J2ME经验总结之汉字转拼音

作者：hunhun1981
出自：http://blog.csdn.net/hunhun1981/

在网上参考了一些汉字转换到拼音的资料。思路应该只有以下两种。
1，查表法。这样做需要一个庞大的映射表，在j2me环境下不大合适。不过效果好，有些还支持多音字。
2，使用GB字库的映射关系。因为GB2312及其扩展GBK的汉字编码都根据区位于拼音存在映射关系。
实际上网络上的大部分文章都是根据第二种方法来实现的。

我也是采用这种方法，因为它基本上可以利用GB2312字库，直接映射成拼音。
如果遇到不支持GB2312的手机，请参考上一篇文章。
http://blog.csdn.net/hunhun1981/archive/2007/10/26/1845576.aspx

首先来介绍下原始的代码，由于这个代码在网上存在多个版本，并不知道原始作者是谁。
再次鄙视哪些剽窃人家东西不留名的人。
http://hibernate.blogdriver.com/hibernate/1036902.html
或者各位可以在百度中搜索“java 中文 拼音”，即可找到很多帖子，基本全是这份代码。

以下是一个重要片段。

      /**
     * 获得单个汉字的Ascii.
     *  @param  cn char
     * 汉字字符
     *  @return  int
     * 错误返回 0,否则返回ascii
      */
     public   static   int  getCnAscii( char  cn) {
         byte [] bytes  =  (String.valueOf(cn)).getBytes();
         if  (bytes  ==   null   ||  bytes.length  >   2   ||  bytes.length  <=   0 ) {  // 错误
             return   0 ;
        }
         if  (bytes.length  ==   1 ) {  // 英文字符
             return  bytes[ 0 ];
        }
         if  (bytes.length  ==   2 ) {  // 中文字符
             int  hightByte  =   256   +  bytes[ 0 ];
             int  lowByte  =   256   +  bytes[ 1 ];
             int  ascii  =  ( 256   *  hightByte  +  lowByte)  -   256   *   256 ;
             // System.out.println("ASCII=" + ascii);
             return  ascii;
        }
         return   0 ;  // 错误
    }

这个方法中有一个片段大家需要注意，“(String.valueOf(cn)).getBytes();”这一句。
这里获得的应该是GBK编码，可不是unicode。
unicode是无法使用现在的方法来获取拼音的，只能用查表法，弄一张对于j2me来说很庞大的映射表。

