一.介绍
pinyin4j是一个开源的java库(官网地址:http://pinyin4j.sourceforge.net/),使用来处理中文转换成拼音(汉语拼音,罗马拼音等),功能强大。
特点:
- 支持简体中文和繁体中文字符
- 支持转换汉语拼音,威玛拼音,耶鲁拼法
- 支持多音字,可获取一个字符的多个发音
- 支持多种拼音格式输出
JPinyin是一个汉字转拼音的Java开源类库,在PinYin4j的功能基础上做了一些改进。
特点:
1、准确、完善的字库;
Unicode编码从4E00-9FA5范围及3007(〇)的20903个汉字中,JPinyin能转换除46个异体字(异体字不存在标准拼音)之外的所有汉字;
2、拼音转换速度快;
经测试,转换Unicode编码从4E00-9FA5范围的20902个汉字,JPinyin耗时约100毫秒。
3、多拼音格式输出支持;
JPinyin支持多种拼音输出格式:带音标、不带音标、数字表示音标以及拼音首字母输出格式;
4、常见多音字识别;
JPinyin支持常见多音字的识别,其中包括词组、成语、地名等;
5、简繁体中文转换
使用PinYin4j开源项目获取汉字的拼音,需要对多音字手动配置,添加字典配置,将可能出现的多音字 词组组合起来,用正确拼音当作其key,词组当作value,保存到一个Map集合中。使用PinYin4j获取汉字拼音时判断是否为多音字(返回数组的 长度大于1),如果为多音字,用其拼音去 Map集合中查找,若有则取当前拼音为正确拼音。若到最后都没有找到,给其一个默认的拼音。详见参考案例
而JPinyin项目中已经内置了将生字、词组和对应的拼音以及简繁汉字对应的数据库,然后通过代码操作数据库来实现汉字/词组转拼音和汉字简繁互转的,数据库都是加密的,虽然不能扩充,但这个工具已经比较完善了,基本都可以满足需求.
二.简单使用
pinyin4j 常用的类:
- PinyinHelper:提供了几个实用程序函数,用于将中文字符(简体和繁体)转换为拼音
- HanyuPinyinCaseType:设置输出字符大小写
- HanyuPinyinOutputFormat:设置输出的格式化方式
- HanyuPinyinToneType:设置输出中文音调的选项
- HanyuPinyinVCharType;设置字符'ü'的展示方式
String[] strings = new String[]{"重庆", "厦门", "长沙", "台州","绿色","海水朝朝朝朝朝朝朝落,浮云长长长长长长长消"};
//pingyin4j
HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
format.setToneType(HanyuPinyinToneType.WITH_TONE_NUMBER);//设置声调
format.setCaseType(HanyuPinyinCaseType.LOWERCASE);//大小写
format.setVCharType(HanyuPinyinVCharType.WITH_U_AND_COLON);
Arrays.stream(strings).forEachOrdered(s -> {
try {
String pinyin = net.sourceforge.pinyin4j.PinyinHelper.toHanYuPinyinString(s,format," ",true);
System.err.println(s + ":" + pinyin);
} catch (BadHanyuPinyinOutputFormatCombination e) {
e.printStackTrace();
}
});
Jpinyin里面一共有四个类:
- ChineseHelper: 汉字简繁体转换类,提供常用方法
- PinyinFormat:设置输出的格式化方式
- PinyinHelper:汉字转拼音类,提供常用方法
- PinyinResource:资源文件加载类
Arrays.stream(strings).forEachOrdered(s -> { try { String pinyin = PinyinHelper.convertToPinyinString(s," ",PinyinFormat.WITH_TONE_NUMBER); System.err.println(s + ":" + pinyin); } catch (PinyinException e) { e.printStackTrace(); } });
输出结果:
相比较 Jpinyin在pinyin4j的基础上改善了易用性,对词汇的多音字的识别也更好.推荐使用Jpinyin
最后附上Jpinyin的PinyinHelper源码
/**
* 汉字转拼音类
*
* @author stuxuhai (dczxxuhai@gmail.com)
*/
public final class PinyinHelper {
private static List<String> dict = new ArrayList<String>();
private static final Map<String, String> PINYIN_TABLE = PinyinResource.getPinyinResource();
private static final Map<String, String> MUTIL_PINYIN_TABLE = PinyinResource.getMutilPinyinResource();
private static final DoubleArrayTrie DOUBLE_ARRAY_TRIE = new DoubleArrayTrie();
private static final String PINYIN_SEPARATOR = ","; // 拼音分隔符
private static final char CHINESE_LING = '〇';
private static final String ALL_UNMARKED_VOWEL = "aeiouv";
private static final String ALL_MARKED_VOWEL = "āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜ"; // 所有带声调的拼音字母
static {
for (String word : MUTIL_PINYIN_TABLE.keySet()) {
dict.add(word);
}
Collections.sort(dict);
DOUBLE_ARRAY_TRIE.build(dict);
}
private PinyinHelper() {
}
/**
* 将带声调格式的拼音转换为数字代表声调格式的拼音
*
* @param pinyinArrayString
* 带声调格式的拼音
* @return 数字代表声调格式的拼音
*/
private static String[] convertWithToneNumber(String pinyinArrayString) {
