探索使用JAVA将汉字解析成拼音

最近在做城市选择器的时候，有一个需求是需要把汉字转化成拼音，然后根据首字母进行列表排列，做网上找到了一份可用的源码，现在对其内部的原理进行解析，其中还有一两个点没完全理解，但是不妨碍对整体的理解，如果有知情网友，希望指正，欢迎探讨。

在文单的末尾有本程序的源代码，代码是经过验证的，除了一些生僻字词，基本能够解析目常的汉字。这里的分析，有大量的关于GBK编码的探讨，建议边调试程序，边翻阅编码集来辅助学习。

　　言归正传，我们开始解读源码。
　　首先那两个长长的数组，是拼音还有根据某种算法得出来的所谓ACRII码（我目前认识的ACRII码不是这样的）。上边的数组是ARCII，下面的一个数组很容易看出是一个拼音，我们先跳过这两个数组，接下来还会对它进行解析。
　　首先，使用这个类时，有两种解析方式，第一种是单字解析，另外一种当然的词组解析，当然，所谓的词组解析，其内部实际还是单字解析。
　　所以从程序的流动方向开始，我们来到程序起点，调用convert(String str)函数，这里传入一个汉字，紧接着，函数又调用了 getChsAscii(str)函数，在里里，同样传入我们一开始传入的汉字，这里我测试时传入了一个“通”字作为测试。

bytes = chs.getBytes("gb2312");

这里可以看得出来程序用的是gb2312编码的来解析汉字的。这里我简单补充一下比较重要的知识点。

GB2312基本集共收入汉字6763个和非汉字图形字符682个。整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。
GB 2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。
01-09区为特殊符号。
16-55区为一级汉字，按拼音排序。
56-87区为二级汉字，按部首/笔画排序。
10-15区及88-94区则未有编码。

举例来说，“通”字是GB2312之中的第45区的第08个数，它的区位码就是45 08。
每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”（“区字节”），第二个字节称为“低位字节”（也称“位字节”）。

 由于GB2312的16-55区（一级汉字）涵盖了我们常用的3000多个汉字，而且又是以拼音来排序的，所以，我利用这一点，来实现我们的汉字转拼音的需求。

运行程序，得到一个｛-51，-88｝，这里是我有疑问的地方，为什么得出来的是这样的一个数，目前，我还找不到它跟GBP312编码的关系，只知道，这个码只要两个数都加下256就会得到真正的汉字的内部编码。｛205，168｝

那么，这个｛205，168｝是根据什么才能算出来的呢？

GB 2312字元使用两个字节来表示。“第一位字节”使用0xB0-0xF7，“第二位字节”使用0xA1-0xFE。所以，在我们的区位码的高字节和低字节分别加0xA0得到程序的汉字处理编码，上面说到，”通”字在编码表里查到的区位码是｛45 08｝，注意，这里是两个字节的数，同时也是得分开的，那么0xA0=160,那么，”通”字的处理编码则为{205,168}。

处理完这个，接下来就是这个公式了，这里，我还不能完全弄懂为什么要用这个来计算，请高人指点！

asc = (256 * hightByte + lowByte) - 256 * 256;

从这个计算公式可以得到一个数字，这个数字，可能可以在第一个数组找到一模一样的数，也有可能找不到。这是因为，我们的汉字是同音字的原因，上边那个asc的计算，我估计也是这个原因，能够容纳足够多的同音字。

for (int i = (pyvalue.length - 1); i >= 0; i–) {
if (pyvalue[i] <= ascii) {
result = pystr[i]; break; }｝

