python实现全角半角的相互转换-低调大师

python实现全角半角的相互转换

2017-10-03 724

缘起

在自然语言处理过程中，全角、半角的的不一致会导致信息抽取不一致，因此需要统一。

转换说明

全角半角转换说明

有规律（不含空格）：

全角字符unicode编码从65281~65374 （十六进制 0xFF01 ~ 0xFF5E）
半角字符unicode编码从33~126 （十六进制 0x21~ 0x7E）

特例：
空格比较特殊，全角为 12288（0x3000），半角为 32（0x20）

除空格外，全角/半角按unicode编码排序在顺序上是对应的（半角 + 0x7e= 全角）,所以可以直接通过用+-法来处理非空格数据，对空格单独处理。

注：

1. 中文文字永远是全角，只有英文字母、数字键、符号键才有全角半角的概念,一个字母或数字占一个汉字的位置叫全角，占半个汉字的位置叫半角。

2. 引号在中英文、全半角情况下是不同的

参考代码

# -*- coding: cp936 -*-
def strQ2B(ustring):
    """全角转半角"""
    rstring = ""
    for uchar in ustring:
        inside_code=ord(uchar)
        if inside_code == 12288:                              #全角空格直接转换            
            inside_code = 32 
        elif (inside_code >= 65281 and inside_code <= 65374): #全角字符（除空格）根据关系转化
            inside_code -= 65248

        rstring += unichr(inside_code)
    return rstring
    
def strB2Q(ustring):
    """半角转全角"""
    rstring = ""
    for uchar in ustring:
        inside_code=ord(uchar)
        if inside_code == 32:                                 #半角空格直接转化                  
            inside_code = 12288
        elif inside_code >= 32 and inside_code <= 126:        #半角字符（除空格）根据关系转化
            inside_code += 65248

        rstring += unichr(inside_code)
    return rstring



b = strQ2B("ｍｎ123abc博客园".decode('cp936'))                           
print b

c = strB2Q("ｍｎ123abc博客园".decode('cp936'))                           
print c

执行结果

库函数说明

chr()函数用一个范围在range（256）内的（就是0～255）整数作参数，返回一个对应的字符。
unichr()跟它一样，只不过返回的是Unicode字符。

ord()函数是chr()函数（对于8位的ASCII字符串）或unichr()函数（对于Unicode对象）的配对函数，它以一个字符（长度为1的字符串）作为参数，返回对应的ASCII数值，或者Unicode数值。

案例

本文转自jihite博客园博客，原文链接：http://www.cnblogs.com/kaituorensheng/p/3554571.html，如需转载请自行联系原作者

微信关注我们

原文链接：https://yq.aliyun.com/articles/344140

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

自然语言处理多任务学习目标

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud 在之前的博文中，我讨论了如何利用相关任务提高多任务学习（MTL）模型的性能。在此之前，我们需要了解一下到底什么是多任务学习。多任务学习是和单任务学习相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，而多任务学习是一种联合学习，多个任务并行学习，结果相互影响。简单来说，就是同时求解多个问题。例如我们经常探讨的“千人千面”这种个性化问题，就是一种典型的多任务学习问题，它可以同时学习多个用户的兴趣偏好。多任务学习（MTL）主要是由两个部分组成：a）用于任务学习的架构、b）训练相关的辅助任务。而且这两个方面仍有很大的改进空间。此外，多任务学习有可能成为从有限数据中训练更强大的模型的关键技术：训练得到的模型可以执行更广泛的NLP任

2017-10-02

775

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud 机器学习中，我们总是要先将源数据处理成符合模型算法输入的形式，比如将文字、声音、图像转化成矩阵。对于文本数据首先要进行分词（tokenization），移除停止词（stop words），然后将词语转化成矩阵形式，然后再输入机器学习模型中，这个过程称为特征提取（feature extraction）或者向量化（vectorization）。本文会教你使用Scikit-Learn机器学习库中的三种模型来实现这一转化过程，包括CountVectorizer, TfidfVectorizer, HashingVectorizer。词袋模型在将文本数据进行分词操作以后，有两种处理方法，一种是做句法分析，另一种是对这些词从统计学上进行分析，即词袋模型（Bag-of-Words Model, BoW）。词袋模型将文档看成一个袋子，里面装着文档中的词汇表。词袋模型剔除了一些对于统计模型没有意义的词，即停止词，比如那些出现频率高的连词，介词。这些停止词在自然语言中起到很重要的连接作用，和词序一起构成了合乎文...

2017-10-03

885

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。