/pinyin-data

汉字拼音数据

Primary LanguagePythonMIT LicenseMIT

pinyin-data Build Status

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

拼音文件介绍：

  • 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）
  • cc_cedict.txt: 根据 cc-cedict.org 的词语拼音数据生成的单个汉字拼音数据

Unihan Database 数据版本：

Date: 2023-07-15 00:00:00 GMT [KL]

Unicode version: 15.1.0

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

相关项目