下面详细介绍一下我改进后的方法。并且对原始代码的作者表示感谢，虽然不知道他是谁。 

     public   class  HGB2PINYIN {

         private  String[] name  =  {  " zuo " ,  " zun " ,  " zui " ,  " zuan " ,  " zu " ,  " zou " ,
                 " zong " ,  " zi " ,  " zhuo " ,  " zhun " ,  " zhui " ,  " zhuang " ,  " zhuan " ,
                 " zhuai " ,  " zhua " ,  " zhu " ,  " zhou " ,  " zhong " ,  " zhi " ,  " zheng " ,
                 " zhen " ,  " zhe " ,  " zhao " ,  " zhang " ,  " zhan " ,  " zhai " ,  " zha " ,  " zeng " ,
                 " zen " ,  " zei " ,  " ze " ,  " zao " ,  " zang " ,  " zan " ,  " zai " ,  " za " ,  " yun " ,
                 " yue " ,  " yuan " ,  " yu " ,  " you " ,  " yong " ,  " yo " ,  " ying " ,  " yin " ,  " yi " ,
                 " ye " ,  " yao " ,  " yang " ,  " yan " ,  " ya " ,  " xun " ,  " xue " ,  " xuan " ,  " xu " ,
                 " xiu " ,  " xiong " ,  " xing " ,  " xin " ,  " xie " ,  " xiao " ,  " xiang " ,  " xian " ,
                 " xia " ,  " xi " ,  " wu " ,  " wo " ,  " weng " ,  " wen " ,  " wei " ,  " wang " ,  " wan " ,
                 " wai " ,  " wa " ,  " tuo " ,  " tun " ,  " tui " ,  " tuan " ,  " tu " ,  " tou " ,  " tong " ,
                 " ting " ,  " tie " ,  " tiao " ,  " tian " ,  " ti " ,  " teng " ,  " te " ,  " tao " ,
                 " tang " ,  " tan " ,  " tai " ,  " ta " ,  " suo " ,  " sun " ,  " sui " ,  " suan " ,  " su " ,
                 " sou " ,  " song " ,  " si " ,  " shuo " ,  " shun " ,  " shui " ,  " shuang " ,  " shuan " ,
                 " shuai " ,  " shua " ,  " shu " ,  " shou " ,  " shi " ,  " sheng " ,  " shen " ,  " she " ,
                 " shao " ,  " shang " ,  " shan " ,  " shai " ,  " sha " ,  " seng " ,  " sen " ,  " se " ,
                 " sao " ,  " sang " ,  " san " ,  " sai " ,  " sa " ,  " ruo " ,  " run " ,  " rui " ,  " ruan " ,
                 " ru " ,  " rou " ,  " rong " ,  " ri " ,  " reng " ,  " ren " ,  " re " ,  " rao " ,  " rang " ,
                 " ran " ,  " qun " ,  " que " ,  " quan " ,  " qu " ,  " qiu " ,  " qiong " ,  " qing " ,
                 " qin " ,  " qie " ,  " qiao " ,  " qiang " ,  " qian " ,  " qia " ,  " qi " ,  " pu " ,  " po " ,
                 " ping " ,  " pin " ,  " pie " ,  " piao " ,  " pian " ,  " pi " ,  " peng " ,  " pen " ,
                 " pei " ,  " pao " ,  " pang " ,  " pan " ,  " pai " ,  " pa " ,  " ou " ,  " o " ,  " nuo " ,
                 " nue " ,  " nuan " ,  " nv " ,  " nu " ,  " nong " ,  " niu " ,  " ning " ,  " nin " ,  " nie " ,
                 " niao " ,  " niang " ,  " nian " ,  " ni " ,  " neng " ,  " nen " ,  " nei " ,  " ne " ,
                 " nao " ,  " nang " ,  " nan " ,  " nai " ,  " na " ,  " mu " ,  " mou " ,  " mo " ,  " miu " ,
                 " ming " ,  " min " ,  " mie " ,  " miao " ,  " mian " ,  " mi " ,  " meng " ,  " men " ,
                 " mei " ,  " me " ,  " mao " ,  " mang " ,  " man " ,  " mai " ,  " ma " ,  " luo " ,  " lun " ,
                 " lue " ,  " luan " ,  " lv " ,  " lu " ,  " lou " ,  " long " ,  " liu " ,  " ling " ,  " lin " ,
                 " lie " ,  " liao " ,  " liang " ,  " lian " ,  " lia " ,  " li " ,  " leng " ,  " lei " ,
                 " le " ,  " lao " ,  " lang " ,  " lan " ,  " lai " ,  " la " ,  " kuo " ,  " kun " ,  " kui " ,
                 " kuang " ,  " kuan " ,  " kuai " ,  " kua " ,  " ku " ,  " kou " ,  " kong " ,  " keng " ,
                 " ken " ,  " ke " ,  " kao " ,  " kang " ,  " kan " ,  " kai " ,  " ka " ,  " jun " ,  " jue " ,
                 " juan " ,  " ju " ,  " jiu " ,  " jiong " ,  " jing " ,  " jin " ,  " jie " ,  " jiao " ,
                 " jiang " ,  " jian " ,  " jia " ,  " ji " ,  " huo " ,  " hun " ,  " hui " ,  " huang " ,
                 " huan " ,  " huai " ,  " hua " ,  " hu " ,  " hou " ,  " hong " ,  " heng " ,  " hen " ,
                 " hei " ,  " he " ,  " hao " ,  " hang " ,  " han " ,  " hai " ,  " ha " ,  " guo " ,  " gun " ,
                 " gui " ,  " guang " ,  " guan " ,  " guai " ,  " gua " ,  " gu " ,  " gou " ,  " gong " ,
                 " geng " ,  " gen " ,  " gei " ,  " ge " ,  " gao " ,  " gang " ,  " gan " ,  " gai " ,  " ga " ,
                 " fu " ,  " fou " ,  " fo " ,  " feng " ,  " fen " ,  " fei " ,  " fang " ,  " fan " ,  " fa " ,
                 " er " ,  " en " ,  " e " ,  " duo " ,  " dun " ,  " dui " ,  " duan " ,  " du " ,  " dou " ,
                 " dong " ,  " diu " ,  " ding " ,  " die " ,  " diao " ,  " dian " ,  " di " ,  " deng " ,
                 " de " ,  " dao " ,  " dang " ,  " dan " ,  " dai " ,  " da " ,  " cuo " ,  " cun " ,  " cui " ,
                 " cuan " ,  " cu " ,  " cou " ,  " cong " ,  " ci " ,  " chuo " ,  " chun " ,  " chui " ,
                 " chuang " ,  " chuan " ,  " chuai " ,  " chu " ,  " chou " ,  " chong " ,  " chi " ,
                 " cheng " ,  " chen " ,  " che " ,  " chao " ,  " chang " ,  " chan " ,  " chai " ,  " cha " ,
                 " ceng " ,  " ce " ,  " cao " ,  " cang " ,  " can " ,  " cai " ,  " ca " ,  " bu " ,  " bo " ,
                 " bing " ,  " bin " ,  " bie " ,  " biao " ,  " bian " ,  " bi " ,  " beng " ,  " ben " ,
                 " bei " ,  " bao " ,  " bang " ,  " ban " ,  " bai " ,  " ba " ,  " ao " ,  " ang " ,  " an " ,
                 " ai " ,  " a "  };

