中文转换拼音的实现思路以及实现

longgangbai

浏览: 7258762 次
性别:
来自: 上海

最近访客更多访客>>

paladin1988

ljq867

yuxiangtong

chen88358323

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

博客分类：

项目中一点总结

算法 Bing PHP J2SE 多线程

在项目中一位大师兄写的中文转换拼音代码：自己整理一下，在此表示感谢！！^_^

首先熟悉一下基础：LinkedHashMap

J2SE 1.4 为 Java Collections Framework 引入了两个新实现， LinkedHashSet 和 LinkedHashMap 。添加这两个新实现的好处是散列集合现在可以维护贯穿其元素的两条路径。除标准的散列关系之外，现在还有一个可遍历整个集合的链表。正常情况下，这个新的第二路径会遵循插入顺序，这意味着集合的迭代器将按照元素的插入顺序返回元素（而不按它们的散列码将其组合成一个集合的顺序），但 LinkedHashMap 支持第二种排序选项：按存取顺序而非插入顺序维护链表。

使用新 HashMap

LinkedHashMap 的工作原理与 LinkedHashSet 本质相同，但对每个元素都需要一个键和值。它也是原始类，在本例中是 HashMap ，的一个子类，但现在有 5 个构造函数：

LinkedHashMap()
LinkedHashMap(int initialCapacity)
LinkedHashMap(int initialCapacity, float loadFactor)
LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder)
LinkedHashMap(Map)

添加的构造函数处理存取顺序选项。把 false 存取顺序作为缺省值，要获得一个存取顺序的列表，您必须传入一个 true ；也即映射表的头部是使用时间距今最远的映射表条目。

常规 HashMap 的子类 LinkedHashMap 的一个优点是迭代次数不受映射表容量的影响。使用 LinkedHashMap 时，选择大容量对迭代遍历次数没有任何影响，但使用常规 HashMap 时要影响到性能。

向映射表添加元素要比向集添加元素更加棘手一些，只是因为我们不得不单独 put() 每一对元素。下面的代码并没有什么特别之处，只是我们要循环遍历月份名称，而不是只向构造函数传递一个 Map 。

按存取顺序访问

我们将要讨论的新类的最后一个方面是 LinkedHashMap 的存取顺序选项。将 true 传递到 LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder) 构造函数使您能够保持映射表的链表的存取顺序，从使用时间距今最远的到最近使用的。换句话说，新项目被添加到尾部，映射表查找操作将项目移到链表的尾部。最后一点十分重要。因为映射表的典型的读存取操作会改变顺序，如果多个线程可以从映射表读取，就应该同步存取操作。

有一点需要注意： LinkedHashMap 的 1.4 beta 2 版本添加了一个受保护的 removeEldestEntry() 方法。如果需要移去最老的节点，子类可以使该方法返回 true，比如为确保映射表不会获得多于 n个元素。

实现思路：

使用在类初始化时创建一个LinkedhashMap以拼音码为Value和ASCIII为Key加载，在输入汉字字符串时，通过循环遍历得到每一个汉字的ASCII码值检测是否时汉字，如果时汉字从拼音Map中取出列表的平阴信息并显示信息，循环之结束.

代码代码如下：

public class CnToSpellUtils {
private static LinkedHashMap spellMap = null;

static {
  if (spellMap == null) {
   spellMap = new LinkedHashMap(400);
  }
  initialize();
  System.out.println("Chinese transfer Spell Done.");
}

private CnToSpellUtils() {
}

private static void spellPut(String spell, int ascii) {
spellMap.put(spell, new Integer(ascii));
}

