mecab text cleaner

Limpiadora de texto de mecab

Este es un paquete simple de Python para obtener lecturas japonesas (Yomigana) y acentos usando MECAB. También considere usar pyopenjtalk (sin acentos) o pyopenjtalk_g2p_prosody (ESPNet) (con acentos), ya que este paquete no tiene en cuenta los cambios de acento en las palabras compuestas.

Instalación

Instale esto a través de PIP o PIPX (o su Administrador de paquetes favorito):

pipx install mecab-text-cleaner[unidecode,unidic]

pip install mecab-text-cleaner[unidecode,unidic]

Uso

 > mtc いい天気ですね。
イ]ー テ]ンキ デス ネ。
> mtc いい天気ですね。 --ascii
i] te]nki desu ne.
> mtc いい天気ですね --no-add-atype --no-add-blank-between-words
イーテンキデスネ
> mtc いい天気ですね --no-add-atype --no-add-blank-between-words -r kana
イイテンキデスネ

 from mecab_text_cleaner import to_reading , to_ascii_clean

assert to_reading ( "     空、雲。 n雨！（" ) == "ソ]ラ、 ク]モ。 nア]メ！（"
assert to_ascii_clean ( "      한空、雲。 n雨！（" ) == "han so]ra, ku]mo. n a]me!(" 

Colaboradores

Gracias a estas maravillosas personas (Key Emoji):

Este proyecto sigue la especificación de todos los contribuyentes. ¡Contribuciones de cualquier tipo bienvenido!