用Python对常用字进行多维度特征分析

温且姆·萨迪克 布合力齐姑丽·瓦斯力 热依汉古丽·萨迪克 木合塔尔·沙地克

摘要：文章用Python实现对常用字的词性、拼音、韵母与声调之间的多维度特征分析，从开发环境搭建开始详细介绍了每个步骤和代码。

关键词：Python;Jieba;python-docx-master;python-pinyin-master

中图分类号：G642.0     文献标志码：A     文章编号：1674-9324（2020）10-0120-02

一、环境的搭建

用Python对汉字进行分析不仅要安装Python开发环境，还需要安装Python中文分词组件jieba，Python Word文本处理组件python-docx-master，Python处理汉字转拼音组件python-pinyin-master。本文用Anaconda Spyder作为开发环境，从相关网站下载以上各组件压缩包，解压到工作目录，在命令行分别进入各组件解压目录，执行python setup.py install即可完成环境的准备。

二、主要代码解释

（一）引入相关组件，并以gb18030编码格式打开常用字txt文件

（引入相关组件代码略）

#打开常用字txt文件

text=open（'sys_Char2500.txt'，encoding='gb18030'）.read（）

#从text中筛选字符部分

char_changyong=[char for char in text if char.isalpha（）]

（二）定义一个函数，获取汉字的词性，把词性英文简称转换中文名称

def get_peg（arg）：

#获取arg的词性

pegc=peg.cut（arg）

flag2=''

#把词性英文简称转换汉字名称

for peg1，flag1 in pegc：

if 'n' == flag1[0]：

flag2='名词'

elif 't' == flag1[0]：

flag2='时间词'

…

else：

flag2=flag1

return flag2

（三）获取汉字的词性、拼音和韵母特征，把他们存储在一个词典里，并进行排序统计

…

for char in char_changyong：

#获取汉字带声调的拼音

yin3=''.join（lazy_pinyin（char，style=Style.TONE3））

#获取汉字不带声调的拼音

pyin=''.join（lazy_pinyin（char））

#获取汉字的韵母

yunm=''.join（lazy_pinyin（char，style=Style.FINALS））

…

#把以上获取的特征存放在词典和列表里

char_flag_dict[char]=（tone，pegc，pyin，yunm）

…

…

（四）对汉字的词性与声调进行统计分析，将统计结果存入Document对象的表格中

…

#游历所有词性统计列表

for pegc，count in pegc_all_count：

…

#游历存放汉字特征的词典

for char，val in char_flag_dict.items（）：

if pegc == val[1]：

tones = tones + str（val[0]）

chars = chars + str（char）

pegc_tones[pegc]=tones

#定义Document对象

doc_new = Document（）

doc_new.add_heading（'一、词性统计：'，0）

#定义表格

table = doc_new.add_table（rows=1，cols=8）

hdr_cells = table.rows[0].cells

#创建表格列名

hdr_cells[0].text = '序号'

…

#对汉字的词性与声调进行统计

#将统计结果存入表格中

for key，val in pegc_tones.items（）：

len_tones=len（pegc_tones[key]）

count=Counter（pegc_tones[key]）

row_cells = table.add_row（）.cells

row_cells[0].text = str（i）

…

…

（五）对汉字的拼音与声调进行统计分析，将统计结果存入Document对象的表格中

…

#游历所有拼音统计列表

for pyin，count in pyin_all_count：

…

#游歷存放汉字特征的词典

for char，val in char_flag_dict.items（）：

if pyin == val[2]：

tones = tones + str（val[0]）

chars = chars + str（char）

pyin_tones[pyin]=tones

#添加标题

doc_new.add_heading（'二、拼音统计：'，0）

#定义表格

table = doc_new.add_table（rows=1，cols=8）

hdr_cells = table.rows[0].cells

hdr_cells[0].text = '序号'

…

#对汉字的拼音与声调进行统计

#将统计结果存入表格中

for key，val in pyin_tones.items（）：

len_tones=len（pyin_tones[key]）

count=Counter（pyin_tones[key]）

row_cells = table.add_row（）.cells

row_cells[0].text = str（i）

…

…

row_cells[7].text = str（count6）

（六）對汉字的韵母与声调进行统计分析，将统计结果存入Document对象中

…

#游历所有韵母统计列表

for yunm，count in yunm_all_count：

…

#游历存放汉字特征的词典

for char，val in char_flag_dict.items（）：

if yunm == val[3]：

tones = tones + str（val[0]）

chars = chars + str（char）

yunm_tones[yunm]=tones

#添加标题

doc_new.add_heading（'三、韵母统计：'，0）

#创建表格

table = doc_new.add_table（rows=1，cols=8）

hdr_cells = table.rows[0].cells

hdr_cells[0].text = '序号'

…

#对汉字的韵母与声调进行统计

#将统计结果存入表格中

for key，val in yunm_tones.items（）：

count=Counter（yunm_tones[key]）

len_tones=len（yunm_tones[key]）

row_cells = table.add_row（）.cells

row_cells[0].text = str（i）

…

…

row_cells[7].text = str（count6）

（七）把统计结果存入Word文档中，用于下一步分析

doc_new.save（'汉字统计分析.docx'）

Multi-dimensional Feature Analysis of Common Words with Python

Wynchem Sadiq1，Buzhiguri Vasley2，Hayhanguri Sadiq3，Muhtar Shadick4

（1.Kashgar Shule County Secondary Vocational and Technical School，Kashgar，Xinjiang 844200，China;

2.College of Mathematics and Science，Xinjiang Institute of Education，Urumqi，Xinjiang 830043，China;

3.Hanan Like Town Middle School，Kashgar Shule County，Kashgar，Xinjiang 844207，China;4.Education Management Information Center of Xinjiang Uygur Autonomous Region，Urumqi，Xinjiang 830049，China）

Abstract：In this paper，Python is used to analyze the multi-dimensional features of common characters，such as part of speech，pinyin，vowel and tone.Start with the development environment building and introduce each step and code in detail.

Key words：Python;Jieba;python-docx-master;python-pinyin-master