将韩语单词分割成单独的音节 - C++/Python

Segment a korean word into individual syllables - C++/Python

本文关键字：C++ Python 韩语单 分割 单独      更新时间：2023-10-16

我正在尝试将韩语字符串分割成单独的音节。因此，输入将是一个字符串，如"서울특별시"和结果"서"，"울"，"특"，"별"，"시"。我已经尝试使用 C++ 和 Python 来分割字符串，但结果是一系列 ？或空格（但是字符串本身可以正确打印在屏幕上）。在 c++ 中，我首先将输入字符串初始化为 string korean="서울특별시"，然后使用string::iterator遍历字符串并打印每个单独的组件。在Python中，我刚刚使用了一个简单的for循环。

我想知道是否有解决这个问题的方法。谢谢。

我根本不懂韩语，也无法评论音节的划分，但在 Python 2 中，以下内容有效：

# -*- coding: utf-8 -*- 
print(repr(u"서울특별시"))
print(repr(u"서울특별시"[0]))

输出：

u'uc11cuc6b8ud2b9ubcc4uc2dc'
u'uc11c'

在 Python 3 中，你不需要 Unicode 字符串的u。

输出是字符串中字符的 unicode 值，这意味着在这种情况下字符串已被正确切割。我用repr打印它们的原因是我使用的终端中的字体无法代表它们，因此没有repr我只会看到方框。但这纯粹是一个渲染问题，repr表明数据是正确的。

因此，如果您从逻辑上知道如何识别音节，那么您可以使用repr来查看您的代码实际做了什么。Unicode NFC听起来像是实际识别它们的好候选者（感谢R. Martinho Fernandes），unicodedata.normalize()是实现这一目标的方法。

相关文章：