private static void initialize() {
  spellPut("a", -20319);
  spellPut("ai", -20317);
  spellPut("an", -20304);
  spellPut("ang", -20295);
  spellPut("ao", -20292);
  spellPut("ba", -20283);
  spellPut("bai", -20265);
  spellPut("ban", -20257);
  spellPut("bang", -20242);
  spellPut("bao", -20230);
  spellPut("bei", -20051);
  spellPut("ben", -20036);
  spellPut("beng", -20032);
  spellPut("bi", -20026);
  spellPut("bian", -20002);
  spellPut("biao", -19990);
  spellPut("bie", -19986);
  spellPut("bin", -19982);
  spellPut("bing", -19976);
  spellPut("bo", -19805);
  spellPut("bu", -19784);
  spellPut("ca", -19775);
  spellPut("cai", -19774);
  spellPut("can", -19763);
  spellPut("cang", -19756);
  spellPut("cao", -19751);
  spellPut("ce", -19746);
  spellPut("ceng", -19741);
  spellPut("cha", -19739);
  spellPut("chai", -19728);
  spellPut("chan", -19725);
  spellPut("chang", -19715);
  spellPut("chao", -19540);
  spellPut("che", -19531);
  spellPut("chen", -19525);
  spellPut("cheng", -19515);
  spellPut("chi", -19500);
  spellPut("chong", -19484);
  spellPut("chou", -19479);
  spellPut("chu", -19467);
  spellPut("chuai", -19289);
  spellPut("chuan", -19288);
  spellPut("chuang", -19281);
  spellPut("chui", -19275);
  spellPut("chun", -19270);
  spellPut("chuo", -19263);
  spellPut("ci", -19261);
  spellPut("cong", -19249);
  spellPut("cou", -19243);
  spellPut("cu", -19242);
  spellPut("cuan", -19238);
  spellPut("cui", -19235);
  spellPut("cun", -19227);
  spellPut("cuo", -19224);
  spellPut("da", -19218);
  spellPut("dai", -19212);
  spellPut("dan", -19038);
  spellPut("dang", -19023);
  spellPut("dao", -19018);
  spellPut("de", -19006);
  spellPut("deng", -19003);
  spellPut("di", -18996);
  spellPut("dian", -18977);
  spellPut("diao", -18961);
  spellPut("die", -18952);
  spellPut("ding", -18783);
  spellPut("diu", -18774);
  spellPut("dong", -18773);
  spellPut("dou", -18763);
  spellPut("du", -18756);
  spellPut("duan", -18741);
  spellPut("dui", -18735);
  spellPut("dun", -18731);
  spellPut("duo", -18722);
  spellPut("e", -18710);
  spellPut("en", -18697);
  spellPut("er", -18696);
  spellPut("fa", -18526);
  spellPut("fan", -18518);
  spellPut("fang", -18501);
  spellPut("fei", -18490);
  spellPut("fen", -18478);
  spellPut("feng", -18463);
  spellPut("fo", -18448);
  spellPut("fou", -18447);
  spellPut("fu", -18446);
  spellPut("ga", -18239);
  spellPut("gai", -18237);
  spellPut("gan", -18231);
  spellPut("gang", -18220);
  spellPut("gao", -18211);
  spellPut("ge", -18201);
  spellPut("gei", -18184);
  spellPut("gen", -18183);
  spellPut("geng", -18181);
  spellPut("gong", -18012);
  spellPut("gou", -17997);
  spellPut("gu", -17988);
  spellPut("gua", -17970);
  spellPut("guai", -17964);
  spellPut("guan", -17961);
  spellPut("guang", -17950);
  spellPut("gui", -17947);
  spellPut("gun", -17931);
  spellPut("guo", -17928);
  spellPut("ha", -17922);
  spellPut("hai", -17759);
  spellPut("han", -17752);
  spellPut("hang", -17733);
  spellPut("hao", -17730);
  spellPut("he", -17721);
  spellPut("hei", -17703);
  spellPut("hen", -17701);
  spellPut("heng", -17697);
  spellPut("hong", -17692);
  spellPut("hou", -17683);
  spellPut("hu", -17676);
  spellPut("hua", -17496);
  spellPut("huai", -17487);
  spellPut("huan", -17482);
  spellPut("huang", -17468);
  spellPut("hui", -17454);
  spellPut("hun", -17433);
  spellPut("huo", -17427);
  spellPut("ji", -17417);
  spellPut("jia", -17202);
  spellPut("jian", -17185);
  spellPut("jiang", -16983);
  spellPut("jiao", -16970);
  spellPut("jie", -16942);
  spellPut("jin", -16915);
