日常工作中，有涉及到单个字，词语，句子等文本转成拼音，且有时带声调的拼音文本做数据分析时不太好处理，遂当前有个需求: 批量将文本转换为拼音，且声调转成数字，数字放在单个字拼音后
1、先处理文本转拼音，拼音声调转成数字，数字放在拼音串后面
如：练习 —————》 lian4 xi2
本次主要将网上学习代码结合自己实际需求做整理
①常用的文本转拼音用 pypinyin这个库，具体代码为：

#coding:utf-8
import pypinyin
import re
from string import digits

def ConvertToneNumbersPinyin(lineIn):
    mapVowelTone2Unicode = {'a1': 'ā',
                        'a2': 'á',
                        'a3': 'ǎ',
                        'a4': 'à',
                        'e1': 'ē',
                        'e2': 'é',
                        'e3': 'ě',
                        'e4': 'è',
                        'i1': 'ī',
                        'i2': 'í',
                        'i3': 'ǐ',
                        'i4': 'ì',
                        'o1': 'ō',
                        'o2': 'ó',
                        'o3': 'ǒ',
                        'o4': 'ò',
                        'u1': 'ū',
                        'u2': 'ú',
                        'u3': 'ǔ',
                        'u4': 'ù',
                        'v1': 'ǜ',
                        'v2': 'ǘ',
                        'v3': 'ǚ',
                        'v4': 'ǜ',
                       }
    assert type(lineIn) is str
    lineOut = lineIn
    # mapVowelTone2Unicode
    for x, y in mapVowelTone2Unicode.items():
      lineOut = lineOut.replace(y, x).replace(y.upper(), x.upper())
    return lineOut.replace('Ü', 'V').replace('ü', 'v')

def convertDigit(word):
    #中文转换为拼音
    s = ''
    for i in pypinyin.pinyin(word,heteronym=True):
        s = s+''.join(i) + " "

    #拼音声调转数字
    result = ConvertToneNumbersPinyin(s)

    #声调数字放拼音后
    result2=result.split()
    value = ''
    for i in result2:
        if bool(re.search(r'\d',i)) is True:
            aa = re.sub("\D","",i)
        else:
            pass
        bb=i.translate(str.maketrans("","",digits))
        dd = bb + aa
        value += ' '+dd
    print(value)

if __name__ == "__main__":
    convertDigit("练习")

测试“练习”这个词语的拼音效果

image.png

看来是成功的。
2、批量处理数据，将待转的文本放在excel表中，通过读取表中数据，将测试结果写入表中对应列
本次读写excel文件用的传统的库：xlrd,xlwt ，后续建议使用openpyxl，处理数据量比较大的文件时，优势更明显点。
我的表是这样的：

image.png

import xlrd,xlwt,os
    #读取excel
    excel_path = r'F:\TestScript\待转拼音文本.xlsx'
    old_excel = xlrd.open_workbook(excel_path)
    old_sheet = old_excel.sheet_by_index(0)
    #读取第2列数据
    TxtResult = old_sheet.col_values(1)

后面就是将处理好的结果放到excel表中
处理完结果：

image.png

贴上完整的代码：

#encoding:utf-8
import pypinyin
import re
from string import digits
import xlrd,xlwt,os

def ConvertToneNumbersPinyin(lineIn):
    mapVowelTone2Unicode = {'a1': 'ā',
                        'a2': 'á',
                        'a3': 'ǎ',
                        'a4': 'à',
                        'e1': 'ē',
                        'e2': 'é',
                        'e3': 'ě',
                        'e4': 'è',
                        'i1': 'ī',
                        'i2': 'í',
                        'i3': 'ǐ',
                        'i4': 'ì',
                        'o1': 'ō',
                        'o2': 'ó',
                        'o3': 'ǒ',
                        'o4': 'ò',
                        'u1': 'ū',
                        'u2': 'ú',
                        'u3': 'ǔ',
                        'u4': 'ù',
                        'v1': 'ǜ',
                        'v2': 'ǘ',
                        'v3': 'ǚ',
                        'v4': 'ǜ',
                       }
    assert type(lineIn) is str
    lineOut = lineIn
    # mapVowelTone2Unicode
    for x, y in mapVowelTone2Unicode.items():
      lineOut = lineOut.replace(y, x).replace(y.upper(), x.upper())
    return lineOut.replace('Ü', 'V').replace('ü', 'v')

def convertDigit(word):
    #中文转换为拼音
    s = ''
    for i in pypinyin.pinyin(word,heteronym=True):
        s = s+''.join(i) + " "
    #拼音声调转数字
    result = ConvertToneNumbersPinyin(s)
    #声调数字放拼音后
    result2=result.split()
    value = ''
    for i in result2:
        global aa,bb,dd
        if bool(re.search(r'\d',i)) is True:
            aa = re.sub("\D","",i)
        else:
            pass
        bb=i.translate(str.maketrans("","",digits))
        dd = bb + aa
        value += ' '+dd
    return value

def readExcel():
    #读取excel
    excel_path = r'F:\TestScript\待转拼音文本.xlsx'
    old_excel = xlrd.open_workbook(excel_path)
    old_sheet = old_excel.sheet_by_index(0)

    #读取第2列数据
    TxtResult = old_sheet.col_values(1)
    #新建表格保存数据
    new_workbook = xlwt.Workbook()
    new_sheet = new_workbook.add_sheet('拼音识别')
    new_sheet.write(0,0,'编号')
    new_sheet.write(0,1,'待识别文本')
    new_sheet.write(0,2,'拼音文本')

    for i in range(1,len(TxtResult)):
        pinResult = convertDigit(TxtResult[i])
        print(TxtResult[i],pinResult)
        if TxtResult[i] is None or TxtResult[i] == 'null':
            continue
        else:
            new_sheet.write(i,0,i)
            new_sheet.write(i,1,TxtResult[i])
            new_sheet.write(i,2,pinResult)

    new_workbook.save(r'F:\TestScript\转换结果.xlsx')
    print('已完成')
    os.system('pause')
if __name__ == "__main__":
    readExcel()

目前问题：因为汉字有多音字，pypinyin这个库会将单个字的所有读音都会返回，若想根据字词语境选择合适读音，可能需要找其他的库，或者其他处理方式。
本次主要还是分享中文转拼音，声调转数字，数字放拼音串后面。