想知道如何获取泰卢固文的音节
我正在研究泰卢固语的书写系统，它的Unicode范围是0C01-0C7F。你能帮我解释一下怎么找出音节吗？
(更新：我从那个问题复制过来的)
我可以对字符进行分类，但在泰卢固语中，一个音节可能包含一个或多个字符。当我从文件中提取字符时，音节被拆分了，无法把它们组合在一起。如果有人知道泰卢固语文本分类的相关知识，请帮帮我。
2 个回答
在泰卢固语中，音节的形成有几种方式：
- V（在独立形式的单词开头）
- C + V（辅音 + 元音，在依赖形式中）
- C + C + V（辅音 + 辅音 + 元音）
- C + C + C + V（辅音 + 辅音 + 辅音 + 元音）
如果你使用英语字母来转写成泰卢固语（比如谷歌转写工具），那么很多英语字母可能会组成一个音节。
比如“stree”（在谷歌转写工具中输入这个词），在泰卢固语中它只形成一个音节。你可以在这里分析这个泰卢固语字符串 http://rishida.net/tools/analysestring/index.php?list=స్త్，了解泰卢固语音节是如何形成的。
你有两种方法来解决这个问题：
[1] 如果你的输入是泰卢固语字母，找出代码点序列，并根据元音结束和新音节开始的地方将代码点序列分组。
[2] 如果你的输入是对应泰卢固字母的英语，那么你需要找出在什么地方将序列拆分成多个音节。
我不会说泰卢固语（抱歉！），但我知道这是一种以音节为基础的语言，音节是由元音（“achchu”）和辅音（“hallu”）组成的。正如维基百科所解释的，你会得到“六十个符号，其中16个是元音，三个是元音修饰符，四十一是辅音”。这个页面展示了Unicode的对应关系：元音的代码是0C05到0C14（还有0C60和0C61，分别是“元音”RR和LL）；辅音的代码是0C15到0C39；其他的代码则是各种“符号、标点、数字”等等。
关于可能的音节的完整表格可以在这个PDF中找到，但我得承认，这种文字让我有点困惑，我很难分辨出哪些是哪些。如果你会说泰卢固语，或者能轻松接触到会说的人，你会比我更能清楚如何从一串泰卢固字符中提取音节。Python和这个没太大关系——它只是众多编程语言中的一种，可以让你实现你需要的算法来确定音节，但它绝对没有内置这样的算法！-)