这里，从高向低遍历的原因是，可以使同音字拿到同样的拼音格式词组的分析是相同的，这里不再缀述。

@慢行的狮子
public class CharacterParser {private static int[] pyvalue = new int[] {
-20319, -20317, -20304, -20295, -20292, -20283, -20265, -20257, -20242, -20230, -20051, -20036, -20032,  -20026, -20002, -19990, -19986, -19982, -19976, -19805, -19784, -19775, -19774, -19763, -19756, -19751, -19746, -19741, -19739, -19728,-19725, -19715, -19540, -19531, -19525, -19515, -19500, -19484, -19479, -19467, -19289, -19288, -19281, -19275, -19270, -19263, -19261, -19249, -19243, -19242, -19238, -19235, -19227, -19224, -19218, -19212, -19038, -19023, -19018, -19006, -19003, -18996, -18977, -18961,-18952, -18783, -18774, -18773, -18763, -18756, -18741, -18735, -18731, -18722, -18710, -18697, -18696, -18526, -18518, -18501, -18490, -18478, -18463, -18448, -18447, -18446, -18239, -18237, -18231, -18220, -18211, -18201, -18184, -18183, -18181, -18012, -17997, -17988,-17970, -17964, -17961, -17950, -17947, -17931, -17928, -17922, -17759, -17752, -17733, -17730, -17721, -17703, -17701, -17697, -17692,-17683, -17676, -17496, -17487, -17482, -17468, -17454, -17433, -17427, -17417, -17202, -17185, -16983, -16970, -16942, -16915, -16733,-16708, -16706, -16689, -16664, -16657, -16647, -16474, -16470, -16465, -16459, -16452, -16448, -16433, -16429, -16427, -16423, -16419, -16412, -16407, -16403, -16401, -16393, -16220, -16216, -16212, -16205, -16202, -16187, -16180, -16171, -16169, -16158, -16155, -15959, -15958, -15944, -15933, -15920, -15915, -15903, -15889, -15878, -15707, -15701, -15681, -15667, -15661, -15659, -15652, -15640, -15631,-15625, -15454, -15448, -15436, -15435, -15419, -15416, -15408, -15394, -15385, -15377, -15375, -15369, -15363, -15362, -15183, -15180,-15165, -15158, -15153, -15150, -15149, -15144, -15143, -15141, -15140, -15139, -15128, -15121, -15119, -15117, -15110, -15109, -14941,-14937, -14933, -14930, -14929, -14928, -14926, -14922, -14921, -14914, -14908, -14902, -14894, -14889, -14882, -14873, -14871, -14857,-14678, -14674, -14670, -14668, -14663, -14654, -14645, -14630, -14594, -14429, -14407, -14399, -14384, -14379, -14368, -14355, -14353, -14345, -14170, -14159, -14151, -14149, -14145, -14140, -14137, -14135, -14125, -14123, -14122, -14112, -14109, -14099, -14097, -14094,-14092, -14090, -14087, -14083, -13917, -13914, -13910, -13907, -13906, -13905, -13896, -13894, -13878, -13870, -13859, -13847, -13831,-13658, -13611, -13601, -13406, -13404, -13400, -13398, -13395, -13391, -13387, -13383, -13367, -13359, -13356, -13343,-13340,-13329,-13326, -13318, -13147, -13138, -13120, -13107, -13096, -13095, -13091, -13076, -13068, -13063, -13060, -12888, -12875, -12871, -12860,-12858, -12852, -12849, -12838, -12831, -12829, -12812, -12802, -12607, -12597, -12594, -12585, -12556, -12359, -12346, -12320, -12300,-12120, -12099, -12089, -12074, -12067, -12058, -12039, -11867, -11861, -11847, -11831, -11798, -11781, -11604, -11589, -11536, -11358, -11340, -11339, -11324, -11303, -11097, -11077, -11067, -11055, -11052, -11045, -11041, -11038, -11024, -11020, -11019, -11018, -11014, -10838, -10832, -10815, -10800, -10790, -10780, -10764, -10587, -10544, -10533, -10519, -10331, -10329, -10328, -10322, -10315, -10309, -10307, -10296, -10281, -10274, -10270, -10262, -10260, -10256, -10254};public static String[] pystr = new String[] {"a", "ai", "an", "ang", "ao", "ba", "bai", "ban", "bang", "bao", "bei", "ben", "beng", "bi", "bian", "biao", "bie", "bin", "bing", "bo", "bu", "ca", "cai", "can", "cang", "cao", "ce", "ceng", "cha", "chai", "chan", "chang", "chao", "che", "chen", "cheng", "chi", "chong", "chou", "chu", "chuai", "chuan", "chuang", "chui", "chun", "chuo", "ci", "cong", "cou", "cu", "cuan","cui", "cun", "cuo", "da", "dai", "dan", "dang", "dao", "de", "deng", "di", "dian", "diao", "die", "ding", "diu", "dong", "dou", "du", "duan", "dui", "dun", "duo", "e", "en", "er", "fa", "fan", "fang", "fei", "fen", "feng", "fo", "fou", "fu", "ga", "gai", "gan", "gang", "gao", "