Python 获得汉字笔画

标签：index   映射   def   int   包括   open   strip()   data   art   

通过unihan的文件来实现。
只要是unihan中有kTotalStrokes字段，获取起笔画数。
Hash也是非常简单清楚的，但想到这些unicode其实会有一个分布规律，就记录了一下，
利用此性质通过数组方式来获取笔画。

记录了一下unicode的范围
start: [13311, 19968, 63744, 131072, 173824, 177984, 178208, 194995]
end : [19893, 40917, 64045, 173782, 177972, 178205, 183969, 194998]

总共包括80682个存在笔画数的unicode码，包含CJKV。
64045-131072中间都没有此字段，就分了两部分。

此处使用python3 Demo实现，原理非常简单：使用数组保持笔画，将unicode映射到数组index，即可获取对应笔画数

def get_stroke(c):
    # 如果返回 0, 则也是在unicode中不存在kTotalStrokes字段
    strokes = []
    with open(strokes_path, ‘r‘) as fr:
        for line in fr:
            strokes.append(int(line.strip()))

    unicode_ = ord(c)

    if 13312 <= unicode_ <= 64045:
        return strokes[unicode_-13312]
    elif 131072 <= unicode_ <= 194998:
        return strokes[unicode_-80338]
    else:
        print("c should be a CJK char, or not have stroke in unihan data.")
        # can also return 0

strokes_path: https://github.com/helmz/Corpus/blob/master/zh_dict/strokes.txt
"按照unicode顺序排列的笔画数"

Python 获得汉字笔画

标签：index   映射   def   int   包括   open   strip()   data   art   

原文地址：https://www.cnblogs.com/Comero/p/8997585.html