这似乎是个麻烦事，几十篇关于中国的英文文章，有些地名，专有名词都是拼音形式，如何通过程序将这些拼音筛选出来？

[tianxiacangshen]

[hatcloud]

拼音的结构型非常强，比如 BeiJing 必然是 B(声母) ei(韵母) J(声母) ing(韵母) 这样的，而声母和韵母都是有限的集合，是不是可以通过先匹配是否有复数个这样的 声母 - 韵母 对来判断英文文章里面的拼音呢？
仅提供思路，没细想过

[goreliu]

可以把所有单字的拼音打个表（网上很容易找到），然后依次匹配，能匹配上超过两个连续单字拼音的单词就算拼音词，需要注意一些特殊情况（比如儿化音 r 之类）。

[Sylv]

好奇想问下筛选出这些拼音的目的是什么？

[murmur]

这叫命名实体识别 应该是很老的研究方向了 英文应该只会比中文更简单

[fgodt]

使用常用英文单词就能筛选出大致结果了，然后再精细筛选

[hsuan]

声母韵母的组合不就那么些，如果一个单词可以完全拆解成声母韵母组合，那它就是拼音，当然肯定有误判的。

[murmur]

@hatcloud 会不会有些文章用粤语拼音或者按英文的习惯写读音呢 比如 peking

[WildCat]

此贴终结：

https://stanfordnlp.github.io/CoreNLP/

斯坦福出品。

[noNOno]

一个简单的方法,将英文词典作为一个词典表,在文章中进行匹配
非匹配的部分就是拼音.
这样通过匹配词典的方法筛选出拼音.

[congeec]

用英文拼写检查，拼音肯定是错的。这不就过滤出来了

[John60676]

@congeec “ man ” 对还是错

[congeec]

@John60676 这个就无能为力了。不过我也没见过哪个地名叫 man

We had fun at man..

[yuanfnadi]

@congeec man ha dun

[Lanceliel]

这个需求所在的工作流程中，是否允许对自动筛选所得的初步结果进行人工审核以修正结果集？
如果要求自动输出高正确率的专有名词列表，这就是个不折不扣的 NLP 问题，请参考 4 楼和 8 楼的回答。
如果工作流&&工作量允许人肉检查，那么实际只需要为人类核查员标示“可能是拼音的词”，有个无需依赖外部库的办法：现行汉语拼音方案中单个字可能出现的拼音组合大约是四百个，逐词匹配是否含且仅含以上组合（以及分字符）。如果原文中含有威妥玛 /耶鲁等其他拼音方案的话这个列表还会更长一点。

至于为什么这种基于拼写匹配的结果必须人工审核……请看以下例子：
The most straightforward method for a crimp to shanghai a sailor was to render him unconscious, forge his signature on the ship's articles, and pick up his "blood money."
根据上下文可以判断，这段话中的 shanghai 是一个英语动词，而非地名“上海”。

[hatcloud]

@murmur #7 peking 算英文单词了吧？就像 China，Tofu，这些词一样。