ge", "gei", "gen", "geng", "gong", "gou", "gu", "gua", "guai", "guan", "guang", "gui", "gun", "guo", "ha", "hai", "han", "hang","hao", "he", "hei", "hen", "heng", "hong", "hou", "hu", "hua", "huai", "huan", "huang", "hui", "hun", "huo", "ji", "jia", "jian", "jiang", "jiao", "jie", "jin", "jing", "jiong", "jiu", "ju", "juan", "jue", "jun", "ka", "kai", "kan", "kang", "kao", "ke", "ken", "keng", "kong", "kou", "ku", "kua", "kuai", "kuan", "kuang", "kui", "kun", "kuo", "la", "lai", "lan", "lang", "lao", "le", "lei", "leng", "li", "lia", "lian", "liang", "liao", "lie", "lin", "ling", "liu", "long", "lou", "lu", "lv", "luan", "lue", "lun", "luo", "ma", "mai","man", "mang", "mao", "me", "mei", "men", "meng", "mi", "mian", "miao", "mie", "min", "ming", "miu", "mo", "mou", "mu", "na", "nai", "nan", "nang", "nao", "ne", "nei", "nen", "neng", "ni", "nian", "niang", "niao", "nie", "nin", "ning", "niu", "nong", "nu", "nv", "nuan","nue", "nuo", "o", "ou", "pa", "pai", "pan", "pang", "pao", "pei", "pen", "peng", "pi", "pian", "piao", "pie", "pin", "ping", "po", "pu",  "qi", "qia", "qian", "qiang", "qiao", "qie", "qin", "qing", "qiong", "qiu", "qu", "quan", "que", "qun", "ran", "rang", "rao", "re",  "ren", "reng", "ri", "rong", "rou", "ru", "ruan", "rui", "run", "ruo", "sa", "sai", "san", "sang", "sao", "se", "sen", "seng", "sha", "shai", "shan", "shang", "shao", "she", "shen", "sheng", "shi", "shou", "shu", "shua", "shuai", "shuan", "shuang", "shui", "shun","shuo", "si", "song", "sou", "su", "suan", "sui", "sun", "suo", "ta", "tai", "tan", "tang", "tao", "te", "teng", "ti", "tian", "tiao","tie", "ting", "tong", "tou", "tu", "tuan", "tui", "tun", "tuo", "wa", "wai", "wan", "wang", "wei", "wen", "weng", "wo", "wu", "xi","xia", "xian", "xiang", "xiao", "xie", "xin", "xing", "xiong", "xiu", "xu", "xuan", "xue", "xun", "ya", "yan", "yang", "yao", "ye", "yi", "yin", "ying", "yo", "yong", "you", "yu", "yuan", "yue", "yun", "za", "zai", "zan", "zang", "zao", "ze", "zei", "zen", "zeng", "zha","zhai", "zhan", "zhang", "zhao", "zhe", "zhen", "zheng", "zhi", "zhong", "zhou", "zhu", "zhua", "zhuai", "zhuan", "zhuang", "zhui","zhun", "zhuo", "zi", "zong", "zou", "zu", "zuan", "zui", "zun", "zuo"};private StringBuilder buffer;private String resource;private static CharacterParser characterParser = new CharacterParser();public static CharacterParser getInstance() {return characterParser;}public String getResource() {return resource;}public void setResource(String resource) {this.resource = resource;}/** * 汉字转成ASCII码 * * @param chs * @return */private int getChsAscii(String chs) {int asc = 0;try {byte[] bytes = chs.getBytes("gb2312");Log.i("Test bytes",bytes+"*****");if (bytes == null || bytes.length > 2 || bytes.length <= 0) {throw new RuntimeException("illegal resource string");}if (bytes.length == 1) {asc = bytes[0];}if (bytes.length == 2) {int hightByte = 256 + bytes[0];     //得到计算机内部的码！！！int lowByte = 256 + bytes[1];asc = (256 * hightByte + lowByte) - 256 * 256;Log.i("***TESTBYTE***","hightByte="+hightByte+",lowByte="+lowByte+",asc="+asc);}} catch (Exception e) {System.out.println("ERROR:ChineseSpelling.class-getChsAscii(String chs)" + e);}return asc;}/** * 单字解析 * * @param str * @return */public String convert(String str) {String result = null;int ascii = getChsAscii(str);Log.i("**Testascii**","ascii="+ascii);if (ascii > 0 && ascii < 160) {result = String.valueOf((char) ascii);} else {for (int i = (pyvalue.length - 1); i >= 0; i--) {if (pyvalue[i] <= ascii) {result = pystr[i];break;}}}return result;}/** * 词组解析 * * @param chs * @return */public String getSelling(String chs) {String key, value;buffer = new StringBuilder();for (int i = 0; i < chs.length(); i++) {key = chs.substring(i, i + 1);if (key.getBytes().length >= 2) {value = (String) convert(key);if (value == null) {value = "unknown";}} else {value = key;}buffer.append(value);}return buffer.toString();}public String getSpelling() {return this.getSelling(this.getResource());}}

