微软语音识别的汉字集

今天调试程序发现，微软语音识别引擎的命令模式并不是支持完成的GBK字符集，而仅支持GB2312(准确说是其一个子集，很多符号都不支持)！一旦Xml文件中包含不可识别字符时，LoadCmdFromFile就会失败。因而在添加命令到Xml中前需要对命令文本进行过滤。写了一个过滤函数，代码如下：

/* 
 * 1.字符编码,共682个： 
     1)01区(94个)：高位A1，低位A1-FE 
     2)02区(72个)：高位A2，低位B1-E2,E5-EE,F1-FC 
     3)03区(94个)：高位A3，低位A1-FE 
     4)04区(83个)：高位A4，低位A1-F3 
     5)05区(86个)：高位A5，低位A1-F6 
     6)06区(48个)：高位A6，低位A1-B8,C1-D8 
     7)07区(66个)：高位A7，低位A1-C1,D1-F1 
     8)08区(63个)：高位A8，低位A1-BA,C5-E9 
     9)09区(76个)：高位A9，低位A4-EF 
   2.汉字编码，共6763个： 
     高位B0-F7，低位A1-FE，剔除以下编码： 
     D7FA-D7FE 
*/ 
VOID CSREngine::GBK2GB2312(LPSTR lpszChineseStr)
{
 if(lpszChineseStr)
 {
  UINT32 iWritePos = 0;

  for(UINT32 iScanPos=0; lpszChineseStr[iScanPos]; ++iScanPos)
  {
   if((UCHAR)lpszChineseStr[iScanPos] >= 0x80)
   {
    UINT8 iChHigh = lpszChineseStr[iScanPos];
    UINT8 iChLow = lpszChineseStr[iScanPos+1];

    if(/*iChHigh==0xA1 && iChLow>=0xA1 && iChLow<=0xFE
     || iChHigh==0xA2 && iChLow>=0xB1 && iChLow<=0xE2
     || iChHigh==0xA2 && iChLow>=0xE5 && iChLow<=0xEE
     || iChHigh==0xA2 && iChLow>=0xF1 && iChLow<=0xFC
     || iChHigh==0xA3 && iChLow>=0xA1 && iChLow<=0xFE
     || iChHigh==0xA4 && iChLow>=0xA1 && iChLow<=0xF3
     || iChHigh==0xA5 && iChLow>=0xA1 && iChLow<=0xF6
     || iChHigh==0xA6 && iChLow>=0xA1 && iChLow<=0xB8
     || iChHigh==0xA6 && iChLow>=0xC1 && iChLow<=0xD8
     || iChHigh==0xA7 && iChLow>=0xA1 && iChLow<=0xC1
     || iChHigh==0xA7 && iChLow>=0xD1 && iChLow<=0xF1
     || iChHigh==0xA8 && iChLow>=0xA1 && iChLow<=0xBA
     || iChHigh==0xA8 && iChLow>=0xC5 && iChLow<=0xE9
     || iChHigh==0xA9 && iChLow>=0xA4 && iChLow<=0xEF
     || */iChHigh>=0xB0 && iChHigh<=0xF7 && iChLow>=0xA1 && iChLow<=0xFE
     && !(iChHigh==0xD7 && iChLow>=0xFA && iChLow<=0xFE))
    {
     if(iWritePos != iScanPos)
     {
      lpszChineseStr[iWritePos] = iChHigh;
      lpszChineseStr[iWritePos+1] = iChLow;
     }

     iWritePos += 2;
    }

    ++iScanPos;
   }
  }

  lpszChineseStr[iWritePos] = '/0';
 }
}

代码中将所有的字符都去掉了。其中某些引擎可以识别，但是某些无法识别。因为符号无法读出来，索性就全部去除了。仅测试，过滤后的命令文本可以很好的工作。