String[] pinyinArray = pinyinArrayString.split(PINYIN_SEPARATOR);
for (int i = pinyinArray.length - 1; i >= 0; i--) {
boolean hasMarkedChar = false;
String originalPinyin = pinyinArray[i].replace("ü", "v"); // 将拼音中的ü替换为v
for (int j = originalPinyin.length() - 1; j >= 0; j--) {
char originalChar = originalPinyin.charAt(j);
// 搜索带声调的拼音字母,如果存在则替换为对应不带声调的英文字母
if (originalChar < 'a' || originalChar > 'z') {
int indexInAllMarked = ALL_MARKED_VOWEL.indexOf(originalChar);
int toneNumber = indexInAllMarked % 4 + 1; // 声调数
char replaceChar = ALL_UNMARKED_VOWEL.charAt((indexInAllMarked - indexInAllMarked % 4) / 4);
pinyinArray[i] = originalPinyin.replace(String.valueOf(originalChar), String.valueOf(replaceChar))
+ toneNumber;
hasMarkedChar = true;
break;
}
}
if (!hasMarkedChar) {
// 找不到带声调的拼音字母说明是轻声,用数字5表示
pinyinArray[i] = originalPinyin + "5";
}
}
return pinyinArray;
}
/**
* 将带声调格式的拼音转换为不带声调格式的拼音
*
* @param pinyinArrayString
* 带声调格式的拼音
* @return 不带声调的拼音
*/
private static String[] convertWithoutTone(String pinyinArrayString) {
String[] pinyinArray;
for (int i = ALL_MARKED_VOWEL.length() - 1; i >= 0; i--) {
char originalChar = ALL_MARKED_VOWEL.charAt(i);
char replaceChar = ALL_UNMARKED_VOWEL.charAt((i - i % 4) / 4);
pinyinArrayString = pinyinArrayString.replace(String.valueOf(originalChar), String.valueOf(replaceChar));
}
// 将拼音中的ü替换为v
pinyinArray = pinyinArrayString.replace("ü", "v").split(PINYIN_SEPARATOR);
return pinyinArray;
}
/**
* 将带声调的拼音格式化为相应格式的拼音
*
* @param pinyinString
* 带声调的拼音
* @param pinyinFormat
* 拼音格式:WITH_TONE_NUMBER--数字代表声调,WITHOUT_TONE--不带声调,WITH_TONE_MARK--带声调
* @return 格式转换后的拼音
*/
private static String[] formatPinyin(String pinyinString, PinyinFormat pinyinFormat) {
if (pinyinFormat == PinyinFormat.WITH_TONE_MARK) {
return pinyinString.split(PINYIN_SEPARATOR);
} else if (pinyinFormat == PinyinFormat.WITH_TONE_NUMBER) {
return convertWithToneNumber(pinyinString);
} else if (pinyinFormat == PinyinFormat.WITHOUT_TONE) {
return convertWithoutTone(pinyinString);
}
return new String[0];
}
/**
* 将单个汉字转换为相应格式的拼音
*
* @param c
* 需要转换成拼音的汉字
* @param pinyinFormat
* 拼音格式:WITH_TONE_NUMBER--数字代表声调,WITHOUT_TONE--不带声调,WITH_TONE_MARK--带声调
* @return 汉字的拼音
*/
public static String[] convertToPinyinArray(char c, PinyinFormat pinyinFormat) {
String pinyin = PINYIN_TABLE.get(String.valueOf(c));
if ((pinyin != null) && (!"null".equals(pinyin))) {
Set<String> set = new LinkedHashSet<String>();
for (String str : formatPinyin(pinyin, pinyinFormat)) {
set.add(str);
}
return set.toArray(new String[set.size()]);
}
return new String[0];
}
/**
* 将单个汉字转换成带声调格式的拼音
*
* @param c
* 需要转换成拼音的汉字
* @return 字符串的拼音
*/
public static String[] convertToPinyinArray(char c) {
return convertToPinyinArray(c, PinyinFormat.WITH_TONE_MARK);
}
/**
* 将字符串转换成相应格式的拼音
*
* @param str
* 需要转换的字符串
* @param separator
* 拼音分隔符
* @param pinyinFormat
* 拼音格式:WITH_TONE_NUMBER--数字代表声调,WITHOUT_TONE--不带声调,WITH_TONE_MARK--带声调
* @return 字符串的拼音
* @throws PinyinException
*/
public static String convertToPinyinString(String str, String separator, PinyinFormat pinyinFormat)
