python中的文生僻字怎么識別

今天小編給大家分享一下python中的文生僻字怎么識別的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

識別方法

在utf-8字符編碼下，一個中文字符占3個字節，但字符的長度只有1。

1、分析中文的方法是否可以靈活為len(bytes(str,'utf-8)==3 and len(string)==1。

2、文本寫作判斷中文后，如果是漢字str.ljust(5)，否則為str.ljust(6)。

因為一個漢字占兩個字符的長度。

實例

from pypinyin import pinyin
import re
 
 
class ChangePinyin:
    def __init__(self, filename):
        self.file = filename
        self.lyric = self.read_file()
        self.pinyin = []
 
    def read_file(self):
        with open(self.file, encoding='utf-8') as f:
            return f.readlines()
 
    def write_file(self):
        with open('New_%s' % self.file, 'w', encoding='utf-8') as f:
            print(self.lyric)
            for line in self.lyric:
                # print(line)
                if line.strip() == '':
                    continue
                _new_line = re.sub(r'\s', '', line)
                # 行內容轉拼音
                _pinyin = ''.join(map(lambda x: x[0].ljust(6), pinyin(_new_line)))
                # 根據中英文,將行內容進行字符與漢字的拆分
                _lyric = self.split_words(_new_line)
                f.write('%s\n%s\n' % (_pinyin, _lyric))
 
    @staticmethod
    def split_words(words):
        word_list = ""
        tmp = ""
        for string in words:
            if len(bytes(string, 'utf-8')) == 3 and len(string) == 1:
                if tmp != '':
                    word_list += tmp.ljust(6)
                    tmp = ""
                word_list += string.ljust(5)
            else:
                tmp += string
        return word_list
 
 
if __name__ == '__main__':
    Main = ChangePinyin('lyric.txt')
    Main.write_file()

以上就是“python中的文生僻字怎么識別”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。