# python 如何识别字符串中的人名 ，如何识别一串拼音字符串以及韵母的提取
## 一、识别字符串中的人名或特定名词
### 1.安装Python SDK
~~~markdown
安装方法：pip install baidu-aip
~~~
### 2.获取APP ID
~~~markdown
为了使用这个接口，我们还需要获取到百度智能云提供的账号（如下图中的APPID、 API KEY、 SECRET KEY）。
登录官网后，我们需要在百度智能云的管理中心创建一个应用， 这样我们就能通过这个ID使用接口了，如下图。 网址
https://console.bce.baidu.com/ai/#/ai/nlp/overview/index
~~~
### 3.代码调用
~~~python
def get_chinese_name(text):
"""
:param text: 中文字符串
:return: 人名
"""
"""识别人名"""
# 上一步获取到的ID AK SK
APP_ID = '你的ID'
API_KEY = '你的AK'
SECRET_KEY = '你的SK'
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text = str(text.encode('gbk', 'ignore'), encoding='gbk') # ignore忽略无法编码的字符,如果不加这个会报错。
# 设置请求间隔,免费版的QPS限制为2,有能力的可以购买。
time.sleep(1)
# 调用词法分析的返回结果
print(client.lexer(text))
""" 调用词法分析 """
for i in client.lexer(text)['items']:
# 若字符串中有人名就返回人名
if i['ne'] == 'PER':
return i['item']
return ''
~~~
我们测试一段字符串
~~~python
text = "这是一段测试文本,我的中文名是媛媛"
print(get_chinese_name(text))
~~~
返回结果
~~~python
{'log_id': 375282685928253176, 'text': '这是一段测试文本,我的中文名是媛媛', 'items': [{'loc_details': [], 'byte_offset': 0, 'uri': '', 'pos': 'r', 'ne': '', 'item': '这', 'basic_words': ['这'], 'byte_length': 2, 'formal': ''}, {'loc_details': [], 'byte_offset': 2, 'uri': '', 'pos': 'v', 'ne': '', 'item': '是', 'basic_words': ['是'], 'byte_length': 2, 'formal': ''}, {'loc_details': [], 'byte_offset': 4, 'uri': '', 'pos': 'm', 'ne': '', 'item': '一段', 'basic_words': ['一', '段'], 'byte_length': 4, 'formal': ''}, {'loc_details': [], 'byte_offset': 8, 'uri': '', 'pos': 'vn', 'ne': '', 'item': '测试', 'basic_words': ['测试'], 'byte_length': 4, 'formal': ''}, {'loc_details': [], 'byte_offset': 12, 'uri': '', 'pos': 'n', 'ne': '', 'item': '文本', 'basic_words': ['文本'], 'byte_length': 4, 'formal': ''}, {'loc_details': [], 'byte_offset': 16, 'uri': '', 'pos': 'w', 'ne': '', 'item': ',', 'basic_words': [','], 'byte_length': 1, 'formal': ''}, {'loc_details': [], 'byte_offset': 17, 'uri': '', 'pos': 'r', 'ne': '', 'item': '我', 'basic_words': ['我'], 'byte_length': 2, 'formal': ''}, {'loc_details': [], 'byte_offset': 19, 'uri': '', 'pos': 'u', 'ne': '', 'item': '的', 'basic_words': ['的'], 'byte_length': 2, 'formal': ''}, {'loc_details': [], 'byte_offset': 21, 'uri': '', 'pos': 'n', 'ne': '', 'item': '中文名', 'basic_words': ['中文', '名'], 'byte_length': 6, 'formal': ''}, {'loc_details': [], 'byte_offset': 27, 'uri': '', 'pos': 'v', 'ne': '', 'item': '是', 'basic_words': ['是'], 'byte_length': 2, 'formal': ''}, {'loc_details': [], 'byte_offset': 29, 'uri': '', 'pos': '', 'ne': 'PER', 'item': '媛媛', 'basic_words': ['媛媛'], 'byte_length': 4, 'formal': ''}]}
媛媛
~~~
### 4.参数说明
~~~markdown
在这里还需要说明一下接口返回参数 。为了方便，我们先把上一步得到的数据格式化如下，其中
pos : 词性，词性标注算法使用。
~~~
#### **词性缩略说明**
***ne :*** 命名实体类型。如下面例子中的“媛媛”的ne关键字为PER ，表示人名。
#### **专名识别缩略词含义**
~~~python
{
'log_id': 375282685928253176,
'text': '这是一段测试文本,我的中文名是媛媛',
'items': [{
'loc_details': [],
'byte_offset': 0,
'uri': '',
'pos': 'r',
'ne': '',
'item': '这',
'basic_words': ['这'],
'byte_length': 2,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 2,
'uri': '',
'pos': 'v',
'ne': '',
'item': '是',
'basic_words': ['是'],
'byte_length': 2,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 4,
'uri': '',
'pos': 'm',
'ne': '',
'item': '一段',
'basic_words': ['一', '段'],
'byte_length': 4,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 8,
'uri': '',
'pos': 'vn',
'ne': '',
'item': '测试',
'basic_words': ['测试'],
'byte_length': 4,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 12,
'uri': '',
