PaddleSpeech/third_party/python-pinyin/pinyin-data

pinyin-data

汉字拼音数据。

数据介绍

拼音数据的格式：

{code point}: {pinyins}  # {hanzi} {comments}

• 以 # 开头的行是注释，行内 # 后面的字符也是注释

• {pinyins} 中使用逗号分隔多个拼音

• 示例：

    # 注释
    U+4E2D: zhōng,zhòng  # 中
  

Unihan Database 数据版本：

Date: 2020-02-18 18:27:33 GMT [JHJ]
Unicode version: 13.0.0

• kTGHZ2013.txt: Unihan Database 中 kTGHZ2013 部分的拼音数据（来源于《通用规范汉字字典》的拼音数据）
• kHanyuPinyin.txt: Unihan Database 中 kHanyuPinyin 部分的拼音数据（来源于《漢語大字典》的拼音数据）
• kXHC1983.txt: Unihan Database 中 kXHC1983 部分的拼音数据（来源于《现代汉语词典》的拼音数据）
• kHanyuPinlu.txt: Unihan Database 中 kHanyuPinlu 部分的拼音数据（来源于《現代漢語頻率詞典》的拼音数据）
• kMandarin.txt: Unihan Database 中 kMandarin 部分的拼音数据（普通话中最常用的一个读音。zh-CN 为主，如果 zh-CN 中没有则使用 zh-TW 中的拼音）
• kMandarin_overwrite.txt: 手工纠正 kMandarin.txt 中有误的拼音数据（可以修改）
• GBK_PUA.txt: Private Use Area 中有拼音的汉字，参考 GB 18030 - 维基百科，自由的百科全书 （可以修改）
• nonCJKUI.txt: 不属于 CJK Unified Ideograph 但是却有拼音的字符（可以修改）
• kanji.txt: 日本自造汉字 的拼音数据 （可以修改）
• kMandarin_8105.txt: 《通用规范汉字表》(2013 年版)里 8105 个汉字最常用的一个读音 (可以修改)
• overwrite.txt: 手工纠正的拼音数据（可以修改）
• pinyin.txt: 合并上述文件后的拼音数据
• zdic.txt: 汉典网 的拼音数据（可以修改）

修改数据

• 上面标注了 可以修改 字样的文件都可以直接修改
• 如果汉字的拼音不需要修改，只是调整第一个读音的话，可以直接修改 kMandarin_8105.txt 这个文件
• 执行 merge_unihan 命令可以按照合并规则生成最新的 pinyin.txt 文件
• 进入 unihan 目录，执行 make update 命令可以更新最新的 Unihan 数据

参考资料

• 汉语拼音方案
• Unihan Database Lookup
• 汉典 zdic.net
• 字海网，叶典网
• 国学大师_国学网
• Unicode、GB2312、GBK和GB18030中的汉字
• GB 18030 - 维基百科，自由的百科全书
• 通用规范汉字表 - 维基百科，自由的百科全书
• China’s 通用规范汉字表 (Tōngyòng Guīfàn Hànzìbiǎo)
• 日本汉字的汉语读音规范
• 日本汉字的汉语普通话规范读音表- 维基百科
• 漢語大字典（第二版）

相关项目

• mozillazg/phrase-pinyin-data: 词语拼音数据