  spellPut("jing", -16733);
  spellPut("jiong", -16708);
  spellPut("jiu", -16706);
  spellPut("ju", -16689);
  spellPut("juan", -16664);
  spellPut("jue", -16657);
  spellPut("jun", -16647);
  spellPut("ka", -16474);
  spellPut("kai", -16470);
  spellPut("kan", -16465);
  spellPut("kang", -16459);
  spellPut("kao", -16452);
  spellPut("ke", -16448);
  spellPut("ken", -16433);
  spellPut("keng", -16429);
  spellPut("kong", -16427);
  spellPut("kou", -16423);
  spellPut("ku", -16419);
  spellPut("kua", -16412);
  spellPut("kuai", -16407);
  spellPut("kuan", -16403);
  spellPut("kuang", -16401);
  spellPut("kui", -16393);
  spellPut("kun", -16220);
  spellPut("kuo", -16216);
  spellPut("la", -16212);
  spellPut("lai", -16205);
  spellPut("lan", -16202);
  spellPut("lang", -16187);
  spellPut("lao", -16180);
  spellPut("le", -16171);
  spellPut("lei", -16169);
  spellPut("leng", -16158);
  spellPut("li", -16155);
  spellPut("lia", -15959);
  spellPut("lian", -15958);
  spellPut("liang", -15944);
  spellPut("liao", -15933);
  spellPut("lie", -15920);
  spellPut("lin", -15915);
  spellPut("ling", -15903);
  spellPut("liu", -15889);
  spellPut("long", -15878);
  spellPut("lou", -15707);
  spellPut("lu", -15701);
  spellPut("lv", -15681);
  spellPut("luan", -15667);
  spellPut("lue", -15661);
  spellPut("lun", -15659);
  spellPut("luo", -15652);
  spellPut("ma", -15640);
  spellPut("mai", -15631);
  spellPut("man", -15625);
  spellPut("mang", -15454);
  spellPut("mao", -15448);
  spellPut("me", -15436);
  spellPut("mei", -15435);
  spellPut("men", -15419);
  spellPut("meng", -15416);
  spellPut("mi", -15408);
  spellPut("mian", -15394);
  spellPut("miao", -15385);
  spellPut("mie", -15377);
  spellPut("min", -15375);
  spellPut("ming", -15369);
  spellPut("miu", -15363);
  spellPut("mo", -15362);
  spellPut("mou", -15183);
  spellPut("mu", -15180);
  spellPut("na", -15165);
  spellPut("nai", -15158);
  spellPut("nan", -15153);
  spellPut("nang", -15150);
  spellPut("nao", -15149);
  spellPut("ne", -15144);
  spellPut("nei", -15143);
  spellPut("nen", -15141);
  spellPut("neng", -15140);
  spellPut("ni", -15139);
  spellPut("nian", -15128);
  spellPut("niang", -15121);
  spellPut("niao", -15119);
  spellPut("nie", -15117);
  spellPut("nin", -15110);
  spellPut("ning", -15109);
  spellPut("niu", -14941);
  spellPut("nong", -14937);
  spellPut("nu", -14933);
  spellPut("nv", -14930);
  spellPut("nuan", -14929);
  spellPut("nue", -14928);
  spellPut("nuo", -14926);
  spellPut("o", -14922);
  spellPut("ou", -14921);
  spellPut("pa", -14914);
  spellPut("pai", -14908);
  spellPut("pan", -14902);
  spellPut("pang", -14894);
  spellPut("pao", -14889);
  spellPut("pei", -14882);
  spellPut("pen", -14873);
  spellPut("peng", -14871);
  spellPut("pi", -14857);
  spellPut("pian", -14678);
  spellPut("piao", -14674);
  spellPut("pie", -14670);
  spellPut("pin", -14668);
  spellPut("ping", -14663);
  spellPut("po", -14654);
  spellPut("pu", -14645);
  spellPut("qi", -14630);
  spellPut("qia", -14594);
  spellPut("qian", -14429);
  spellPut("qiang", -14407);
  spellPut("qiao", -14399);
  spellPut("qie", -14384);
  spellPut("qin", -14379);
  spellPut("qing", -14368);
  spellPut("qiong", -14355);
  spellPut("qiu", -14353);
  spellPut("qu", -14345);
  spellPut("quan", -14170);
  spellPut("que", -14159);
  spellPut("qun", -14151);
  spellPut("ran", -14149);
  spellPut("rang", -14145);
  spellPut("rao", -14140);
  spellPut("re", -14137);
  spellPut("ren", -14135);
  spellPut("reng", -14125);
  spellPut("ri", -14123);
  spellPut("rong", -14122);
  spellPut("rou", -14112);
