HTML中多音字标注必须结合上下文识别,不能用正则直接替换,否则会因忽略语义歧义和HTML标签结构导致错误;需用html.parser解析DOM,仅处理纯文本节点,依据前后缀规则匹配轻量词典实现安全标注。

HTML中多音字标注不能靠简单字符串替换解决,必须结合上下文识别,否则会把“银行”的“行”标成 xíng,或把“行走”的“行”标成 háng。
为什么正则直接替换多音字会出错
多音字本质是语义歧义问题,不是文本模式问题。用 re.sub(r"行", "xíng", text) 这类写法,不管上下文,必然翻车。
- “银行” → “银xíng”(错误,应为 háng)
- “行走” → “走xíng”(正确,但无法保证)
- HTML 中还夹杂标签,比如
行,正则若没排除标签内容,可能误改结构 - 同一汉字在不同 或
里语义不同,需分块判断用 Python + 简单词典做上下文感知替换
不依赖大模型,用轻量词典+前后缀规则,在 HTML 文本中安全标注。核心思路:只处理纯文本节点,跳过标签、属性、注释。
DeepBI DHTML 页面生成器下载生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面,使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力: - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面; - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”; - 提及位于 `apps/console/src/featur
- 用
html.parser(标准库)解析 HTML,遍历Text类型节点 - 对每个文本片段,按字扫描,遇到多音字时,检查前 2 字 + 后 2 字是否匹配预设词缀
- 示例逻辑:
"行"前面是"银"或"航"→ 选hang2;前面是"走"或"进"→ 选xing2 - 标注格式统一用数字标调(如
hang2),避免符号标调在 HTML 中被转义或渲染异常
关键代码片段:
open(file).read()
- 务必用
chardet或charset-normalizer先探测编码,再用对应编码读取 —— 不要硬写encoding="utf-8" - 含
<script></script>或的文件,其内部文本不应被标注,需在 parser 中跳过这些标签内容 - 替换后生成新 HTML 时,保留原始
声明,避免浏览器解析错乱 - 建议加 dry-run 模式:先输出变更行数和样例,确认无误再写入文件
真正难的不是标出拼音,而是让“银行”和“行走”在同一个 HTML 文件里各自标对 —— 这要求你放弃全局查找替换,转向基于 DOM 片段的上下文判断。工具可以轻量,逻辑不能偷懒。
- 用
前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!










