正規表示式 - 請問用 Python 如何匹配漢語拼音？

Question

例如用正規表示式配對出 shá 這個拼音。
ps:之前說的可能不明確，我用了「 例如」 兩字哈，就是待處理文本裡有拼音，但是不知道具體拼音是什麼，需要找出這些拼音，待處理文本會有中文、拼音、符號（，。：之類的），所以請不要回答諸如re.search(u'shá',text) 要正則哈，不是簡單固定的字串。 。 。

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)

配對結果：
['ís', 'à', 'pìnyin', 'abóut', 'shá']
沒有符合第一個Thǐs，因為預設拼音都是小寫，排除了大寫。

Answer 2

你是要搭配所有合法的拼音嗎？

如果是，你去找字典的拼音索引，把裡邊的所有拼音全部 | 到一起就可以了。也只能這樣，因為拼音不是根據正則，或者其它某種機械的規則定義出來的。你想不漏又不多就只能這樣了，反正也沒多少個。

Answer 3

雷雷