这是一个创建于 4100 天前的主题，其中的信息可能已经有所发展或是发生改变。
情况是这样的：
这里有一个大小约0.5个G的一个纯文本文件。
该纯文本文件每一行保存的都是一句话，并且该文件中无重复的话。一句话内部只有简体汉字，无标点符号、无空格、无英文、无繁体字等等
现在我需要为这个文件里面每一句话弄一行拼音，并且将拼音存入另外一个文件中，行号一一对应，请问我该怎么做？
拼音是全拼，且无声调，无空格，需要考虑多音字。
比如：zheyihangdiquebuxing（这一行的确不行）
这里有一个大小约0.5个G的一个纯文本文件。
该纯文本文件每一行保存的都是一句话，并且该文件中无重复的话。一句话内部只有简体汉字，无标点符号、无空格、无英文、无繁体字等等
现在我需要为这个文件里面每一句话弄一行拼音，并且将拼音存入另外一个文件中，行号一一对应，请问我该怎么做？
拼音是全拼，且无声调，无空格，需要考虑多音字。
比如：zheyihangdiquebuxing（这一行的确不行）
 |
1
levon 2013-08-23 12:10:59 +08:00
|
 |
2
qdvictory 2013-08-23 12:19:58 +08:00
|
|
3
qdvictory 2013-08-23 12:21:23 +08:00
汗，我理解错了，sorry－ －
|
 |
4
qdcanyun 2013-08-23 12:37:06 +08:00
|
 |
5
leiz 2013-08-23 12:45:29 +08:00
python有中文文字转拼音的库，不过效率不清楚
|
 |
6
200 2013-08-23 12:56:06 +08:00
要做准确的话 就要分词 不然多音字会有问题
|
 |
7
felix021 2013-08-23 13:32:53 +08:00
顶@200 。汉字转拼音的数据和代码很多，但是搞不定多音字，前面的那些回答都没啥用。要解决多音字，必须从语义层面入手。分词是一个比较好的方法，但是最终的实现还是需要一个"词语->拼音"的数据库，这个貌似不太好找。
|
 |
9
kittenll 2013-08-23 14:56:30 +08:00  1
利用自然语言统计模型处理，可以很好的处理多音字的问题。比如HMM（隐马尔土科夫模型）。如果计算资源足够的话，可以使用n>2，不然使用n=2就可以了。
|
Select Language