Инструмент преобразования пиньинь

Конвертер пиньиня преобразует китайские иероглифы в Hanyu Pinyin — официальную систему романизации стандартного мандаринского. Пиньинь показывает произношение, тоны и структуру слогов, поэтому полезен в изучении языка, словарях, учебных материалах, транслитерации имен, сортировке, методах ввода и подготовке данных. Инструмент может показывать тоны диакритикой, цифрами или без тонов, а также менять разделители и регистр. Главная граница — неоднозначность: многие иероглифы имеют несколько чтений, а правильное произношение часто зависит от контекста слова. Имена, термины, диалектные и исторические тексты нужно проверять вручную. Особенно это важно для учебных материалов и публичных списков имен. Для формального использования нужно явно фиксировать исходную единицу, правило округления и требуемую точность.

Основная сложность конвертации китайского в пиньинь — многозначные иероглифы (полифоны): один и тот же иероглиф может иметь разные чтения в разных словах, например «чжун» читается zhong4 в «zhongyao» (важно), но chong2 в «chongfu» (повторять); «син» читается hang2 в «yinhang» (банк), но xing2 в «xingzou» (идти). Наивный поиск по отдельным иероглифам даёт много ошибок, поэтому современные инструменты используют стратегию «словарь в первую очередь, запасной вариант — одиночный иероглиф». Этот инструмент построен на библиотеке pinyin-pro, содержащей сотни тысяч словарных записей. При обработке текста сначала выполняется токенизация алгоритмом最长совпадения; слова, найденные в словаре, используют словарное чтение, а оставшиеся одиночные иероглифы подставляют наиболее частое чтение из таблицы одиночных символов. Для слов, содержащих «yi» (один), также применяются правила перестановки тонов: «yi» читается yi2 перед символом 4-го тона, yi4 перед другими тонами и yi1 в отдельном употреблении. Существует два способа отображения тонов: знаки тонов (a, a, a, a) пишутся непосредственно над гласной и наиболее читабельны; номера тонов (a1, a2, a3, a4) ставятся в конце пиньиня и удобны для передачи и хранения в ASCII-символах. В структуре пиньиня: пиньинь = инициаль (23 штуки, напр. b, p, m, f) + финаль (24 штуки, напр. a, o, e, ai) + тон (4 + нейтральный), и их можно разделить для обучения и индексации. Hanyu Pinyin — официальная система романизации КНР, опубликованная в 1958 году. Более старые или альтернативные системы включают Wade-Giles (напр. Beijing как «Pei-ching»), почтовую романизацию («Peking») и Чжуинь/Бопомофо (ㄅ ㄆ ㄇ ㄈ), используемые на Тайване. Они всё ещё встречаются в именах собственных, исторических документах и традиционных изданиях, но повседневное использование доминирует за Hanyu Pinyin.

• Используется стратегия «словарь в первую очередь, запасной вариант — одиночный иероглиф»: чтения многозначных иероглифов ищутся по слову, затем для одиночных символов подставляется наиболее частое чтение.
• pinyin-pro содержит сотни тысяч словарных записей, покрывающих случаи многозначных иероглифов для подавляющего большинства повседневной лексики.
• Знаки тонов (a) наиболее читабельны; номера тонов (a1) удобнее для хранения и передачи — две формы можно конвертировать друг в друга.
• Правила перестановки тонов для «yi» и «bu», а также эрхуизация (ретрофлексия) и нейтральный тон применяются автоматически по фонетическим правилам точнее, чем простая табличная подстановка.
• Пиньинь можно разделить на инициаль + финаль + тон для поддержки различных сценариев: аннотация, поисковая индексация и обучение.
• Hanyu Pinyin, Wade-Giles и Чжуинь — разные системы романизации из разных периодов и регионов; они не взаимозаменяемы.