Python：用CJKLIB把汉字转换成拼音

Question

我试着把一堆汉字转换成拼音，从一个文件中读出汉字，然后把拼音写进另一个文件。我正在使用CJKLIB函数来完成此操作。在

这是密码

from cjklib.characterlookup import CharacterLookup

source_file = 'cities_test.txt'
dest_file = 'output.txt'

s = open(source_file, 'r')
d = open(dest_file, 'w')

cjk = CharacterLookup('T')

for line in s:
    p = line.split('\t')
    for p_shard in p:
        for c in p_shard:
            readings = cjk.getReadingForCharacter(c.encode('utf-8'), 'Pinyin')
            d.write(readings[0].encode('utf-8'))
        d.write('\t')
    d.write('\n')

s.close()
d.close()

我的问题是我一直遇到与Unicode相关的错误，当我调用getReadingForCharacter函数时，就会出现错误。如果我按原样说的话

^{pr2}$

我得到：UnicodeDecodeError:'ascii'编解码器无法解码0位置的字节0xef：序号不在范围（128）。在

如果我这样称呼它，没有.encoding()

readings = cjk.getReadingForCharacter(c, 'Pinyin')

我得到了一个由sqlalchemy抛出的错误（CJKLIB使用sqlalchemy和sqlite）：除非使用能够解释8位bytestrings的文本工厂，否则不能使用8位bytestrings。。。等等

有人能帮我吗？谢谢！在

哦，还有没有办法让CJKLIB不带任何音调地返回拼音？我想在默认情况下，它会用这些奇怪的字符返回拼音来表示音调，我只希望字母没有这些音调。在

Answer 1

你的错误是你没有解码输入流，但你却在转身，把它重新编码，就好像它是UTF-8一样。那是走错了路。在

你有两个选择。在

您可以codecs.open使用显式编码的输入文件，这样每当您从中读取时，总是会得到常规的Unicode字符串，因为解码是自动的。这一直是我强烈的偏好。再也没有文本文件了。在

另一种选择是在将二进制字符串传递给函数之前手动解码它。我讨厌这种风格，因为它几乎总是表明你做错了什么，即使它没有，它也很笨拙，因为大家都出去了。在

我会对输出文件做同样的事情。我只是讨厌看到到处都是.encode("utf-8")和{}。设置流编码并完成它。在