ', '土']], [['wǔ', '五'], ['shèng', '圣'], ['chéng', '成'], ['zhēn', '真']]
第三层：所有标题的集合。
就是第二层的合计，西游记就是100个章节标题集合。
最开始的成果物。这个不好对应也很难阅读。
我爱人给了我一个参考事例。如下图：
咱也不能示弱，咱也是程序员。咱也会万能的Python。
最开始的目标是将文字写入到word中，所以就用了Python-docx。汉语拼音长短不一这个很难对齐。想计算汉语拼音的长度进而计算汉字的位置......这个算法得多复杂，一个排版算法...我不是大神......
这个玩意其实和数学应用题一样，想到了其实一点也不难，就是弄个表格完了让汉语拼音和汉字居中不就得了。想到这个以后其实一点都不难了。使用Python-docx搞了好久有个问题就是竖版的word放不下汉字和汉语拼音。头疼啊。效果如下图：
唉！难道是思路不对。。。
不用Python-docx了。使用openpyxl来操作execl。第一次成果物。看起来还可以。
最终的成果物。
转成PDF的成果物：
继续鼓捣，最终搞定。。。一共花费了近6个小时，时间有点多。其实主要是数据结构和排版耽误时间，在有就是语法，作为Net出身而后转Java的人来说这个…&...就是并且的意思。然而在Python里面他不就是并且是and啊啊啊啊啊！因为这个我改了N多代码调试了好几次，唉深度无语。真是基础不牢地动山摇啊。别废话了上代码：
import pypinyin
from openpyxl import Workbook
from openpyxl.drawing.text import Font
from openpyxl.styles import Font, colors, Alignment
from pulgin.Tools import Tools
class HanZhiAddPinYin:
def __init__(self):
pass
def signWord(self,word):
pinyicontent = pypinyin.pinyin(word, heteronym=False)
word_pinyin = [pinyicontent[0][0], word]
return word_pinyin
def sentences(self,keyWords):
listsentense = []
for duanyu in keyWords.split():
print(duanyu)
duanyu_list = []
for word in duanyu:
duanyu_list.append(self.signWord(word))
listsentense.append(duanyu_list)
print(
listsentense
)
return listsentense
def articles(self,txt_file_path):
article = []
encoding = Tools.get_file_encoding(txt_file_path)
f = open(txt_file_path, "r", encoding=encoding, errors='ignore') # 返回一个文件对象
line = f.readline().strip() # 调用文件的 readline()方法
index = 1
while line:
article.append(self.sentences(line))
line = f.readline()
index = index + 1
f.close()
return article
def builder_execl(self,word_title, save_path, article):
"""
构建execl文件
:param word_title: sheet页面的名词
:param save_path: execl保存路径
:param article: 文章内容集合
:return:
"""
wb = Workbook()
ws = wb.active
ws.title = word_title
ws.sheet_properties.tabColor = "1072BA" # 设置背景
xl_sheet = wb.get_sheet_by_name(word_title)
execl_cell_width = 4.6
for sentences in article:
column_index = 1
# sentences 2行数据
# 获取行数
pinyin_row = xl_sheet.max_row + 1 # 拼音所在的行
hanzi_row = pinyin_row + 1 # 汉字所在的行
sentences_index = 0
for duanyu in sentences: # ['dì', '第'], ['yī', '一'], ['huí', '回']
for sign_word in duanyu: # ['dì', '第']
# region 设置样式
# 设置样式
execl_cell_font = Font(name='华文楷体', size=12, italic=False, color=colors.BLACK, bold=True)
execl_pinyin_row = xl_sheet.cell(row=pinyin_row, column=column_index)
execl_hanzi_row = xl_sheet.cell(row=hanzi_row, column=column_index)
execl_pinyin_row.alignment = Alignment(horizontal='center', vertical='center')
execl_hanzi_row.alignment = Alignment(horizontal='center', vertical='center')
execl_pinyin_row.font = execl_cell_font
execl_hanzi_row.font = execl_cell_font
xl_sheet.column_dimensions['A'].width = 3
xl_sheet.column_dimensions['B'].width = 3
xl_sheet.column_dimensions['C'].width = 3
xl_sheet.column_dimensions['D'].width = execl_cell_width
xl_sheet.column_dimensions['E'].width = execl_cell_width
xl_sheet.column_dimensions['F'].width = execl_cell_width
xl_sheet.column_dimensions['H'].width = execl_cell_width
xl_sheet.column_dimensions['I'].width = execl_cell_width
xl_sheet.column_dimensions['G'].width = execl_cell_width
xl_sheet.column_dimensions['J'].width = execl_cell_width
xl_sheet.column_dimensions['K'].width = execl_cell_width
xl_sheet.column_dimensions['L'].width = execl_cell_width
xl_sheet.column_dimensions['M'].width = execl_cell_width
xl_sheet.column_dimensions['N'].width = execl_cell_width
xl_sheet.column_dimensions['O'].width = execl_cell_width
xl_sheet.column_dimensions['P'].width = execl_cell_width
xl_sheet.column_dimensions['Q'].width = execl_cell_width
xl_sheet.column_dimensions['R'].width = execl_cell_width
xl_sheet.column_dimensions['S'].width = execl_cell_width
xl_sheet.column_dimensions['T'].width = execl_cell_width
xl_sheet.column_dimensions['U'].width = execl_cell_width
xl_sheet.column_dimensions['V'].width = execl_cell_width
xl_sheet.column_dimensions['W'].width = execl_cell_width
# endregion
xl_sheet.cell(row=pinyin_row, column=column_index, value=sign_word[0])
xl_sheet.cell(row=hanzi_row, column=column_index, value=sign_word[1]) # 0 第一百回 1 径回东土 2 五圣成真
# print(sentences_index)
# print(len(duanyu) + len(sentences[0]))
# print(column_index)
if sentences_index == 1 and len(duanyu) + len(sentences[0]) == column_index:#坑人的and
xl_sheet.cell(row=pinyin_row, column=column_index + 1, value="，")
xl_sheet.cell(row=hanzi_row, column=column_index + 1, value="，")
column_index = column_index + 1 # 遇到断句多增加一列向后
column_index = column_index + 1 # 列向后
sentences_index = sentences_index + 1 # 三个短语计数器
wb.save(save_path)
总结