  spellPut("ru", -14109);
  spellPut("ruan", -14099);
  spellPut("rui", -14097);
  spellPut("run", -14094);
  spellPut("ruo", -14092);
  spellPut("sa", -14090);
  spellPut("sai", -14087);
  spellPut("san", -14083);
  spellPut("sang", -13917);
  spellPut("sao", -13914);
  spellPut("se", -13910);
  spellPut("sen", -13907);
  spellPut("seng", -13906);
  spellPut("sha", -13905);
  spellPut("shai", -13896);
  spellPut("shan", -13894);
  spellPut("shang", -13878);
  spellPut("shao", -13870);
  spellPut("she", -13859);
  spellPut("shen", -13847);
  spellPut("sheng", -13831);
  spellPut("shi", -13658);
  spellPut("shou", -13611);
  spellPut("shu", -13601);
  spellPut("shua", -13406);
  spellPut("shuai", -13404);
  spellPut("shuan", -13400);
  spellPut("shuang", -13398);
  spellPut("shui", -13395);
  spellPut("shun", -13391);
  spellPut("shuo", -13387);
  spellPut("si", -13383);
  spellPut("song", -13367);
  spellPut("sou", -13359);
  spellPut("su", -13356);
  spellPut("suan", -13343);
  spellPut("sui", -13340);
  spellPut("sun", -13329);
  spellPut("suo", -13326);
  spellPut("ta", -13318);
  spellPut("tai", -13147);
  spellPut("tan", -13138);
  spellPut("tang", -13120);
  spellPut("tao", -13107);
  spellPut("te", -13096);
  spellPut("teng", -13095);
  spellPut("ti", -13091);
  spellPut("tian", -13076);
  spellPut("tiao", -13068);
  spellPut("tie", -13063);
  spellPut("ting", -13060);
  spellPut("tong", -12888);
  spellPut("tou", -12875);
  spellPut("tu", -12871);
  spellPut("tuan", -12860);
  spellPut("tui", -12858);
  spellPut("tun", -12852);
  spellPut("tuo", -12849);
  spellPut("wa", -12838);
  spellPut("wai", -12831);
  spellPut("wan", -12829);
  spellPut("wang", -12812);
  spellPut("wei", -12802);
  spellPut("wen", -12607);
  spellPut("weng", -12597);
  spellPut("wo", -12594);
  spellPut("wu", -12585);
  spellPut("xi", -12556);
  spellPut("xia", -12359);
  spellPut("xian", -12346);
  spellPut("xiang", -12320);
  spellPut("xiao", -12300);
  spellPut("xie", -12120);
  spellPut("xin", -12099);
  spellPut("xing", -12089);
  spellPut("xiong", -12074);
  spellPut("xiu", -12067);
  spellPut("xu", -12058);
  spellPut("xuan", -12039);
  spellPut("xue", -11867);
  spellPut("xun", -11861);
  spellPut("ya", -11847);
  spellPut("yan", -11831);
  spellPut("yang", -11798);
  spellPut("yao", -11781);
  spellPut("ye", -11604);
  spellPut("yi", -11589);
  spellPut("yin", -11536);
  spellPut("ying", -11358);
  spellPut("yo", -11340);
  spellPut("yong", -11339);
  spellPut("you", -11324);
  spellPut("yu", -11303);
  spellPut("yuan", -11097);
  spellPut("yue", -11077);
  spellPut("yun", -11067);
  spellPut("za", -11055);
  spellPut("zai", -11052);
  spellPut("zan", -11045);
  spellPut("zang", -11041);
  spellPut("zao", -11038);
  spellPut("ze", -11024);
  spellPut("zei", -11020);
  spellPut("zen", -11019);
  spellPut("zeng", -11018);
  spellPut("zha", -11014);
  spellPut("zhai", -10838);
  spellPut("zhan", -10832);
  spellPut("zhang", -10815);
  spellPut("zhao", -10800);
  spellPut("zhe", -10790);
  spellPut("zhen", -10780);
  spellPut("zheng", -10764);
  spellPut("zhi", -10587);
  spellPut("zhong", -10544);
  spellPut("zhou", -10533);
  spellPut("zhu", -10519);
  spellPut("zhua", -10331);
  spellPut("zhuai", -10329);
  spellPut("zhuan", -10328);
  spellPut("zhuang", -10322);
  spellPut("zhui", -10315);
  spellPut("zhun", -10309);
  spellPut("zhuo", -10307);
  spellPut("zi", -10296);
  spellPut("zong", -10281);
  spellPut("zou", -10274);
  spellPut("zu", -10270);
  spellPut("zuan", -10262);
  spellPut("zui", -10260);
  spellPut("zun", -10256);
  spellPut("zuo", -10254);
}

