【导读】平常为大家推荐的资源中,以英语语言占据大多数。今天 AI科技大本营特别要为大家推荐两个跟中文相关的资源工具。先简单介绍下这两个资源工具都是什么。第一个,汉字转拼音的工具——即将中文字符转换成它的拼音。除了支持 JavaScript,还可以支持 Python、Go、Rust 等多种语言。可以说是非常 nice 的一个中文资源工具了。第二个是新华字典的 API,收录包括 14032 条歇后语,16142 个汉字,264434 个词语,31648 个成语。有需要的同学可以收藏留着用,觉得不错记得分享点赞。
这次要推荐一个在前端就能实现 汉字转拼音 的工具库 —— pinyin-pro 。
image.png pypinyin 将汉字转为拼音。可以用于汉字注音、排序、检索 。 Documentation: http://pypinyin.rtfd.io GitHub: https://github.com/mozillazg/python-pinyin 特性 根据词组智能匹配最正确的拼音。 支持多音字。 简单的繁体支持, 注音支持。 支持多种不同拼音风格。 安装 $ pip install pypinyin 验证是否安装成功: image.png 使用说明 >>> from pypinyi
词性标注是在给定句子中判定每个词的语法范畴,确定其词性并加以标注的过程,即把每个词标注其为名词、动词、形容词等。如:“黑客帝国是部很好看的电影”,对其词性标注的结果如下:“黑客帝国/其他专名,是/动词,部/量词,很/副词,好看/形容词,的/结构助词,电影/名词”。
前言 在使用mysql的时候,为了查询速度,我们都会使用索引这个东西 现在问题来了,索引对 like "%xx%" 是不生效的,这就意味着无法快速的模糊匹配查询数据,那么有什么办法解决这个问题吗?
工作中经常会遇到的一些排序问题,比如 按汉字的拼音首字母排序,比如人名排序等,就要用到下面的方法了,思路:
今年八月,两篇背靠背《自然》文章展示了脑机接口在语言恢复方面的强大能力,单现有的语言脑机接口技术多是为「英文等字母语言」体系构建而成,针对「汉字等非字母体系」的语言脑机接口系统研究仍是空白。
先进神经芯片中心默罕默德·萨万教授团队,自然语言处理实验室张岳教授团队和朱君明教授团队联合发布了他们最新的研究结果:“A high-performance brain-sentence communication designed for logosyllabic language”.该研究实现脑机接口全谱汉语解码,一定程度弥补了国际上汉语解码脑机接口技术的空白。
AI 科技评论按:在单词和短语之间进行语音区分,如区分「I」m hear」和「I」m here」或区分「I can」t so but tons」和「I can」t sew buttons」,这样的事情每个人都遇到,尤其是遇到自动更正的短信、社交媒体上的帖子之类的时候。尽管乍看之下,语音相似性似乎只能对可听单词进行量化,但这个问题常常出现在纯文本空间中。
HanLP几乎实现了所有我们需要的繁简转换方式,并且已经封装到了HanLP中,使得我们可以轻松的使用,而分词器中已经默认支持多种繁简格式或者混合。这里我们不再做过多描述。
听着还是有些懵?别慌,我举个例子就更好理解了。我们都知道汉字的拼音是由声母和韵母组合而成,比如说,「双拼」 这个词的完整拼音为「shuang pin」,假设我们不借助任何智能拼音输入法,我们用全拼将这个词打出来要按 6 + 3 = 9 次键盘。是不是还是有点费劲儿来着?好,此时我们就会想,既然我们都已经知道拼音是由声母和韵母组合而成,那么是不是就可以考虑用一些键位表示声母,一些键位表示韵母,打字的时候只需要将二者俩俩组合起来即可呢?事实上,真可以这么做,这就是双拼。以「shuang pin」 为例,假设键位 u 代表 sh、l 表示 uang、p 代表 p、b 代表 in,那么当我们想打「双拼」二字时,我们就只需要按「ulpb」这四个键位,按 4 次键盘即可,这相比原来按 9 次键盘还是高效了不少。
儿子学习拼音一直比较吃力,一个原因是小时候很多音发音不准导致无法正确的读出音,例如q、x、b、p、g、d等这些音,经多方咨询后在成都市天使儿童医院语音纠正一段时间以后有较大的改善。第二个原因是自身上课注意力不集中,课后没有抓紧复习,家长没有施加太大的压力,最终导致拼音一塌糊涂,基本上注音练习错误率在60%以上。
l HanLP不仅支持基础的汉字转拼音,还支持声母、韵母、音调、音标和输入法首字母首声母功能。
今天,又发现一个好玩儿的库,叫做 “pypinyin ”,它可以帮助我们实现汉字转拼音。
最近碰到了一个问题,项目中很多文件都是接手过来的中文命名的一些素材,结果在部署的时候文件名全都乱码了,导致项目无法正常运行。