         private   int [] code  =  {  - 10254 ,  - 10256 ,  - 10260 ,  - 10262 ,  - 10270 ,  - 10274 ,
                 - 10281 ,  - 10296 ,  - 10307 ,  - 10309 ,  - 10315 ,  - 10322 ,  - 10328 ,  - 10329 ,
                 - 10331 ,  - 10519 ,  - 10533 ,  - 10544 ,  - 10587 ,  - 10764 ,  - 10780 ,  - 10790 ,
                 - 10800 ,  - 10815 ,  - 10832 ,  - 10838 ,  - 11014 ,  - 11018 ,  - 11019 ,  - 11020 ,
                 - 11024 ,  - 11038 ,  - 11041 ,  - 11045 ,  - 11052 ,  - 11055 ,  - 11067 ,  - 11077 ,
                 - 11097 ,  - 11303 ,  - 11324 ,  - 11339 ,  - 11340 ,  - 11358 ,  - 11536 ,  - 11589 ,
                 - 11604 ,  - 11781 ,  - 11798 ,  - 11831 ,  - 11847 ,  - 11861 ,  - 11867 ,  - 12039 ,
                 - 12058 ,  - 12067 ,  - 12074 ,  - 12089 ,  - 12099 ,  - 12120 ,  - 12300 ,  - 12320 ,
                 - 12346 ,  - 12359 ,  - 12556 ,  - 12585 ,  - 12594 ,  - 12597 ,  - 12607 ,  - 12802 ,
                 - 12812 ,  - 12829 ,  - 12831 ,  - 12838 ,  - 12849 ,  - 12852 ,  - 12858 ,  - 12860 ,
                 - 12871 ,  - 12875 ,  - 12888 ,  - 13060 ,  - 13063 ,  - 13068 ,  - 13076 ,  - 13091 ,
                 - 13095 ,  - 13096 ,  - 13107 ,  - 13120 ,  - 13138 ,  - 13147 ,  - 13318 ,  - 13326 ,
                 - 13329 ,  - 13340 ,  - 13343 ,  - 13356 ,  - 13359 ,  - 13367 ,  - 13383 ,  - 13387 ,
                 - 13391 ,  - 13395 ,  - 13398 ,  - 13400 ,  - 13404 ,  - 13406 ,  - 13601 ,  - 13611 ,
                 - 13658 ,  - 13831 ,  - 13847 ,  - 13859 ,  - 13870 ,  - 13878 ,  - 13894 ,  - 13896 ,
                 - 13905 ,  - 13906 ,  - 13907 ,  - 13910 ,  - 13914 ,  - 13917 ,  - 14083 ,  - 14087 ,
                 - 14090 ,  - 14092 ,  - 14094 ,  - 14097 ,  - 14099 ,  - 14109 ,  - 14112 ,  - 14122 ,
                 - 14123 ,  - 14125 ,  - 14135 ,  - 14137 ,  - 14140 ,  - 14145 ,  - 14149 ,  - 14151 ,
                 - 14159 ,  - 14170 ,  - 14345 ,  - 14353 ,  - 14355 ,  - 14368 ,  - 14379 ,  - 14384 ,
                 - 14399 ,  - 14407 ,  - 14429 ,  - 14594 ,  - 14630 ,  - 14645 ,  - 14654 ,  - 14663 ,
                 - 14668 ,  - 14670 ,  - 14674 ,  - 14678 ,  - 14857 ,  - 14871 ,  - 14873 ,  - 14882 ,
                 - 14889 ,  - 14894 ,  - 14902 ,  - 14908 ,  - 14914 ,  - 14921 ,  - 14922 ,  - 14926 ,
                 - 14928 ,  - 14929 ,  - 14930 ,  - 14933 ,  - 14937 ,  - 14941 ,  - 15109 ,  - 15110 ,
                 - 15117 ,  - 15119 ,  - 15121 ,  - 15128 ,  - 15139 ,  - 15140 ,  - 15141 ,  - 15143 ,
                 - 15144 ,  - 15149 ,  - 15150 ,  - 15153 ,  - 15158 ,  - 15165 ,  - 15180 ,  - 15183 ,
