汉字转拼音方案总结

汉字转拼音：

采用哈希表方法，数组下标表示汉字的GB2312编码，存储内容为每个编码对应的汉字拼音，遇到一个汉字，先求其GB2312编码，然后根据编码快速得到汉字对应的拼音。

任意给定的文本文件可能是一个ASCII&GB2312混合编码的，其中ASCII编码是单字节表示，GB2312编码是双字节表示。在转化时，一次取一个字节，按以下步骤进行处理：

（1）    取一个字节，如果已没有字节可取（文件已处理完毕），则退出，否则，转向（2）；

（2）    判断该字节是否为单字节，如果是单字节，则不做转化处理，回到下一步循环，即重复（1），否则转到（3）；

（3）    取低字节，根据高字节和低字节联合判断是否为汉字字符，如果不是，则不做转化处理，转到（1），否则转到（4）；

（4）    求其GB2312编码，根据编码得到对应拼音，然后转到（1）。

注：判断单字节的依据：高字节编码范围（即ASCII编码范围）：（0x00<</span>高字节编码<0x80）

    判断双字节汉字字符的依据：高字节+低字节（即GB2312中汉字字符编码范围）：（0xb0<=高字节编码<=0xf7 && 0xa1<=低字节编码<=0xfe）

部分程序源码如下所示：

char ** pin = new char*[10000]; //数组下标为汉字的GB2312编码值，

                                   //存储内容为每个编码对应的汉字拼音

    pin[1]="a";

    pin[2]="a";

    pin[3]="ai";

... ...

 

ifstream fin(strTxtFileName);       //待转化的文本文件

ofstream fout(strPinyinFileName);   //转化后的拼音文件

    char ch;

    unsigned char ucHigh, ucLow;      //分别存双字节字符的高低字节

    int  nCode;                        //存储汉字GB2312编码值

    char* strValue;                    //转化得到的汉字拼音

    while (!fin.eof()) {

 //过滤单字节字符

       ch = fin.get();

       ucHigh = (unsigned char)ch;

       if( ucHigh > 0x00 && ucHigh < 0x80)          

           continue;

//过滤掉双字节非中文字符

       ch = fin.get();

        ucLow  = (unsigned char)ch;

        if (ucHigh < 0xb0 || ucHigh >0xf7 || ucLow < 0xa1 || ucLow >0xfe)

            continue;

//获取汉字GB2312编码

        nCode = (ucHigh - 0xb0) * 100 + ucLow - 0xa0;

//根据汉字编码得到对应拼音

        strValue = pin[nCode];

       fout<<strValue<<"\n";

    }

    fin.close();

    fout.close();

delete [] pin; 

 

ASCII 码表：http://www.weste.net/tools/ASCII.asp

GB2312码表：http://www.knowsky.com/resource/gb2312tbl.htm