用pypinyin配合正则分块处理可生成合规<ruby>注音HTML：汉字块调lazy_pinyin逐字对齐<rb><rt>，非汉字块原样保留；需统一rt样式、处理浏览器差异、预热词典及单字缓存优化性能。
用 pypinyin 生成带 <ruby> 的 HTML 注音结构
直接生成符合 W3C 规范的 <ruby> 标签，核心是把汉字和对应拼音按“字—音”对齐，再套上 <ruby><rb><rt> 结构。别用字符串拼接硬写，pypinyin 的 lazy_pinyin() 和 enumerate() 配合就能稳住对齐。
常见错误是拼音和原字数量不一致——比如「重庆」被拆成「重」「庆」但拼音返回 ['chong', 'qing']（正确），而「一会儿」可能返回 ['yi', 'hui', 'er']，但原字符串长度是 3 个 Unicode 字符，没问题；真正翻车的是遇到 emoji、全角标点或组合字符（如带声调的「ā」），pypinyin 默认按字符处理，只要输入是标准 UTF-8 字符串，就可放心逐字符映射。
- 用
style='ruby-align: center'控制注音位置，避免偏左/偏右 - 对多音字，
pypinyin默认返回常用读音；需上下文判断时，得接入get_initials()或自定义词典 - 禁用
errors='ignore'，否则非汉字字符（如数字、英文字母）会丢拼音，导致<rb>和<rt>数量错位
ruby 标签在 Chrome/Firefox/Safari 中的渲染差异
不是所有浏览器都把 <ruby> 当成语义化注音容器：Safari 对 <rt> 的字体大小默认缩放更激进（约 50%），Chrome 约 60%，Firefox 则依赖 font-size 继承；更麻烦的是，若父容器用了 line-height: 1，<rt> 可能被裁掉顶部。
实操建议统一加内联样式：<rt style="font-size: 0.6em; line-height: 1.2;">。别依赖 CSS 类全局控制，因为注音常嵌在富文本中（如 CMS 输出），外部样式易冲突。
- 移动端 Safari 会忽略
ruby-position: under，只支持over（即默认上方） - 若内容含
<br>或块级标签，<ruby>必须包裹在<span>内，否则渲染断裂 - IE 完全不支持
<ruby>，需 fallback：用<span class="ruby-fallback">重<span class="rt">chóng</span></span>+ CSS 模拟
处理带标点、数字、英文混排的文本
真实场景里，文本不会全是汉字。比如「第1章：Python入门（2024版）」——这里面的「1」「:」「Python」「2024」「（」「）」都不该加拼音，但必须保留在输出中，且不能破坏 <ruby> 结构完整性。
推荐做法：用正则 re.findall(r'[\u4e00-\u9fff]+|[^\u4e00-\u9fff]+', text) 把文本切分为“汉字块”和“非汉字块”，分别处理。汉字块走 pypinyin，非汉字块原样插入，避免对单个 ASCII 字符调用 lazy_pinyin()（它会返回空列表，引发索引错）。
- 中文标点（如「，」「。」「！」「？」「；」「：」）属于
\u4e00-\u9fff范围，会被当汉字处理，需在汉字块内过滤掉——用re.sub(r'[^\u4e00-\u9fff]', '', chunk) - 遇到「iOS」「iPhone」这类大小写混合词，
pypinyin会报KeyError，提前用if not re.match(r'^[a-zA-Z]+$', word):跳过 - 数字「123」单独成块时，直接原样输出，不要传给
lazy_pinyin()
性能瓶颈在哪？批量处理时怎么提速
单次调用 lazy_pinyin() 开销不大，但若一次处理 1000+ 段落，每段平均 50 字，就会触发 Python 的 GIL 和重复初始化开销。实测发现，90% 时间花在 pypinyin 内部的词典加载和缓存查找上。
关键优化点：复用 LazyPinyin 实例，禁用动态词典更新，并预热常用词。不要每次循环都调用 lazy_pinyin(text)，改用：
from pypinyin import lazy_pinyin, NORMAL
from pypinyin.contrib.tone_convert import to_tone
<h1>复用 converter，避免重复初始化</h1><p>converter = lazy_pinyin
result = converter('你好', style=NORMAL)</p>- 关闭
strict=True（默认 False），否则遇到生僻字会抛异常而非跳过 - 若只需轻声/一声等基础音调，用
style=NORMAL，别用style=TONE——后者要查额外声调表，慢 3 倍 - 服务端部署时，把高频词（如「的」「了」「在」「有」）加进
load_single_dict()，减少运行时查表
最易被忽略的是缓存策略：pypinyin 不自动缓存跨调用结果，自己用 @lru_cache(maxsize=1000) 包一层 get_pinyin_for_char() 函数，对单字拼音提速明显。但注意别缓存整句——句子变化太多，缓存命中率低，反而吃内存。
