SudachiPyで発音を取得【Python】

概要

Sudachiで発音を取得する関数を作りました。

背景

形態素解析ライブラリのうちMeCabでは発音を取得できますが、Sudachiでは「読み」のみで発音は取得できません。
そこで「読み」の結果を少し調整して、発音（っぽい文字列）を取得する関数を作りました。

実装

ライブラリをインストールします。
辞書はなんでもよいですが、今回はfullでやってみます。

pip install sudachipy
pip install sudachidict_full

関数を作ります。以下がポイントです。

• 表層系、読み、品詞はそれぞれsurface、reading_form、part_of_speechメソッドで取得可能
• 記号の発音は取得しない。品詞が「補助記号」かどうかで判定
• 助詞の「は」「へ」は「ワ」「エ」になおす

from sudachipy import tokenizer
from sudachipy import dictionary

tokenizer_obj = dictionary.Dictionary(dict="full").create()
mode = tokenizer.Tokenizer.SplitMode.A

def get_word_pronunciation(text):
  tokens = tokenizer_obj.tokenize(text ,mode)
  prons = []
  for token in tokens:
    pron, surface, pos = token.reading_form(), token.surface(), token.part_of_speech()[0]
    if pos == "補助記号": #記号は発音しないので結果に含めない
      continue  
    if surface == "は" and pos == "助詞": #助詞の「は」は「わ」になおす
      pron = "ワ"
    elif surface == "へ" and pos == "助詞": # 助詞の「へ」は「え」になおす
      pron = "エ"
    prons.append(pron)
  return prons

print(get_word_pronunciation("吾輩は猫であるaseaewf123。「どこへ」いきますか"))

['ワガハイ', 'ワ', 'ネコ', 'デ', 'アル', 'aseaewf', 'イチニサン', 'ドコ', 'エ', 'イキ', 'マス', 'カ']