正则表达式 - 请问用 Python 如何匹配汉语拼音？

Question

比如用正则表达式匹配出 shá 这个拼音。
ps:之前说的可能不明确，我用了 “ 比如 ” 两字哈，就是待处理文本里有拼音，但是不知道具体拼音是什么，需要找出这些拼音，待处理文本会有 中文、拼音、符号（，。：之类的），所以请不要回答诸如re.search(u'shá',text) 要正则哈，不是简单固定的字符串。。。

Answer 1

import re
regex = re.compile(r'\b[a-z]*[āáǎàōóǒòêēéěèīíǐìūúǔùǖǘǚǜüńňǹɑɡ]+[a-z]*\b')
text = "Thǐs ís à pìnyin abóut shá"
m = regex.findall(text)
print(m)

匹配结果：
['ís', 'à', 'pìnyin', 'abóut', 'shá']
没有匹配第一个Thǐs，因为默认拼音都是小写，排除了大写。

Answer 2

你是要匹配所有合法的拼音吗？

如果是，你去找个字典的拼音索引，把里边的所有拼音全部 | 到一起就可以了。也只能这样，因为拼音不是根据正则，或者其它某种机械的规则定义出来的。你想不漏又不多就只能这样了，反正也没多少个。

Answer 3

雷雷