Feat: Get pronunciation info by GET request

표준발음 변환기 사이트를 통해 입력한 텍스트 발음정보, 근거항을 가져오는 기능
사이트: http://pronunciation.cs.pusan.ac.kr/pronunc.htm

setup.py

@@ -10,7 +10,8 @@
     packages=find_packages(where='src'),
     package_dir={'': 'src'},
     install_requires=[
-        'pandas>=1.3.5',
+        'numpy==1.26.4',
+        'pandas==1.3.5',
         'openpyxl>=3.1.5',
         'requests>=2.31.0',
         'google-cloud-speech>=2.26.0',
@@ -25,6 +26,7 @@
         'ffmpeg-python>=0.2.0',
         'konlpy>=0.6.0',
         'jamo>=0.4.1',
+        'beautifulsoup4==4.12.3',
     ],
     data_files=[
         ('key', key_files),

src/common/merge.py

@@ -4,8 +4,8 @@
 
 import pandas as pd
 
-from tuning_STT.expand import remove_duplication
 from common.info import open_dialog
+from tuning_STT.expand import remove_duplication
 
 
 def merge_json(filename: str):

src/speech/STT.py

@@ -2,15 +2,15 @@
 import pprint
 import re
 import wave
-import pandas as pd
+
 # from CLOVA_STT import stt_clova
 import google.cloud.speech_v1p1beta1 as speech
 import google.cloud.storage as storage
 from convert import convert_audio_files, convert_text_data
 from evaluate import remove_correct, evaluate_SER
 from tuning_STT.expand import remove_duplication
 from common.info import open_dialog
-
+import sys
 
 # STT
 def transcribe_audio(file_path):
@@ -72,7 +72,11 @@ def STT_pipeline(askFolder=None, model='google', makeTrainData=None, evaluation=
         askFolder = input("폴더를 선택할까요?(Y/N): ").strip().lower() == 'y'
     if askFolder:
         path = open_dialog(True)
-        suffix = path.name.split('_')[1]
+        try:
+            suffix = path.name.split('_')[1]
+        except:
+            print("폴더 경로 오류.")
+            sys.exit()
     else:
         path = open_dialog(False, filetypes=[("Audio files", "*.m4a *.mp3 *.wav")])
         suffix = ''

src/speech/baleum.py

@@ -0,0 +1,76 @@
+import requests
+from bs4 import BeautifulSoup
+from common.info import open_dialog
+import pandas as pd
+
+def getPronunciation(text: str):
+    url = "http://pronunciation.cs.pusan.ac.kr/pronunc2.asp"
+
+    # 요청 파라미터
+    params = {
+        "text1": text.encode('euc-kr'),
+        "submit1": "%C8%AE%C0%CE%C7%CF%B1%E2"
+    }
+
+    # GET 요청을 보냅니다 (디코딩 없이 바로 사용)
+    response = requests.get(url, params=params)
+
+    # BeautifulSoup 객체 생성 (디코딩 없이 content를 파싱)
+    soup = BeautifulSoup(response.content, 'html.parser')
+
+    # "입력 어절" 텍스트를 포함하는 <td> 요소를 찾음
+    input_word_td = soup.find('td', string="입력 어절")
+
+    if not input_word_td:
+        print("입력 어절을 포함하는 테이블을 찾을 수 없습니다.")
+        return
+
+    # 해당 <td> 요소의 부모 테이블을 찾음
+    title_table = input_word_td.find_parent('table')
+
+    if not title_table:
+        print("제목 테이블을 찾을 수 없습니다.")
+        return
+
+    # 제목 테이블 다음에 나오는 첫 번째 데이터 테이블을 찾음
+    data_table = title_table.find_next_sibling('table')
+
+    if not data_table:
+        print("데이터 테이블을 찾을 수 없습니다.")
+        return
+
+    # 테이블에서 행 추출
+    rows = data_table.find_all('tr')
+
+    # 데이터 저장을 위한 리스트
+    data = []
+
+    # 각 행에서 '입력 어절', '변환 결과', '표준발음법 및 도움말'을 추출
+    for row in rows:
+        cols = row.find_all('td')
+        if len(cols) >= 3:  # 최소 3개의 열이 있어야 함
+            # 각 셀의 텍스트를 euc-kr로 디코딩
+            input_word = cols[0].text.strip()
+            conversion_result = cols[1].text.strip()
+            help_info = cols[2].text.strip()
+
+            # 데이터 저장
+            data.append({
+                "입력 어절": input_word,
+                "변환 결과": conversion_result,
+                "표준발음법 및 도움말": help_info
+            })
+
+    # 데이터 출력
+    for row in data:
+        print(f"입력 어절: {row['입력 어절']}, 변환 결과: {row['변환 결과']}, 표준발음법 및 도움말: {row['표준발음법 및 도움말']}")
+
+
+if __name__ == '__main__':
+    fp = open_dialog(False)
+    data = pd.read_excel(fp).drop_duplicates(subset=['User content'])
+
+    # 1. data각 문장에 대해 단어 분리(라이브러리 사용)
+    # 2. getPro..()함수를 사용하여 발음 가져오기 + 표준 발음 및 근거항 저장
+    # 3. 엑셀로 저장
+    # 4. 이미 처리된 엑셀파일에 추가한 열을 추가로 저장(원문 비교로 삽입)