throws PinyinException {
str = ChineseHelper.convertToSimplifiedChinese(str);
StringBuilder sb = new StringBuilder();
int i = 0;
int strLen = str.length();
while (i < strLen) {
String substr = str.substring(i);
List<Integer> commonPrefixList = DOUBLE_ARRAY_TRIE.commonPrefixSearch(substr);
if (commonPrefixList.size() == 0) {
char c = str.charAt(i);
// 判断是否为汉字或者〇
if (ChineseHelper.isChinese(c) || c == CHINESE_LING) {
String[] pinyinArray = convertToPinyinArray(c, pinyinFormat);
if (pinyinArray != null) {
if (pinyinArray.length > 0) {
sb.append(pinyinArray[0]);
} else {
throw new PinyinException("Can't convert to pinyin: " + c);
}
} else {
sb.append(str.charAt(i));
}
} else {
sb.append(c);
}
i++;
} else {
String words = dict.get(commonPrefixList.get(commonPrefixList.size() - 1));
String[] pinyinArray = formatPinyin(MUTIL_PINYIN_TABLE.get(words), pinyinFormat);
for (int j = 0, l = pinyinArray.length; j < l; j++) {
sb.append(pinyinArray[j]);
if (j < l - 1) {
sb.append(separator);
}
}
i += words.length();
}
if (i < strLen) {
sb.append(separator);
}
}
return sb.toString();
}
/**
* 将字符串转换成带声调格式的拼音
*
* @param str
* 需要转换的字符串
* @param separator
* 拼音分隔符
* @return 转换后带声调的拼音
* @throws PinyinException
*/
public static String convertToPinyinString(String str, String separator) throws PinyinException {
return convertToPinyinString(str, separator, PinyinFormat.WITH_TONE_MARK);
}
/**
* 判断一个汉字是否为多音字
*
* @param c
* 汉字
* @return 判断结果,是汉字返回true,否则返回false
*/
public static boolean hasMultiPinyin(char c) {
String[] pinyinArray = convertToPinyinArray(c);
if (pinyinArray != null && pinyinArray.length > 1) {
return true;
}
return false;
}
/**
* 获取字符串对应拼音的首字母
*
* @param str
* 需要转换的字符串
* @return 对应拼音的首字母
* @throws PinyinException
*/
public static String getShortPinyin(String str) throws PinyinException {
String separator = "#"; // 使用#作为拼音分隔符
StringBuilder sb = new StringBuilder();
char[] charArray = new char[str.length()];
for (int i = 0, len = str.length(); i < len; i++) {
char c = str.charAt(i);
// 首先判断是否为汉字或者〇,不是的话直接将该字符返回
if (!ChineseHelper.isChinese(c) && c != CHINESE_LING) {
charArray[i] = c;
} else {
int j = i + 1;
sb.append(c);
// 搜索连续的汉字字符串
while (j < len && (ChineseHelper.isChinese(str.charAt(j)) || str.charAt(j) == CHINESE_LING)) {
sb.append(str.charAt(j));
j++;
}
String hanziPinyin = convertToPinyinString(sb.toString(), separator, PinyinFormat.WITHOUT_TONE);
String[] pinyinArray = hanziPinyin.split(separator);
for (String string : pinyinArray) {
charArray[i] = string.charAt(0);
i++;
}
i--;
sb.setLength(0);
}
}
return String.valueOf(charArray);
}
public static void addPinyinDict(String path) throws FileNotFoundException {
PINYIN_TABLE.putAll(PinyinResource.getResource(PinyinResource.newFileReader(path)));
}
public static void addMutilPinyinDict(String path) throws FileNotFoundException {
MUTIL_PINYIN_TABLE.putAll(PinyinResource.getResource(PinyinResource.newFileReader(path)));
dict.clear();
DOUBLE_ARRAY_TRIE.clear();
for (String word : MUTIL_PINYIN_TABLE.keySet()) {
dict.add(word);
}
Collections.sort(dict);
DOUBLE_ARRAY_TRIE.build(dict);
}