今天给大家分享一个有趣的问题，用R语言实现汉语转拼音及英语。文中给出的方法不仅适用于词汇，也适用于简单句子。在汉译英部分会教大家如何调用词霸翻译，但词霸只能翻译词语，为了进行单句翻译，我采用了调用百度翻译API的方法，不幸的是百度只给了200万字符限额，不过对个人的小项目应该足够。为了方便大家使用，拼音转汉语部分给出了大小写以及title三种输出方式。

加载R包

  
    
    
    

   
     
     
     
library(rvest)
   
     
     
     
library(stringr)
   
     
     
     
library(rjson)
   
     
     
     
library(digest)
   
     
     
     
library(jiebaR)
   
     
     
     
library(jiebaRD)
   
     
     
     
library(rlist)
  
    
    
    

抓取全部汉字及保存

网上大多方法算法过于复杂。如果有一个字库，具有所有中文对应拼音（常用汉字才1万多，所以速度方面不会有多大影响），那么就可以通过汉字返回所需要的拼音字母。在网上搜索的时候找到了一个字库，直接抓来用了。我们‘李’字以这个字库中汉字及拼音的表示方法，‘李li3'表示汉字‘李’，拼音为‘li'，音调是3（这里只需要拼音）

  
    
    
    

   
     
     
     
url='https://github.com/haiwen/seahub/blob/master/seahub/convert-utf-8.txt'
   
     
     
     
web <- read_html(url)
   
     
     
     
text=web%>%html_nodes('td:nth-child(2)')%>%html_text()%>%str_trim()
   
     
     
     
saveRDS(text,'D://汉字.rds')
  
    
    
    

提取汉字

  
    
    
    

   
     
     
     
text=readRDS('D://汉字.rds')
   
     
     
     
onlytext=str_split(text,'')%>%unlist%>%str_match_all('[\u4e00-\u9fa5]')%>%unlist()
  
    
    
    

构造汉字-拼音|英语函数

下面代码块给出四个封装函数，fun实现汉语到英语的转换，funx调用百度API进行汉译英转换（需要申请百度翻译API），ciba使用词霸进行汉译英转换，funa是终极整句翻译函数，它有两个参数，x接受句子，y接受词语粘贴方式（如：以“/”粘贴）。

  
    
    
    

   
     
     
     
#使用jiebaR设置分词引擎
   
     
     
     
engine1 = worker()
   
     
     
     
#汉语——拼音
   
     
     
     
fun = function(x){
   
     
     
     
  if(x %in% onlytext){
   
     
     
     
    re=text[which(str_detect(text,x))]
   
     
     
     
    lower=re%>%str_match('[a-z]{1,}')
   
     
     
     
    title=re%>%str_match('[a-z]{1,}')%>%str_to_title()
   
     
     
     
    upper=re%>%str_match('[a-z]{1,}')%>%str_to_upper()
   
     
     
     
  }else{
   
     
     
     
    lower=x%>%str_to_lower()
   
     
     
     
    title=x%>%str_to_title()
   
     
     
     
    upper=x%>%str_to_upper()
   
     
     
     
  }
   
     
     
     
  return(list(lower=lower,title=title,upper=upper))
   
     
     
     
}
   
     
     
     
#汉译英函数（百度API版）
   
     
     
     
funx=function(x,fromLang,toLang){
   
     
     
     
  appid = '你的API'
   
     
     
     
  secretKey = '你的API密码'
   
     
     
     
  fromLang = 'zh'
   
     
     
     
  toLang = 'en'
   
     
     
     
  salt=sample(32768:65536,1)
   
     
     
     
  myurl = 'http://api.fanyi.baidu.com/api/trans/vip/translate'
   
     
     
     
  q = x
   
     
     
     
  q=segment(q , engine1)%>%str_c(collapse = '')
   
     
     
     
  sign = paste0(appid,q,salt,secretKey)
   
     
     
     
  hash <- digest(sign, algo="md5", serialize=F)
   
     
     
     
  url=paste0(myurl,'?appid=',appid,'&q=',q,'&from=',fromLang,'&to=',toLang,'&salt=',salt,
   
     
     
     
             '&sign=', hash)
   
     
     
     
  re=read_html(url)%>%html_text()%>%fromJSON()
   
     
     
     
  lang_from=re$trans_result[[1]]$src
   
     
     
     
  lang_to = re$trans_result[[1]]$dst
   
     
     
     
  return(list(lang_from=lang_from,lang_to=lang_to))
   
     
     
     
}
   
     
     
     
#汉译英函数（词霸版）
   
     
     
     
ciba<-function(x){
   
     
     
     
  link=url(paste0('http://dict.youdao.com/m/search?keyfrom=dict.mindex&vendor=&q=',
   
     
     
     
                 iconv(x,to='UTF-8')),encoding='UTF-8')
   
     
     
     
  readLines(link)->a
   
     
     
     
  gsub('(<[^<>]*>)|(^ )|(\t)','',a)->a;gsub(' {2,}','',a)->a
   
     
     
     
  head(a,-11)->a;tail(a,-35)->a;a[a!='']->a
   
     
     
     
  paste(a,collapse='\n')->a
   
     
     
     
  gsub('(\n *){2,}','\n',a)->a;gsub(' *\n *','\n',a)->a
   
     
     
     
  print(str_split(a,pattern='\n'))
   
     
     
     
}
   
     
     
     
#整句转换
   
     
     
     
funa=function(x,y){
   
     
     
     
  xt=lapply(x%>%str_extract_all('[\u4e00-\u9fa5]|\\w')%>%unlist,fun)
   
     
     
     
  lower=list.map(xt,lower)%>%unlist%>%str_c(collapse = y)
   
     
     
     
  upper=list.map(xt,upper)%>%unlist%>%str_c(collapse = y)
   
     
     
     
  title=list.map(xt,title)%>%unlist%>%str_c(collapse = y)
   
     
     
     
  re = funx(x)
   
     
     
     
  return(list(lang_from=x,Eng=re$lang_to,lower=lower,title=title,upper=upper))
   
     
     
     
}
  
    
    
    

测试

  
    
    
    

   
     
     
     
test1='我正在学习R语言'
   
     
     
     
test2='南京市长江大桥欢迎你'
   
     
     
     

   
     
     
     
funa(test1,' ')
   
     
     
     
funa(test2,' + ')
  
    
    
    

  
    
    
    

   
     
     
     
ciba('中国')
  
    
    
    

推荐阅读

微课|lattice:条形图

微课|lattice：直方图

趣事分享 | python与微信

基于R语言对《平凡的世界》人物进行挖掘

《春风十里不如你》人物关系挖掘

Python微课：用Python验证你的策略吧！——Zipline回测

Python微课：教你如何正确使用Python表白

Python微课 | Seaborn——Python优雅绘图（上）

Python微课 | Seaborn——Python优雅绘图（下）

【统计思想之终】——莫愁前路无知己，天下谁人不识君。

跟我学R爬虫|HTML基础与R语言解析

跟我学R爬虫|XML&XPath表达式与R爬虫应用

易图秒懂の机器学习诞生 奠基篇

易图秒懂の深度学习诞生 问题篇

易图秒懂の深度学习诞生 发展篇

更多微课请关注【数萃大数据】公众号，点击学习园地—可视化

欢迎大家关注微信公众号：数萃大数据

课程公告

网络爬虫与文本挖掘培训班【宁波站】

时间：2017年9月23日-25日

地点：维也纳国际酒店（机场店）

更多详情，请扫描下面二维码