/**
* 获得单个汉字的Ascii.
*
* @param cn
*            char 汉字字符
* @return int 错误返回 0,否则返回ascii
*/
public static int getCnAscii(char cn) {
  byte[] bytes = (String.valueOf(cn)).getBytes();
  if (bytes == null || bytes.length > 2 || bytes.length <= 0) { // 错误
   return 0;
  }
  if (bytes.length == 1) { // 英文字符
   return bytes[0];
  }
  if (bytes.length == 2) { // 中文字符
   int hightByte = 256 + bytes[0];
   int lowByte = 256 + bytes[1];

int ascii = (256 * hightByte + lowByte) - 256 * 256;

// System.out.println("ASCII=" + ascii);

return ascii;
}

return 0; // 错误
}

/**
* 根据ASCII码到SpellMap中查找对应的拼音
*
* @param ascii
*            int 字符对应的ASCII
* @return String 拼音,首先判断ASCII是否>0&<160,如果是返回对应的字符,
*
* 否则到SpellMap中查找,如果没有找到拼音,则返回null,如果找到则返回拼音.
*/
public static String getSpellByAscii(int ascii) {
  if (ascii > 0 && ascii < 160) { // 单字符
   return String.valueOf((char) ascii);
  }

  if (ascii < -20319 || ascii > -10247) { // 不知道的字符
   return null;
  }

Set keySet = spellMap.keySet();
Iterator it = keySet.iterator();

  String spell0 = null;
  ;
  String spell = null;

  int asciiRang0 = -20319;
  int asciiRang;
  while (it.hasNext()) {

   spell = (String) it.next();
   Object valObj = spellMap.get(spell);
   if (valObj instanceof Integer) {
    asciiRang = ((Integer) valObj).intValue();

    if (ascii >= asciiRang0 && ascii < asciiRang) { // 区间找到
     return (spell0 == null) ? spell : spell0;
    } else {
     spell0 = spell;
     asciiRang0 = asciiRang;
    }
   }
  }

return null;