之前一直利用闲暇时间做深蓝词库转换,对各大输入法的分类词库有了一些大概的了解,下面来比较下各个词库格式的特点:
这次ctfshow的新春赛,一共八题,领到了六题的红包,第八题是我出的,然后除了狸题最后都有做出来。菜鸡一个罢了,简单写的wp师傅们蛮看看点点关注。然后感谢做题过程中大师傅们的帮助,就不一一点名了,都是大师傅带的好我才做的出来的。
在查询的时候,经常用到排序,英文的排序自然好说,但是在线上特定场景环境中,可能需要对中文进行排序,比如用户的姓名、地址等等。在mysql中如何对中文排序呢?我们可以使用ORDER BY CONVERT(列名 USING 字符编码集)函数即可将中文列名按拼音顺序进行排序。
轻音默认不做声调标识,如果需要额外标注轻音为5,需要加入参数 neutral_tone_with_five=True:
unicode 中文字符分类 回忆上次内容 字符集 从博多码 到 ascii 再到 iso-8859 系列 各自割据 如何把世界上各种字符统进行编码 unicode顺势而生不断进化 不过字符总量超过了65536 每个汉字都有位置 📷 添加图片注释,不超过 140 字(可选) 所有汉字里面第一个汉字是什么呢? 分布 📷 添加图片注释,不超过 140 字(可选) 第一个字就是一 📷 添加图片注释,不超过 140 字(可选) 一切本是混沌 河出图洛出书 一划开天 分出阴阳 一生二
链接:https://pan.baidu.com/s/1uK9Cq55RZinAIDAcdCOLuw 提取码:sjpy
本文首发于 Nebula Graph Community 公众号 春节期间如果有小伙伴玩过 Wordle 这个火爆社交媒体的猜词游戏,可能对成语版本的汉兜有所耳闻。在玩汉兜过程中,我发现用 Nebula Graph 的图查询来解 Antfu 的汉兜(中文成语版 Wordle 👉🏻 handle.antfu.me)会是件特别有意思的事情,很适合当作图数据库语句的实操。在本文中,你将了解我是如何用知识图谱“作弊”解汉兜。😁 什么是汉兜? 汉兜(https://handle.antfu.me )是由 Vue/Vi
现在互联网上有许多拼音转换工具,基于Python的开源模块也不少,今天给大家介绍一个功能特性最多的模块: pypinyin ,它支持以下特性:
title: 标记集 tags: grammar_cjkRuby: true ---
这里我使用的第三方库是:【pypinyin】 安装 pip install pypinyin 使用 >>> from pypinyin import pinyin, lazy_pinyin, Style >>> pinyin('中心') [['zhōng'], ['xīn']] >>> pinyin('中心', heteronym=True) # 启用多音字模式 [['zhōng', 'zhòng'], ['xīn']] >>> pinyin('中心', style=Style.FIRST_LETTER
回家以后,我赶紧打开电脑,开发了一个给古诗注音的开源项目:pohan。实现的效果如下。👇
1 GB2312-80 GB 2312 或 GB 2312-80 是中国国家标准简体中文字符集,全称《信息交换用汉字编码字符集·基本集》,又称 GB 0,由中国国家标准总局发布,1981 年 5 月 1 日实施。GB 2312 编码通行于中国大陆;新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB 2312。 GB 2312 标准共收录 6763 个汉字,其中一级汉字 3755 个,二级汉字 3008 个;同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的 682 个字符。
这种情况就是乱码,是因为我们输入的中文,往计算机中保存的时候,最终都要转成2进制的数据形式,也就是说有一个编码的过程,在保存文件的时候默认使用的是ANSI编码格式,浏览器显示文件中内容的时候,还需要将2进制的数据转换成文字形式显示出来,也就是说还有解码的过程,浏览器被指定为utf-8格式来解码,也就是说编码和解码不一致所造成的乱码
中文系统bgk 回忆上次内容 汉字字形通过 点阵式打字机像素级寻址的屏幕进入了计算机的世界📷添加图片注释,不超过 140 字(可选)在海峡对岸的台湾同胞 也进入了汉字时代他们会使用GB2312编码吗? 能互通吗?🤔中国台湾 BIG5 码 是由 5 个公司联合制作的收录次序 取决于 频率 然后是 笔画数然后是 康熙字典同时用 BIG5 编码和解码也是没有问题的 但如果用BIG5编码却用gb2312解码就会有问题📷添加图片注释,不超过 140 字(可选)不过存储的内容在文件里 系统不知道用