                 - 15362 ,  - 15363 ,  - 15369 ,  - 15375 ,  - 15377 ,  - 15385 ,  - 15394 ,  - 15408 ,
                 - 15416 ,  - 15419 ,  - 15435 ,  - 15436 ,  - 15448 ,  - 15454 ,  - 15625 ,  - 15631 ,
                 - 15640 ,  - 15652 ,  - 15659 ,  - 15661 ,  - 15667 ,  - 15681 ,  - 15701 ,  - 15707 ,
                 - 15878 ,  - 15889 ,  - 15903 ,  - 15915 ,  - 15920 ,  - 15933 ,  - 15944 ,  - 15958 ,
                 - 15959 ,  - 16155 ,  - 16158 ,  - 16169 ,  - 16171 ,  - 16180 ,  - 16187 ,  - 16202 ,
                 - 16205 ,  - 16212 ,  - 16216 ,  - 16220 ,  - 16393 ,  - 16401 ,  - 16403 ,  - 16407 ,
                 - 16412 ,  - 16419 ,  - 16423 ,  - 16427 ,  - 16429 ,  - 16433 ,  - 16448 ,  - 16452 ,
                 - 16459 ,  - 16465 ,  - 16470 ,  - 16474 ,  - 16647 ,  - 16657 ,  - 16664 ,  - 16689 ,
                 - 16706 ,  - 16708 ,  - 16733 ,  - 16915 ,  - 16942 ,  - 16970 ,  - 16983 ,  - 17185 ,
                 - 17202 ,  - 17417 ,  - 17427 ,  - 17433 ,  - 17454 ,  - 17468 ,  - 17482 ,  - 17487 ,
                 - 17496 ,  - 17676 ,  - 17683 ,  - 17692 ,  - 17697 ,  - 17701 ,  - 17703 ,  - 17721 ,
                 - 17730 ,  - 17733 ,  - 17752 ,  - 17759 ,  - 17922 ,  - 17928 ,  - 17931 ,  - 17947 ,
                 - 17950 ,  - 17961 ,  - 17964 ,  - 17970 ,  - 17988 ,  - 17997 ,  - 18012 ,  - 18181 ,
                 - 18183 ,  - 18184 ,  - 18201 ,  - 18211 ,  - 18220 ,  - 18231 ,  - 18237 ,  - 18239 ,
                 - 18446 ,  - 18447 ,  - 18448 ,  - 18463 ,  - 18478 ,  - 18490 ,  - 18501 ,  - 18518 ,
                 - 18526 ,  - 18696 ,  - 18697 ,  - 18710 ,  - 18722 ,  - 18731 ,  - 18735 ,  - 18741 ,
                 - 18756 ,  - 18763 ,  - 18773 ,  - 18774 ,  - 18783 ,  - 18952 ,  - 18961 ,  - 18977 ,
                 - 18996 ,  - 19003 ,  - 19006 ,  - 19018 ,  - 19023 ,  - 19038 ,  - 19212 ,  - 19218 ,
                 - 19224 ,  - 19227 ,  - 19235 ,  - 19238 ,  - 19242 ,  - 19243 ,  - 19249 ,  - 19261 ,
                 - 19263 ,  - 19270 ,  - 19275 ,  - 19281 ,  - 19288 ,  - 19289 ,  - 19467 ,  - 19479 ,
                 - 19484 ,  - 19500 ,  - 19515 ,  - 19525 ,  - 19531 ,  - 19540 ,  - 19715 ,  - 19725 ,
                 - 19728 ,  - 19739 ,  - 19741 ,  - 19746 ,  - 19751 ,  - 19756 ,  - 19763 ,  - 19774 ,
                 - 19775 ,  - 19784 ,  - 19805 ,  - 19976 ,  - 19982 ,  - 19986 ,  - 19990 ,  - 20002 ,
                 - 20026 ,  - 20032 ,  - 20036 ,  - 20051 ,  - 20230 ,  - 20242 ,  - 20257 ,  - 20265 ,
                 - 20283 ,  - 20292 ,  - 20295 ,  - 20304 ,  - 20317 ,  - 20319  };