}

/**
* 返回字符串的全拼,是汉字转化为全拼,其它字符不进行转换
*
* @param cnStr
*            String 字符串
* @return String 转换成全拼后的字符串
*/
public static String getFullSpell(String cnStr) {
  if (null == cnStr || "".equals(cnStr.trim())) {
   return cnStr;
  }

  char[] chars = cnStr.toCharArray();
  StringBuffer retuBuf = new StringBuffer();
  for (int i = 0, Len = chars.length; i < Len; i++) {
   int ascii = getCnAscii(chars[i]);
   if (ascii == 0) { // 取ascii时出错
    retuBuf.append(chars[i]);
   } else {
    String spell = getSpellByAscii(ascii);
    if (spell == null) {
     retuBuf.append(chars[i]);
    } else {
     retuBuf.append(spell);
    } // end of if spell == null
   } // end of if ascii <= -20400
  } // end of for

return retuBuf.toString();
}

public static String getFirstSpell(String cnStr) {
  if (null == cnStr || "".equals(cnStr.trim())) {
   return cnStr;
  }

  char[] chars = cnStr.toCharArray();
  StringBuffer retuBuf = new StringBuffer();
  for (int i = 0, Len = chars.length; i < Len; i++) {
   int ascii = getCnAscii(chars[i]);
   if (ascii == 0) { // 取ascii时出错
    retuBuf.append(chars[i]);
   } else {
    String spell = getSpellByAscii(ascii);
    if (spell == null) {
     retuBuf.append(chars[i]);
    } else {
     retuBuf.append(spell.charAt(0));
    } // end of if spell == null
   } // end of if ascii <= -20400
  } // end of for

return retuBuf.toString();
}

public static void main(String[] args) {
  String str = null;
  str = "谢海101普降喜雨";
  System.out.println("Spell=" + CnToSpellUtils.getFullSpell(str));

str = "张牙舞爪》。，";
System.out.println("Spell=" + CnToSpellUtils.getFullSpell(str));

  str = "猪油戒。";
  System.out.println("Spell=" + CnToSpellUtils.getFullSpell(str));
  str = "澳门";

System.out.println("Spell=" + CnToSpellUtils.getFirstSpell(str));
}
}

分享到：

由Java反射中修饰符判断到一个简单系统的权 ... | 实现自动计算汉字对应声母的方法

2009-08-15 18:40
浏览 2841
评论(7)
论坛回复 / 浏览 (7 / 7533)
分类:企业架构
查看更多

7 楼 longgangbai 2010-04-21

建议大家有时间，看一看汉字转换拼音的算法：
http://topmanopensource.iteye.com/blog/450225

如果有什么问题,或好的解决方案，共享一下谢谢！

6 楼 longgangbai 2010-04-21

robertliudeqiang 写道

我也做过拼音转汉字的模块，实事求是，楼主提供的这个方法不太好：

1 汉字的添加需要内嵌到代码里
2 汉字个数支持有限
3 你的汉字是GBK编码的吧？现在大家普遍的做法是支持UTF-8编码的汉字
4 楼主并没有提多音字的问题，当然，这个问题基本上很难解。我们在实践里也是选取了最常用的读音作为汉字的拼音。

随便说一句：楼主的这个算法和我们项目开始使用的算法很相似(用php写的)，实践中不太好用，后来我们重写了一套。

这个算法可能不好，一般常用的可以解决。建议采用PinYin4J这个组件，这个组件内部提供字库文件，支持汉字大约2W个汉字！

5 楼 poppk 2010-04-20

gb2312 就包含至少6k多汉字。

代码里才几个ascii码。

4 楼 robertliudeqiang 2010-04-19

3 楼 www1231985 2010-04-19

不错第一次看到这样的需求呵呵

2 楼 longgangbai 2010-04-19

Hojave 写道

楼主试试这几个字：

昱
馨
凇
覃
鑫
睿
晗
芸

有问题哦。我的字库一跑，结果一大堆，这个算法整不成。

备注：当时我们仅仅测试的为中文简拼，没有测试全部测试。
如果不能满足那么建议采用开源组件PinYin4J，这个组件内部包含一个2w的字库。
使用详细看：
http://topmanopensource.iteye.com/blog/461343

1 楼 Hojave 2010-04-19

楼主试试这几个字：

昱
馨
凇
覃
鑫
睿
晗
芸

有问题哦。我的字库一跑，结果一大堆，这个算法整不成。

发表评论

您还没有登录,请您登录后再发表评论

最近访客更多访客>>

博主相关

文章分类

社区版块

存档分类

最新评论