探索使用JAVA将汉字解析成拼音相关推荐

java把汉字转换成拼音的2种方式
java程序将汉字转成拼音的两种方法 1.使用pinyin4j将汉字转成拼音,附件为pinyin4j的jar包 Java代码 import net.sourceforge.pinyin4j.Pin ...
java把汉字转换成拼音_Java实现汉字转换为拼音
本文的核心代码取自easydozer的blog:http://blog.csdn.net/easydozer/ 代码说明: Java实现汉字转换为拼音的GUI版本. GUI代码部分: /** * @( ...
java将汉字转成拼音首字母大写字母_java 根据汉字生成拼音全拼或拼音首字母的示例...
1.情景展示 java 根据中文生成对应的拼音 2.准备工作所需jar包:pinyin4j-2.5.0.jar 3.解决方案导包 import net.sourceforge.pinyin4j.P ...
java将汉字转成拼音并按照首字母排序的有效方法。
工作日志记录:在做项目中碰到一个需求就是需要将从服务器获取到的json对象按照username字段实现汉字排序,排序的规则是按照拼音的首字母从a~z,实现方式如下: 获得json之后提取其中的bean ...
java将汉字转成拼音首字母大写字母_Java 将汉字转换为拼音并取首字母大写
该楼层疑似违规已被系统折叠隐藏此楼查看此楼首先需要引入pinyin4j-2.5.0.jar 在定义一个servlet.Java的类,写一个Converting方法实例代码详解如下: public ...
java将汉字转成拼音首字母大写字母_java实现将汉字转为首字母、拼音
本文转自java实现将汉字转为拼音作者itRed 本人仅稍作整理,并提出一些问题.问题的话暂时没时间处理,等以后有时间了再更新. 测试参数 String info="汉字转换为拼音&quo ...
java传递汉字翻译为英文_java写的能将汉字翻译成拼音的类
/** *//** ############################################################################# # DESCRIBE 将 ...
java程序将汉字转成拼音的两种方法
1.使用pinyin4j将汉字转成拼音,附件为pinyin4j的jar包 Java代码 import net.sourceforge.pinyin4j.PinyinHelper; import n ...
java如何把汉字转换成拼音
如何把汉字转换成拼音,听上去好像有难度,但是网上搜了一下,发现有这方面的工具包,叫做pin4j,怎么用呢? /*** * @param zhongwen 传入的中文字符串* @return 返回转换成 ...

探索使用JAVA将汉字解析成拼音

探索使用JAVA将汉字解析成拼音相关推荐

最新文章

热门文章