PHP汉语转拼音（支持20378汉字）



PHP汉语转拼音（支持20378汉字）

在项目中需要通过php来实现抽取汉字的拼音功能，当时实现的方式使用GB2312的字库来实现的，但是在项目中发现像”咔咔“这样的汉字就无能为力了，抽取不出来正确的拼音了。GB2312类库的版本地址：http://blog.csdn.net/wgw335363240/article/details/38588151

为了能够尽可能多的正确抽取出汉字的拼音，参考了pinyin4j.jar的java实现，把汉语拼音的抽取转换为php版本，经测试，使用到的汉字基本都可以转换正确。在转换的过程中，php引擎需要安装了”mbstring“类库的支持，因为php引擎默认是使用iso-8859-1编码来实现的（即strlen('中国')的长度为6,相当于java中的”中国“.getBytes().length，它的长度也为6,当时java提供了”中国“.tochars()的实现，这个方法得到的chars集合长度为2,实际上就是按照汉字来遍历的），mbstring类库就相当于java中的tochars方法，把字符串按照汉字来遍历。如果不安装类库，还要自己根据utf8编码的规则类遍历byte，从而实现对汉字的拼音的抽取。

注意：

（1）php需要支持mbstring类库

（2）php要是使用utf-8编码编写，这里比较懒，没有编写支持其他语言

汉字转换拼音的原理如下：

（1）定义Unicode与拼音的映射字典（在php体现为数组），该字典从pinyin4j.jar文件，去掉了多音字和声调

（2）输入一个汉字如”严厉“，利用mbstring类库解析为”严“和”厉“两个字符

（3）把解析后的”严“和”厉“依次调用相关方法抽取一个汉字的拼音，如先抽取”严“

（4）把”严“字（此时是3个byte编码）转换为Unicode码（4E25，十进制为：20005）

（5）把Unicode码（4E25）与字典的key进行比较，获取到对应的拼音

（6）”厉”字也采取同样的策略来抽取拼音

抽取效率：

抽取一个汉字的时间：0.00076600000000004秒

源码下载地址：

http://download.csdn.net/detail/wgw335363240/8221461