c++ - 将韩语单词分割成单个音节 - C++/Python

Question

我正在尝试将韩语字符串分割成单个音节。所以输入将是一个字符串，如“서울특별시”，结果是“서”，“울”，“특”，“별”，“시”。我曾尝试使用 C++ 和 Python 对字符串进行分段，但结果是一系列的 ?或空格(但是字符串本身可以在屏幕上正确打印)。在 C++ 中，我首先将输入字符串初始化为 string korean="서울특별시"，然后使用 string::iterator 遍历字符串并打印每个单独的组件。在 Python 中，我刚刚使用了一个简单的 for 循环。

我想知道是否有解决这个问题的方法。谢谢。

Answer 1

我根本不懂韩语，也无法评论音节的划分，但在 Python 2 中，以下工作:

# -*- coding: utf-8 -*- 
print(repr(u"서울특별시"))
print(repr(u"서울특별시"[0]))

输出:

u'\uc11c\uc6b8\ud2b9\ubcc4\uc2dc'
u'\uc11c'

在 Python 3 中，您不需要 u 来表示 Unicode 字符串。

输出是字符串中字符的 unicode 值，这意味着在这种情况下字符串已被正确分割。我用 repr 打印它们的原因是我使用的终端中的字体不能代表它们，所以没有 repr 我只能看到方框。但这纯粹是一个渲染问题，repr 证明数据是正确的。

因此，如果您从逻辑上知道如何识别音节，那么您可以使用 repr 查看您的代码实际做了什么。 Unicode NFC 听起来很适合实际识别它们(感谢 R. Martinho Fernandes)，unicodedata.normalize() 是实现这一点的方法。