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
如果你是maven那就方便了。
- 1
- 2
- 3
- 4
- 5
- 6
- 1
- 2
- 3
- 4
- 5
- 6
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
- 1
- 1
-
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
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 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 | |||
---|---|---|---|
Combination | WITH_U_AND_COLON | WITH_V | WITH_U_UNICODE |
WITH_TONE_NUMBER | lu:3 | lv3 | lü3 |
WITHOUT_TONE | lu: | lv | lü |
WITH_TONE_MARK | throw exception | throw exception | lǚ |
UPPERCASE | |||
---|---|---|---|
Combination | WITH_U_AND_COLON | WITH_V | WITH_U_UNICODE |
WITH_TONE_NUMBER | LU:3 | LV3 | LÜ3 |
WITHOUT_TONE | LU: | LV | LÜ |
WITH_TONE_MARK | throw exception | throw exception | LǙ |
- 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。
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 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 zhang1 zhang2 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
- HanyuPinyinToneType.WITH_TONE_NUMBER 通过数字标注声调 zhang1 zhang2 zhang3 zhang4 分别是一二三四声、
-
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
- 1
- 1
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
- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
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。
- 1
- 1
如何获取未格式化的拼音是重点我们就侧重这部分
- 1
- 2
- 3
- 1
- 2
- 3
- 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
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 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,
- 1
- 1
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。