Python中如何拆分韩语音节为单个基础谚文字符？

要把韩语音节拆分成对应的辅音、元音和收音，不能直接用[*syllable]（单个韩语音节是独立Unicode字符，拆分会返回自身），得利用韩语字符的编码规则解析：

解决方案代码 #

# 定义韩语初声（辅音）、中声（元音）、终声（收音）列表
initial_consonants = ['ㄱ', 'ㄲ', 'ㄴ', 'ㄷ', 'ㄸ', 'ㄹ', 'ㅁ', 'ㅂ', 'ㅃ', 'ㅅ', 'ㅆ', 'ㅇ', 'ㅈ', 'ㅉ', 'ㅊ', 'ㅋ', 'ㅌ', 'ㅍ', 'ㅎ']
vowels = ['ㅏ', 'ㅐ', 'ㅑ', 'ㅒ', 'ㅓ', 'ㅔ', 'ㅕ', 'ㅖ', 'ㅗ', 'ㅘ', 'ㅙ', 'ㅚ', 'ㅛ', 'ㅜ', 'ㅝ', 'ㅞ', 'ㅟ', 'ㅠ', 'ㅡ', 'ㅢ', 'ㅣ']
final_consonants = ['', 'ㄱ', 'ㄲ', 'ㄳ', 'ㄴ', 'ㄵ', 'ㄶ', 'ㄷ', 'ㄹ', 'ㄺ', 'ㄻ', 'ㄼ', 'ㄽ', 'ㄾ', 'ㄿ', 'ㅀ', 'ㅁ', 'ㅂ', 'ㅄ', 'ㅅ', 'ㅆ', 'ㅇ', 'ㅈ', 'ㅊ', 'ㅋ', 'ㅌ', 'ㅍ', 'ㅎ']

def split_hangul_syllable(syllable):
    # 检查输入是否为单个韩语音节
    if len(syllable) != 1 or not ('가' <= syllable <= '힣'):
        return [syllable]
    
    # 计算字符编码偏移量
    code_offset = ord(syllable) - ord('가')
    # 拆分各音素的索引
    initial_idx = code_offset // (21 * 28)
    vowel_idx = (code_offset % (21 * 28)) // 28
    final_idx = code_offset % 28
    
    # 组装结果列表
    parts = [initial_consonants[initial_idx], vowels[vowel_idx]]
    if final_consonants[final_idx]:
        parts.append(final_consonants[final_idx])
    return parts

# 测试示例
example = '만들다'
print(split_hangul_syllable(example[-2]))  # 输出: ['ㄷ', 'ㅡ', 'ㄹ']

原理说明 #

韩语音节（如들）在Unicode中是单个复合字符，范围为U+AC00（가）到U+D7AF（힣），每个音节由**初声（辅音）、中声（元音）、终声（收音，可选）**组成：

1. 用字符编码减去가的编码，得到偏移量
2. 通过数学运算拆分出三个音素的索引
3. 从预设的音素列表中取出对应字符，组装成结果

如果需要批量拆分整个字符串的所有音节，可再封装一个函数：

def split_hangul_string(s):
    result = []
    for char in s:
        result.extend(split_hangul_syllable(char))
    return result

print(split_hangul_string('만들다'))  # 输出: ['ㅁ', 'ㅏ', 'ㄴ', 'ㄷ', 'ㅡ', 'ㄹ', 'ㄷ', 'ㅏ']

内容的提问来源于stack exchange，提问作者Francisco García Barrada