汉字转拼音小程序——Python版

首先说明，我不是计算机专业的！我是学油藏工程的（石油工程专业方向之一），大学毕业后一直从事石油开发地质专业的工作。石油领域内前期的地震资料处理，中期的开发地质研究，以及后期的油藏数值模拟和动态分析都需要处理大量的数据，当然石油工程中再后期，就是采油工程和储运工程等方面了，这些不需要处理大量数据。钻井工程贯穿于整个油田开发过程，无论是什么阶段，都需要钻井，当然钻井的数据分析量相对也小一些。这里我要说明的是，我做的工作主要针对的是石油开发地质（油藏建模领域）。

就在这个周末，有个朋友做油藏建模工作（油藏建模其实就是利用各种数据，把地下模型通过计算机软件反映出来，帮助分析地下油藏分布情况），在建模的过程中，他所使用的建模软件是不认识中文字符的（目前主流的油藏建模软件都是国外的），所以就面临一个整理数据的问题，数据量很大，有两千多个文件。（这里说的是井的资料，在东部油田，井很多，一个区块有上千口井很正常，每口井都会有测井资料，其实就是一个很大的文本文件）

拿一个文件举例，文件名为“西1-8-1.las”，这是油田上经常用的一种标准格式，我们称为las文件（扩展名为las，音：辣斯），用普通的文本编辑器可以打开，如下图：



数据处理的要求很简单，就是把文件按的名字和文件内的汉字，转换为拼音并只保留首字母，而且是大写的。

也就是说，处理后文件名应为“X1-8-1.las”，文件的内容应该如下图：



其实每个文件需要修改的地方就这么一点点，可是由于文件数目太多，所以我利用Python，写了一个自动转换的工具。当然由于大部分人都是在Windows系统上操作，所以我在调用系统命令的时候，完全采用的是DOs命令方式。

首先，针对一个文件，写了一个文件，名称为convert.py

内容如下：



这个文件中，从第7行开始到第20916行（常用汉字2W多个，生僻字在这里不太管用了），就是一个Python的字典，其实就是一个哈希表，键值是Unicode码，键值对应的内容就是汉字的拼音，如下：



…………………………

文件中的其余部分就是读取参数（参数是las文件名），然后在文件中按照每行读取，然后每读取一行，就在一行中寻找汉字，并替换为拼音的第一个字母并大写。

这个文件搞定后，就开始写另一个脚本，名为search.py，这个脚本是专门用于搜索当前文件夹中给定扩展名的文件，如下：



这个文件就是读取扩展名，然后把搜索到的文件名放入一个名为tempfile的文件中。

最后就是写一个自动生成批处理文件的脚本，如下：



运行后，会自动生成run.bat文件，然后双击run.bat就能进行批处理了。

前提条件：机子上安装了Python3.1版本，且安装路径为默认路径（在Windows上，Python都安装在系统盘根目录下，默认为C：/Python31）

我们来看个例子，我们用两个文件举例。假如我们要修改2个las文件，那么首先我把这个2个las文件放置到一个文件夹中（文件夹名称为英文字母，无空格）：



第一步，将三个脚本文件复制到这个文件夹：



首先双击search.py，要求输入搜索文件的扩展名，输入las，运行后会出现一个tempfile文件，用文本编辑器打开，可以看到就是一个文件列表，如下：





其次，双击run.py，这个时候就会生成一个run.bat的批处理文件：



批处理文件的内容很简单，如下：



最后，双击运行这个run.bat就可以了，会自动生成我们想要的文件：



生成的文件名字得到了我们想要的结果，打开文件，内部也是我们想要的结果，如图：



有的朋友可能担心有些汉字的音同字不同，这样就会产生相同的结果了，其实这个问题可以不必担心，油田在钻井过程中，为每口井命名都是有一定规律的，不会出现这种情况。

这里主要为了阐述，Python3.0以后的版本全部是Unicode字符，所以对中文的处理还是比较方便的。