最近做一个项目，发现很多场景，把汉字转换成拼音，然后进行深度学习分类，能够取得非常不错的效果，在做内容识别，特别是涉及到同音字的时候，转换成拼音就显得特别重要。比如垃圾广告识别：公众号、工仲号、躬总号，公众號、微信、威信、维伈.........，pypinyin是我用的一个比较好用的包是
给大家分享下，当然，在其他很多场景也是可以使用的，排序、检索等等场合。
二、有关文档GitHub:https://github.com/mozillazg/python-pinyin
文档：https://pypinyin.readthedocs.io/zh_CN/master/
PyPi：https://pypi.org/project/pypinyin/
三、关于安装#可以使用pip进行安装pipinstallpypinyin#easy_install安装easy_installpypinyin#源码安装pythonsetup.pyinstall四、核心函数1、pypinyin.pinyin语法：pypinyin.pinyin(hans,style=Style.TONE,heteronym=False,errors='default',strict=True)
功能：将汉字转换为拼音，返回汉字的拼音列表。
参数：
hans(unicode字符串或字符串列表)–汉字字符串('你好吗')或列表(['你好','吗']).可以使用自己喜爱的分词模块对字符串进行分词处理,只需将经过分词处理的字符串列表传进来就可以了。
style–指定拼音风格，默认是TONE风格。更多拼音风格详见Style
errors–指定如何处理没有拼音的字符。详见处理不包含拼音的字符
heteronym–是否启用多音字
strict–是否严格遵照《汉语拼音方案》来处理声母和韵母，详见strict参数的影响
frompypinyinimportpinyin,Styleimportpypinyin#普通模式pinyin('中心')[['zhōng'],['xīn']]pinyin('公众号')[['gōng'],['zhòng'],['hào']]#启用多音字模式pinyin('中心',heteronym=True)[['zhōng','zhòng'],['xīn']]#设置拼音风格pinyin('中心',style=Style.NORMAL)#普通风格[['zhong'],['xin']]pinyin('中心',style=Style.FIRST_LETTER)[['z'],['x']]pinyin('中心',style=Style.TONE2)[['zho1ng'],['xi1n']]pinyin('中心',style=Style.TONE3)[['zhong1'],['xin1']]pinyin('中心',style=Style.CYRILLIC)#汉语拼音与俄语字母对照风格[['чжун1'],['синь1']]2、pypinyin.lazy_pinyin语法：pypinyin.lazy_pinyin(hans,style=Style,errors='default',strict=True)
功能：将汉字转换为拼音，返回不包含多音字结果的拼音列表，与pinyin的区别是返回的拼音是个字符串，并且每个字只包含一个读音
参数：
hans(unicodeorlist)–汉字
style–指定拼音风格，默认是NORMAL风格。更多拼音风格详见Style。
errors–指定如何处理没有拼音的字符，详情请参考pinyin
strict–是否严格遵照《汉语拼音方案》来处理声母和韵母，详见strict参数的影响
frompypinyinimportlazy_pinyin,Styleimportpypinyinlazy_pinyin('中心')['zhong','xin']lazy_pinyin('微信公众号')['wei','xin','gong','zhong','hao']lazy_pinyin('中心',style=Style.TONE)['zhōng','xīn']lazy_pinyin('中心',style=Style.FIRST_LETTER)['z','x']lazy_pinyin('中心',style=Style.TONE2)['zho1ng','xi1n']lazy_pinyin('中心',style=Style.CYRILLIC)['чжун1','синь1']3、pypinyin.slug功能：将汉字转换为拼音，然后生成slug字符串，简单说就是自定义分隔符
语法：pypinyin.slug(hans,style=Style,heteronym=False,separator='-',errors='default',strict=True)
hans(unicodeorlist)–汉字
style–指定拼音风格，默认是NORMAL风格。更多拼音风格详见Style
heteronym–是否启用多音字
separator–两个拼音间的分隔符/连接符
errors–指定如何处理没有拼音的字符，详情请参考pinyin
strict–是否严格遵照《汉语拼音方案》来处理声母和韵母，详见strict参数的影响
importpypinyinfrompypinyinimportStylepypinyin.slug('我是中国人')'wo-shi-zhong-guo-ren'pypinyin.slug('我是中国人',separator='')'woshizhongguoren'pypinyin.slug('中国人2020雄起',separator='')#遇到数字等非汉字不注音'zhongguoren2020xiongqi'pypinyin.slug('中国人2020雄起',style=Style.FIRST_LETTER)'z-g-r-2020-x-q'pypinyin.slug('我是中国人',style=Style.CYRILLIC)'во3-ши4-чжун1-го2-жэнь'4、pypinyin.load_single_dict功能：载入用户自定义的单字拼音库
语法：pypinyin.load_single_dict(pinyin_dict,style='default')
参数：
pinyin_dict(dict)–单字拼音库。比如：{0x963F:u"ā,ē"}
style–pinyin_dict参数值的拼音库风格.支持‘default’,‘tone2’
5、pypinyin.load_phrases_dict功能：载入用户自定义的词语拼音库
语法：pypinyin.load_phrases_dict(phrases_dict,style='default')
参数：
phrases_dict(dict)–词语拼音库。比如：{u"阿爸":[[u"ā"],[u"bà"]]}
style–phrases_dict参数值的拼音库风格.支持‘default’,‘tone2’
五、一个案例假如需要找出一个垃圾评价的相似样本，用汉语相似性远远小于拼音，这个时候，拼音就能发挥很大的优势。
当然转换成拼音后，把每个音节当一个词，进行深度学习，效果也是非常好的。
S1='加公众号：小优惠，领券，便宜购买'S2='伽工仲号：小优惠，伶绻，便宜购买'#汉语相似simi_1=len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))#相似不懂的可以看我前面***的文章simi_10.5#转换成拼音后显示S1=lazy_pinyin(S1)S2=lazy_pinyin(S2)simi_2=len(set(S1).intersection(set(S2)))/len(set(S1).union(set(S2)))simi_20.875Python学习交流群
为了让大家更加即时地沟通学习，我们建了一个Python学习交流群，有想入群的同学，可以添加下面小助手微信，他会拉大家入群哈~
