编程乐趣--汉字转拼音

2017-01-13 15:07:19来源:csdn作者:u013132051人点击

第七城市

各个国家语言上差异较大,本世纪英语特别的流行,至少在程序员上编程就是属于外国的。是英文编写的。那么我们的汉字就是一个特例了。下面说说汉字是如何转拼音的。

jar包准备

点我下载pinyin4j.jar

如果你是maven那就方便了。

<!-- 汉字转拼音jar -->
<dependency>
<groupId>com.belerweb</groupId>
<artifactId>pinyin4j</artifactId>
<version>2.5.0</version>
</dependency>使用

jar包准备好了,我们就开始使用吧,这个jar都分装好了,我们只需要简单的调用就行。


第一步:定义汉字拼音的输出格式


HanyuPinyinOutputFormat hypy = new HanyuPinyinOutputFormat();

上面定义的hypy这个类就是指定拼音的格式。作为中国人我们知道拼音就是字母拼接在一起的。还有就是声调,所以格式就是制定字母显示和声调的。


通过看HanYuPinYinOutputForMat这个类的源码我们可以看到输出格式有三个属性,而且这三个属性的默认值都是设置好的


/**
* Restore default variable values for this class
*
* Default values are listed below:
*
* <p>
* HanyuPinyinVCharType := WITH_U_AND_COLON <br>
* HanyuPinyinCaseType := LOWERCASE <br>
* HanyuPinyinToneType := WITH_TONE_NUMBER <br>
*/
public void restoreDefault() {
vCharType = HanyuPinyinVCharType.WITH_U_AND_COLON;
caseType = HanyuPinyinCaseType.LOWERCASE;
toneType = HanyuPinyinToneType.WITH_TONE_NUMBER;
}
上面源码的意思就是,如果我们不设置,那么这三个属性默认就是上面的情况,那么这些格式都是对应拼音的那种格式呢,下面继续往下走。




























LOWERCASE
CombinationWITH_U_AND_COLONWITH_VWITH_U_UNICODE
WITH_TONE_NUMBERlu:3lv3lü3
WITHOUT_TONElu:lv
WITH_TONE_MARKthrow exceptionthrow exception




























UPPERCASE
Combination WITH_U_AND_COLON WITH_V WITH_U_UNICODE
WITH_TONE_NUMBER LU:3 LV3 LÜ3
WITHOUT_TONE LU: LV
WITH_TONE_MARK throw exception throw exception

看到上面两张表格没,就是hypy格式中三种属性的结合对应的汉语拼音的显示。在这里我还是解释一下吧。
* @see HanyuPinyinVCharType
* @see HanyuPinyinCaseType
* @see HanyuPinyinToneTypehypy.setCaseType(HanyuPinyinCaseType.LOWERCASE);
hypy.setToneType(HanyuPinyinToneType.WITH_TONE_NUMBER);
hypy.setVCharType(HanyuPinyinVCharType.WITH_V);
首先setCaseType是指定我们输出的拼音的大小写,这个就不用多讲了。

setToneType是指定我们带声调的拼音的显示。这里有三种选择

HanyuPinyinToneType.WITH_TONE_NUMBER 通过数字标注声调 zhang1zhang2 zhang3 zhang4 分别是一二三四声、 -HanyuPinyinToneType.WITHOUT_TONE:不带声调,就是没有声调 HanyuPinyinToneType.WITH_TONE_MARK:通过符号标注,和我们平时书写一样,像u 和 ü 就通过符号区别

setVCharType:WITH_U_AND_COLON + WITH_V + WITH_U_UNICODE 就是处理u ü 的。


输出
在上面一步 我们已经将格式处理好了,这里我们开始处理输出
PinyinHelper.toHanyuPinyinStringArray("张新华".charAt(2), hypy)[0]

就这样拼音就出来了,这个就返回出来我们汉字的拼音了。对于使用者到这里就结束了。但是出于好奇我们继续往下看看。

PinyinHelper这个单列中toHanyuPinyinStringArray

static public String[] toHanyuPinyinStringArray(char ch, HanyuPinyinOutputFormat outputFormat)
throws BadHanyuPinyinOutputFormatCombination {
return getFormattedHanyuPinyinStringArray(ch, outputFormat);
}

意思就是获取格式化后的ch的拼音

而在getFormtedHanyuPinyinStringArray方法里首先是获取未格式化的拼音,然后在对拼音格式化。

String[] pinyinStrArray = getUnformattedHanyuPinyinStringArray(ch);

如何获取未格式化的拼音是重点我们就侧重这部分

private static String[] getUnformattedHanyuPinyinStringArray(char ch) {
return ChineseToPinyinResource.getInstance().getHanyuPinyinStringArray(ch);
}
在上面我们能够看到ChineseToPinyinResource类,在这个类中我们可以找到他的初始化数据,这里我们可以理解为web项目中的数据库
/**
* Initialize a hash-table contains <Unicode, HanyuPinyin> pairs
*/
private void initializeResource() {
try {
final String resourceName = "/pinyindb/unicode_to_hanyu_pinyin.txt";setUnicodeToHanyuPinyinTable(new Properties());
getUnicodeToHanyuPinyinTable().load(ResourceHelper.getResourceInputStream(resourceName));} catch (FileNotFoundException ex) {
ex.printStackTrace();
} catch (IOException ex) {
ex.printStackTrace();
}
}
上面的代码指出了这个所谓的额数据库就是unicode_to_hanyu_pinyin.txt

这里面究竟是什么呢,打开你会发现其实就是拼音和Unicode的对应关系。因为在我们获取拼音的时候是首先获取他的Unicode码的getHanyuPinyinRecordFromChar(ch);,然后通过Unicode码去unicode_to_hanyu_pinyin.txt找对应关系的,至于其他文件是处理其他的语种的,时间能力有限,暂不深究!

获取未格式化的拼音之后就是处理格式了,

PinyinFormatter.formatHanyuPinyin

到这里就是根据上面的三个值进行格式化处理了,这个就是格式的问题,本文不深究。

不断学习!不断进步!


第七城市

最新文章

123

最新摄影

微信扫一扫

第七城市微信公众平台