Lua 汉字转拼音

2018-05-16

   最近想给博客增加一个功能，把url转换成字符串，一来好辨认，可以形成良好的固定链接URL，二来可减少暴露系统设计的关键信息。一些项目会让数据库内每一个表格都从全局的UUID生成器中领取ID，因为是随机生成的，table中相邻的一条记录也不会被通过ID猜到，也就减少了某些错误设计可能导致信息泄露的可能。UUID是很好的，但是，UUID作为url的问题是不够直观。想想wiki的url，如果从en.wikipedia.org/wiki/Adreno 变为了en.wikipedia.org/wiki/2341234123234，是不是就不好了，而且，中文wiki的url，例如“http://zh.wikipedia.org/wiki/统一资源定位符” 复制出来是https://zh.wikipedia.org/zh-hans/%E7%BB%9F%E4%B8%80%E8%B5%84%E6%BA%90%E5%AE%9A%E4%BD%8D%E7%AC%A6，这也是比较糟糕的。所以，url中汉字转为拼音是相当由必要的。
   Lua中luarocks仓库中没有汉字转拼音的lib，可查询到的 cyrilis/lua-pinyin也不能正常工作，在这个库的基础上，我花了两个小时自己弄了一份可工作的版本。因为一个汉字可能对应多个拼音，一个拼音可能对应多个汉字，想要准确的给一个汉字字符串标注拼音，是很难做到的。例如多音词“朝阳”，是Cháo yáng，还是Zhāo yáng呢？一个小小的lib，也不可能用上机器学习来做上下文语境判断对吧。所以，简单点来。强制让汉字只对应一个拼音，放弃多音词。实现的原理也非常的简单，获取汉字字符的utf8编码，如汉字“实”的utf8编码为“&#x5B9E”，取5B9E，对应“shí”，之后再选择是否把是否把声调的字符 í 替换为ASCII小写字母，或者全部换为大写字母。所以，我们需要一个表格，把常见的几万字的汉字一一对应到一个拼音上。幸好这个工作已经有前人做好了，我在hotoo/pinyin 这里lib中找到了。需要把js数组转换为Lua table。

 

 

如果有任何意见，欢迎留言讨论。 


[ 主页 ]

COMMENTS