'pos': 'n',
'ne': '',
'item': '文本',
'basic_words': ['文本'],
'byte_length': 4,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 16,
'uri': '',
'pos': 'w',
'ne': '',
'item': ',',
'basic_words': [','],
'byte_length': 1,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 17,
'uri': '',
'pos': 'r',
'ne': '',
'item': '我',
'basic_words': ['我'],
'byte_length': 2,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 19,
'uri': '',
'pos': 'u',
'ne': '',
'item': '的',
'basic_words': ['的'],
'byte_length': 2,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 21,
'uri': '',
'pos': 'n',
'ne': '',
'item': '中文名',
'basic_words': ['中文', '名'],
'byte_length': 6,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 27,
'uri': '',
'pos': 'v',
'ne': '',
'item': '是',
'basic_words': ['是'],
'byte_length': 2,
'formal': ''
}, {
'loc_details': [],
'byte_offset': 29,
'uri': '',
'pos': '',
'ne': 'PER',
'item': '媛媛',
'basic_words': ['媛媛'],
'byte_length': 4,
'formal': ''
}]
}
~~~
## 二、把一串拼音字符串分割成独立的拼音
~~~markdown
假如我们要将字符串 “zhoujielun” 分割成 “zhou-jie-lun”这样的格式，那么我们可以采取逆向匹配的方法，即下图中字符串的指针A向B移动过程中不断匹配拼音表（拼音表可自行下载），直到字符串s[A:]在拼音表中，就匹配成功。重复这一过程就可以将这一字符串分隔成一个个拼音。
~~~
算法直接看代码
~~~python
def pinyin_word(string):
'''
将一段拼音，分解成一个个拼音
:param string: 匹配的字符串
:return: 匹配到的拼音列表
'''
max_len = 6 # 拼音最长为6
string = string.lower()
stringlen = len(string)
result = []
# 读本地拼音表
with open('pinyin.txt', 'r', encoding='utf-8') as fi:
pinyinLib = fi.readlines()
for i in range(len(pinyinLib)):
pinyinLib[i] = pinyinLib[i][:-1] # 去换行符
# 逆向匹配
while True:
matched = 0
matched_word = ''
if stringlen < max_len:
max_len = stringlen
for i in range(max_len, 0, -1):
s = string[(stringlen-i):stringlen]
# 字符串是否在拼音表中
if s in pinyinLib:
matched_word = s
matched = i
break
# 未匹配到拼音
if len(matched_word) == 0:
break
else:
result.append(s)
string = string[:(stringlen-matched)]
stringlen = len(string)
if stringlen == 0:
break
return result
print(pinyin_or_word('zhoujielun'))
输出结果：['lun', 'jie', 'zhou']
~~~
## 三、拼音韵母的提取
做法和上一点相同，建立一个韵母表，逆向匹配即可。
~~~python
def pinyin_word(string):
'''
将一段拼音，分解成一个个拼音
:param string: 匹配的字符串
:return: 匹配到的拼音列表
'''
max_len = 6 # 拼音最长为6
string = string.lower()
stringlen = len(string)
result = []
# 读本地拼音表
with open('pinyin.txt', 'r', encoding='utf-8') as fi:
pinyinLib = fi.readlines()
for i in range(len(pinyinLib)):
pinyinLib[i] = pinyinLib[i][:-1] # 去换行符
# 逆向匹配
while True:
matched = 0
matched_word = ''
if stringlen < max_len:
max_len = stringlen
for i in range(max_len, 0, -1):
s = string[(stringlen-i):stringlen]
# 字符串是否在拼音表中
if s in pinyinLib:
matched_word = s
matched = i
break
# 未匹配到拼音
if len(matched_word) == 0:
break
else:
result.append(s)
string = string[:(stringlen-matched)]
stringlen = len(string)
if stringlen == 0:
break
return result
~~~
## 四、一些方法整理
### 1.读xlsx格式
~~~python
import xlrd
data = xlrd.open_workbook('data.xlsx')
table = data.sheet_by_index(0) # 按索引
nrows = table.nrows
ncol = table.ncols
rowvalue = table.row_values(0) # 第0行数据
colvalue = table.col_values(0) # 第0列数据
print(rowvalue, colvalue)
~~~
### 2.判断中文字符串
~~~python
import re
Pattern = re.compile(u'[\u4e00-\u9fa5]+') # 判断是否是中文的正则表达式对象
match = Pattern.match(string)
# 判断字符串是否为汉字
if match:
zh_name = match.group()
print(zh_name)
~~~
### 3.汉字转拼音
~~~python
不带语调的汉字转拼音：
from pypinyin import pinyin, lazy_pinyin
# 汉字转为拼音
new_name = '我爱编程'
new_name = ''.join(lazy_pinyin(new_name))
print(new_name)
输出结果：woaibiancheng
~~~获取APP ID
词性缩略说明
专名识别缩略词含义
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