日文假名和韩国谚文 回忆上次内容 上次回顾了非ascii的拉丁字符编码的进化过程 0-127 是 ascii 的领域 世界各地编码分布 拉丁字符扩展 ascii 共 16 种 由iso组织制定 从iso-8859-1 到iso-8859-16 无法同时显示俄文和法文 此时中日韩的文字也需要进入计算机 象形文字的字符集超级巨大 日本、韩国也用汉字 数量2万起步 📷 真能把 如此巨大的字符集 编码进入计算机吗?🤔 文字 日本汉字我们可以直接看懂 📷 地铁里的 标记 📷
汉字转拼音.zip [hu39zc7scy.gif] import com.rnkrsoft.bopomofo4j.Bopomofo4j import javafx.geometry.Pos import tornadofx.* class Bopomofo4jApp : App(Bopomofo4jView::class) class Bopomofo4jView : View("汉字转拼音") { val initStr=""" 我们中国的汉字 落笔成画留下五千年的历史 让世界
语音合成(text to speech),简称TTS。将文字转化为语音的一种技术,类似于人类的嘴巴,通过不同的音色说出想表达的内容。将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。
只要域名好,高于行情交易不是问题。这不,去年11月份以10万元被秒的三拼域名yichenggou.com,现已被启用建站,买家身份付出水面。
经作者授权转载 作者 | han 你渴望尝试新的技术: GraphQL, Figma, MobX; 你耐心等待优秀的中文翻译: 等待,等待,还是等待; 你来者不拒地寻找提高英语水平的最佳方法: 疯狂英语,红宝书,玄学; 我这里有本“葵花宝典”…… 英语水平等级示意图: 本图主要参考 http://www.coe.int/en/web/common-european-framework-reference-languages/table-1-cefr-3.3-common-reference-levels-g
对于很多人来说,python的中字符转码是一件很头疼的事情,本来期望结果输出的是中文,结果来一段像这样\xe4\xbd\xa0\xe5\xa5\xbd像是乱码的字符串。
2.全拼输入本身的速度限制。汉字本身的原因,同音字词比较多,导致字的页码比较多,最终定位比较依赖输入词频和输入法的智能程度。
去年,有一枚五声母域名sdhlx.com以一口价18888元被秒走。近段时间该域名已被青岛海利信电子商务有限公司拿去建站了。
分享一篇大神的关于hanlp分词命名实体提取的经验文章,文章中分享的内容略有一段时间(使用的hanlp版本比较老),最新一版的hanlp已经出来了,也可以去看看新版的hanlp在这方面有何提升!
《七位数收购LBX.com》近日有媒体称:域名LBX.com已经以小七位价格易主海外终端,目前正在搭建名为London Block Exchange Ltd(伦敦大宗交易所有限公司)的网站。LBX.com注册于1997年,有“六边形、老百姓、溜冰鞋”等含义,适合搭建医药、服装、运动等网站,对应的的终端也很多。今年以来,三声母域名的终端建站数量不少。三声母域名数量较少、含义丰富,再加上本身字符长度较短,适合品牌终端启用。目前三声母域名的价格一般在小六位,品相好的可以卖到中六位。而遇到终端求购的话,三声母域名的成交价格都在大六位到小七位之间。
本文最后更新于2022年06月11日,已超过2天没有更新。如果文章内容或图片资源失效,请留言反馈,我会及时处理,谢谢!
近段时间,米市交易不断,然而品相好、含义好的域名总能从中脱颖而出,时常以远高于时常行情的身价傲视群雄。这不,又售出一枚四声母域名zskj.com被爆出以小六位数价格售出,买家是江苏掌上科技公司。
本文介绍了农村电商企业汇通达完成5亿元C轮融资,并启用3声母域名htd.cn。成立于2010年的汇通达,2012年发力农村电商,2015年至今先后完成4轮累计18亿元的融资。此次融资由中美绿色基金独投,双方将围绕打造绿色智慧乡村这个主题,以市场化的手段实现农村绿色发展和精准扶贫,开展一系列合作与布局。汇通达官网采用注册于2006年的3声母htd.cn,短小精悍,品牌匹配度高。
输入一个字符判断是数字还是字母 如果是字母是大写字母还是小写字母 是声母还是韵母 运行结果 📷 📷 📷 ASCII码表(字符代表的数值) 📷 代码 //导包 import java.util.Scanner; //声明一个类名为Test的类 public class Test { // mian方法 程序入口 public static void main(String[] args) { // 输入一个字符判断是数字还是字母 如果是字母是大写字母还是小写字母 是声母还是韵母 // 键盘输入
领取专属 10元无门槛券
手把手带您无忧上云