原帖已经跑偏所以另开一贴 https://d.cosx.org/d/420961-r-bookdown/24

地址是
https://github.com/tcgriffith/pinyin

花了两个小时大刀阔斧改了一番，砍到只剩一个函数，我觉得很满意了，效果：

remotes::install_github("tcgriffith/pinyin")
#> Skipping install of 'pinyin' from a github remote, the SHA1 (1449a0a3) has not changed since last install.
#>   Use `force = TRUE` to force installation

pinyin::py("我喜欢旅游 abcasdfasdfa")
#>           我喜欢旅游 abcasdfasdfa 
#> "_wo_xi_huan_lv_you abcasdfasdfa"

@dapengde 的版本

> pinyin::py("我喜欢旅游 abcasdfasdfa")
                       我喜欢旅游 abcasdfasdfa 
"wǒ_chì_huān_lǚ_liú_ _a_b_c_a_s_d_f_a_s_d_f_a"

<sup>Created on 2019-10-19 by the reprex package (v0.3.0)</sup>

benchmark一下

# install.packages("pinyin")
microbenchmark::microbenchmark(pinyin::py("我喜欢旅游 abcasdfasdfa"), unit="ms", times = 10)
#> Unit: milliseconds
#>                                   expr      min      lq     mean   median
#>  pinyin::py("我喜欢旅游 abcasdfasdfa") 587.0348 606.886 622.6891 616.3186
#>        uq      max neval
#>  646.1422 664.5387    10

# remotes::install_github("tcgriffith/pinyin")
# session-restart

microbenchmark::microbenchmark(pinyin::py("我喜欢旅游 abcasdfasdfa"), unit="ms", times = 10)
#> Unit: milliseconds
#>                                   expr      min       lq     mean   median
#>  pinyin::py("我喜欢旅游 abcasdfasdfa") 5.003324 5.423483 7.204472 5.953467
#>        uq     max neval
#>  6.265239 13.6036    10

快了百倍

说一下我觉得大鹏写的很奇怪的地方还有我改的地方…

  • map数据用list2env转成了environment，第一次见啊！于是我改成了KEY-VALUE的dataframe
  • data存为txt，默认运行一次函数py就读一次那个txt，太不环保了,我转成了rdata存进data里，这样加载包的时候数据直接可用。
  • 核心其实就是把字符串分成单字，然后遍历所有单字，按照对应的汉字->拼音进行替换，不过循环里嵌套了两个if判断感觉有点多余，于是改用了match()。

快推 PR 给大鹏来次更新，我都迫不及待想安装了，然后用到 blogdown 里，简直完美

    Cloud2016
    你可以用remotes::install_github("tcgriffith/pinyin")先试用起来

    不过砍成现在这样我估计大鹏意见会很大哈哈哈哈

      @tctcab 不仅没意见，简直是热烈欢迎啊！只是我没时间去比较和合并。要不这样，你把你这个唯一的函数改个名字，例如叫 pinyin，并且在包的 DESCRIPTION 的作者字段加上你的名字，我提交到 CRAN 先。

      解释一下你说的奇怪的地方：

      • map数据用list2env转成了environment。

      前面我说过了，这个是用户提的两个提速方案的第一个。我也是第一次用。

      • data存为txt，默认运行一次函数py就读一次那个txt，太不环保了,我转成了rdata存进data里，这样加载包的时候数据直接可用。

      这是误解。前面我说了，只要先运行一次 pydic() 函数，就一劳永逸，不必每运行一次就读一次。

      原始字典文件以 txt 保存的目的之一是让普通用户只需用文本编辑器就能轻松修改字典。

      • 循环里嵌套了两个if判断感觉有点多余，于是改用了match()。

      这个我没注意，可能当时就是这个码字水平吧……

        dapengde
        那我整理一下文档就pr了。还有几个问题，m

        • pinyin2的来源？

        • 那个批量改文件名的功能还有bookdown我觉得只是很特别的使用案例，从功能分析不应该由pinyin包来做，去掉比较好，没问题吧。

        • 普通用户并没有修改字典的需求，我倾向于使用字典的数据与上游来源保持一致。这算是个虚构的需求，代价是比我的代码慢了一百倍

            已PR，改动挺大，删掉了所有我认为没用的东西。

            跟tmcn比了一下，效率跟效果都差不多，那只能说明dapeng最开始写的包真不咋滴

            library(tmcn)
#> # tmcn Version: 0.2-13
library(pinyin)

 pinyin::py("我喜欢旅游 abcasdfasdfa")
#>           我喜欢旅游 abcasdfasdfa 
#> "_wo_xi_huan_lv_you abcasdfasdfa"

tmcn::toPinyin("我喜欢旅游 abcasdfasdfa")
#> [1] "woxihuanlvyou abcasdfasdfa"

microbenchmark::microbenchmark(list = list(
    pinyin = pinyin::py("我喜欢旅游 abcasdfasdfa"),
  tmcn = tmcn::toPinyin("我喜欢旅游 abcasdfasdfa")
), unit="ns", times = 100)
#> Unit: nanoseconds
#>    expr min lq  mean median uq max neval cld
#>  pinyin  10 14 17.31     15 16 162   100   a
#>    tmcn  11 13 18.97     14 15 470   100   a

            <sup>Created on 2019-10-21 by the reprex package (v0.3.0)</sup>

            tctcab 谢谢你的 PR！然而你删得太狠了。我不是说了嘛，只要把新写的函数改个名字，添加到包里就行了（如果跟原有函数不冲突的话），啥都不耽误。你得考虑现有用户的习惯和前后版本的连续性啊！就算有一万个理由删除，在删除之前也得有个 to be decrepated 的过渡说明啊！

            tmcn 包我在 pinyin 包开发手记里说过了：<https://openr.pzhao.org/zh/blog/pinyin-v.1.1.5/> 。当时没有发现 tmcn 的这个功能，于是就写了 pinyin 包，功能上强大一些。

            剩下的几个问题：

            • pinyin2 的来源是我前面提到的那位提速用户提供的。没有更进一步的来源信息了，就当是他自定义的吧。
            • 另外的几个函数，确实属于特别的使用案例。至于放在包里有没有用，见仁见智吧。很多包都在主函数外附加一些封装的函数作为使用案例。考虑到版本的连续性，我希望留着。万一真有人正在用呢。
            • “普通用户并没有修改字典的需求”，对这个我持保留意见。只要用户能轻松修改字典（代价仅仅是个 txt 文件而已），就可以费很小的精力完成更灵活的任务。
                tctcab 更改标题为「R 包 pinyin2」