         public  String getPinyin(String gb2312) {
             if  ( null   ==  gb2312  ||   "" .equals(gb2312.trim())) {
                 return  gb2312;
            }
             char [] chars  =  gb2312.toCharArray();
            StringBuffer retuBuf  =   new  StringBuffer();
             for  ( int  i  =   0 , Len  =  chars.length; i  <  Len; i ++ ) {
                retuBuf.append(getPinyin(chars[i]));
            }  //  end of for
             return  retuBuf.toString();
        }

         public  String getPinyin( char  gb2312) {
             int  ascii  =  getCnAscii(gb2312);
             if  (ascii  ==   0 ) {  //  取ascii时出错
                 return  String.valueOf(gb2312);
            }  else  {
                String spell  =  getSpellByAscii(ascii);
                 if  (spell  ==   null ) {
                     return  String.valueOf(gb2312);
                }  else  {
                     return  spell;
                }  //  end of if spell == null
            }
        }

         private   int  getCnAscii( char  cn) {
             byte [] bytes  =   null ;
             try  {
                bytes  =  (String.valueOf(cn)).getBytes( " GB2312 " );
            }  catch  (Exception e) {
                e.printStackTrace();
            }
             if  (bytes  ==   null   ||  bytes.length  >   2   ||  bytes.length  <=   0 ) {
                 return   0 ;
            }
             if  (bytes.length  ==   1 ) {
                 return  bytes[ 0 ];
            }  else  {
                 int  hightByte  =   256   +  bytes[ 0 ];
                 int  lowByte  =   256   +  bytes[ 1 ];
                 int  ascii  =  ( 256   *  hightByte  +  lowByte)  -   256   *   256 ;
                 return  ascii;
            }
        }

         private  String getSpellByAscii( int  ascii) {
             if  (ascii  >   0   &&  ascii  <   160 ) {  //  单字符
                 return  String.valueOf(( char ) ascii);
            }
             if  (ascii  <   - 20319   ||  ascii  >   - 10247 ) {  //  不知道的字符
                 return   " ? " ;
            }
             int  ind;
             for  (ind  =   0 ; ind  <  code.length; ind ++ ) {
                 if  (ascii  >  code[ind]) {
                     break ;
                }
            }
             return  name[ind];
        }
    }

 

首先我去除了比较多余的LinkedHashMap，同时解决了原始代码中查询时比较弱的查询方式。直接通过数组索引做判断（参考getSpellByAscii函数，如果有兴趣，各位可以把循环判断区间改为二分法，效果会好很多，毕竟是395的数组，要找到区间最坏情况下要遍历整个数组并判断395次）。

如果手机不支持GB2312，那么可以参考我以前的文章，修改getCnAscii函数，使用我提供的库将编码转换位GB2312。

感谢各位的阅读，转贴请注明出处。
欢迎有兴趣的朋友多多指点交流经验。

更多信息，请关注hunhun1981的专栏 。