上大学的时候在CSDN发的文章，突然有人联系我要源代码，顺便就发到这个平台分享一下）

咱直接进入正题吧！下面这个程序是我一个老师做研究，用到python来把韩文拆分。老师让我帮他做的。因为自己 所以拿出来分享一下。

首先呢！ 参考这个“韩文的unicode范围及应用”文章。（为了方便，下面分隔线内是这个文章的内容）

韩文的unicode范围

韩文字母 (1100–11FF) 10进制4352-4607 韩文兼容字母 (3130-318F) 10进制12592-12687 韩文音节 (AC00-D7AF) 10进制44032-55215 目前电脑可显示AC00-D7A3 10进制44032-55203 韩文字母扩展A (A960-A97F) 10进制43360-43391 韩文字母扩展B (D7B0-D7FF) 10进制55216-55295

通常用下面这段javascript正则表达式即可验证是否韩文: /^([\uAC00-\uD7AF])*$/gi

韩文是立体化的拼音,虽然像字,但却不是字,和日本平假名,片假名相同 韩文音节unicode计算公式(10进制): [{(子音)×588}+{(母音)×28}+(韵尾)]+44032 子音/声母/初声 ? 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 ? 11 ? 12 ? 13 ? 14 ? 15 ? 16 ? 17 ? 18 母音/韵母/中声 ? 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 ? 11 ? 12 ? 13 ? 14 ? 15 ? 16 ? 17 ? 18 ? 19 ? 20 韵尾/终声 无韵尾 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 ? 11 ? 12 ? 13 ? 14 ? 15 ? 16 ? 17 ? 18 ? 19 ? 20 ? 21 ? 22 ? 23 ? 24 ? 25 ? 26 ? 27

例子 “?” 的 Unicode: 子音 ? 值为 18 母音 ? 值为 0 韵尾 ? 值为 4 根据公式计算 {(18×588)+(0×28)+4}+44032=54620 即?的unicode编码是54620(10进制), ? 或者是 U+D55C (标准unicode16进制标记法)

其次，因为这个这个只针对现代韩文是有效的。对很古老的韩文是无法拆分的。所以单独地，对古代韩文的拆分是放在一个txt文件中的。存放方式如下

程序思路如下：

1.先从古代韩文txt文件中读取所有的古韩文和其对应的分解，然后存放在一个字典中；

代码如下:

在这里，之所以用utf-8编码打开是因为我当时存古韩语和其分解的时候是用utf-8编码存放的。

2.从一个文件夹中读取所有的以utf-16编码的txt文件；

3.读取一个文件的一行，再对每一个字符进行处理；

如果是古代韩文，通过从先前得到的字典中查找返回相应的分解。如果是现在使用的韩文字符，通过参考文章http://www.ch2ko.com/hanguoyu/hanwen-unicode/来处理的。如果是其它字符，返回原字符。

4.得到的每一个字符的分解存放在一个临时的行temp_line中（初始为空），处理完每一个行，把temp_line加到每个文件字符串temp_file_string中（初始为空）。

5.处理完一个文件后把结果存储为一个新文件，一行分解，下一行原文的方式。

如下图

程序代码如下

#dividing_test.py
#coding:utf-8
 
import codecs
import glob
import codecs
import os
 
first_parts=("?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?")
second_parts=("?", "?", "?", "?", "?", "?", "?", "?", "?", "??", "??", "??", "?", "?", "??", "??", "??", "?", "?", "??", "?")
third_parts=("", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?", "?")
def divide_korean(temp_string):
 temp_string_value=ord(temp_string)
 part_1=(temp_string_value - 44032) // 588
 part_2=(temp_string_value - 44032 - part_1 * 588) // 28
 part_3=(temp_string_value - 44032 ) % 28
 return first_parts[part_1] + second_parts[part_2] + third_parts[part_3]
 
 
 
old_korean_dictionary={}
read_file=codecs.open("old_korean_dictionary.txt", 'r', encoding="utf-8")
for each_line in read_file:
 old_korean, dividing_parts=each_line.split()
 old_korean_dictionary[old_korean]=dividing_parts
 
 
# wriet string to txt file
def write_string_to_file(temp_str, file_name):
 #the encoding must be same with the str
 file_object=open(file_name, 'w', encoding="utf-16") 
 file_object.write(temp_str) 
 file_object.close()
 
 
data_files=glob.glob(os.getcwd() + "/test_data/*.txt")
print ("the result files save in the " + os.getcwd())
for each_file in data_files:
 print (each_file + "-"*5 + ">dealing") #begin to deal file
 with codecs.open(each_file, 'r', encoding="utf-16") as read_file:
 temp_file_string=""
 for each_line in read_file:
 if each_line.strip()=="":
 continue
 temp_line=""
 for i in range(0, len(each_line)):
 if each_line[i] in old_korean_dictionary:
 temp_line=temp_line + old_korean_dictionary.get(each_line[i])
 elif each_line[i] >=u'\uAC00' and each_line[i] <=u'\uD7AF':
 temp_line=temp_line + divide_korean(each_line[i])
 elif each_line[i]=="\n": 
 continue 
 else :
 temp_line=temp_line + each_line[i]
 temp_line=temp_line + each_line.strip('\n') 
 temp_file_string=temp_file_string + temp_line
 print ( each_file + "-"*5 + ">finished") #finish
 #the name of new file to save the result, the new file is in the current dir
 new_filename=os.path.splitext(os.path.basename(each_file))[0] + "_result.txt"
 #write to the file
 write_string_to_file(temp_file_string, new_filename)
 
 
 
 

最后，如果需要源代码和测试的文件请发私信 韩文分解

喜欢我的文章给个关注呗！