Java相近汉字解决方案

实际问题

目的

做一个成语小程序，实现类似下面的页面接口。选择对应的正确成语的字。

成语库

没自己的成语库，最后选择去网上扒拉（py爬虫），解决第一个问题。(脚本我会放到最后面打包)

字典库

需要随机抽取一个字，然后生成4个相近的字符。 这里我没找到合适可以巴拉的数据，且还要去找形近字。

解决方案

使用nlp-hanzi-similar三方包，里面包含了一定（目前我使用来说形近字至少存在空缺）的文字库，但是也基本够用 （直接节省时间）。

这里是三方开源的项目，感谢作者

使用三方包

具体nlp-hanzi-similar github地址

引入maven:

<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>nlp-hanzi-similar</artifactId>
    <version>1.4.0</version>
</dependency>

没有使用maven的，我会后面将jar包和代码打包上传

大概看一下说明,根据自己情况设置参数即可：

double rate = HanziSimilarBs.newInstance()
                // 笔画数数据
                .bihuashuData(HanziSimilarDatas.bihuashu())
                // 笔画数相似算法
                .bihuashuSimilar(HanziSimilars.bihuashu())
                // 笔画数权重
                .bihuashuRate(HanziSimilarRateConst.BIAHUASHU)

                // 结构数据
                .jiegouData(HanziSimilarDatas.jiegou())
                // 结构相似算法
                .jiegouSimilar(HanziSimilars.jiegou())
                // 结构权重
                .jiegouRate(HanziSimilarRateConst.JIEGOU)

                // 部首数据
                .bushouData(HanziSimilarDatas.bushou())
                // 部首相似算法
                .bushouSimilar(HanziSimilars.bushou())
                // 部首权重
                .bushouRate(HanziSimilarRateConst.BUSHOU)

                // 四角数据
                .sijiaoData(HanziSimilarDatas.sijiao())
                // 四角相似算法
                .sijiaoSimilar(HanziSimilars.sijiao())
                // 四角权重
                .sijiaoRate(HanziSimilarRateConst.SIJIAO)

                // 拼音权重
                .pinyinRate(HanziSimilarRateConst.PINYIN)
                // 拼音相似算法
                .pinyinSimilar(HanziSimilars.pinyin())

                // 拆字权重
                .chaiziRate(HanziSimilarRateConst.CHAIZI)
                // 拆字相似算法
                .chaiziSimilar(HanziSimilars.chaizi())
                // 初始化
                .init()
                
                // 执行文本相似度对比
                .similar('末', '未');

注入Spring项目

IdiomConjectureHandler是我的成语处理器，处理器才是具体实现

@Configuration
public class IdiomConfig {


    @Bean
    public HanziSimilarBs getHanziSimilarBs() {
        HanziSimilarBs similarBs = HanziSimilarBs.newInstance()
                // 笔画数数据
                .bihuashuData(HanziSimilarDatas.bihuashu())
                // 笔画数相似算法
                .bihuashuSimilar(HanziSimilars.bihuashu())
                // 笔画数权重
                .bihuashuRate(HanziSimilarRateConst.BIAHUASHU)
                // 结构数据
                .jiegouData(HanziSimilarDatas.jiegou())
                // 结构相似算法
                .jiegouSimilar(HanziSimilars.jiegou())
                // 结构权重
                .jiegouRate(HanziSimilarRateConst.BIAHUASHU)
                // 部首数据
                .bushouData(HanziSimilarDatas.bushou())
                // 部首相似算法
                .bushouSimilar(HanziSimilars.bushou())
                // 部首权重
                .bushouRate(HanziSimilarRateConst.BIAHUASHU)
                // 四角数据
                .sijiaoData(HanziSimilarDatas.sijiao())
                // 四角相似算法
                .sijiaoSimilar(HanziSimilars.sijiao())
                // 四角权重
                .sijiaoRate(HanziSimilarRateConst.BIAHUASHU)
                // 拼音权重
                .pinyinRate(HanziSimilarRateConst.JIEGOU)
                // 拼音相似算法
                .pinyinSimilar(HanziSimilars.pinyin())
                // 拆字权重
                .chaiziRate(HanziSimilarRateConst.BIAHUASHU)
                // 拆字相似算法
                .chaiziSimilar(HanziSimilars.chaizi())
                // 初始化
                .init();
        return similarBs;
    }

    @Bean
    @ConditionalOnMissingBean(value = IdiomConjectureHandler.class)
    public IdiomConjectureHandler getIdiomConjectureHandler() {
        return new IdiomConjectureDefaultHandler();
    }

成语处理器实现

IdiomConjecture实体类

public class IdiomConjecture {
    /**
     * 成语
     */
    private String idiom;

    /**
     * 猜测字符
     */
    private String conjecture;

    /**
     * 结果字符，替换猜测字符为*
     */
    private String result;


    /**
     * 正确答案
     */
    private String correct;

    /**
     * 相近字符
     */
    private List<String> nearConjecture;
    ...
}

@Service
public class IdiomConjectureDefaultHandler implements IdiomConjectureHandler {

    @Autowired
    private HanziSimilarBs hanziSimilarBs;

    @Override
    public IdiomConjecture idiomConjecture(String idiom) {
        int randomInt = RandomUtil.randomInt(0, idiom.length() - 1);
        String sub = StrUtil.sub(idiom, randomInt, randomInt + 1);
        String replace = StrUtil.replace(idiom, sub, "?");
        char c = sub.charAt(0);
        List<String> list = hanziSimilarBs.similarList(c, 3);
        IdiomConjecture idiomConjecture = new IdiomConjecture();
        idiomConjecture.setIdiom(idiom);
        idiomConjecture.setConjecture(replace);
        idiomConjecture.setCorrect(sub);
        List<String> conjecture = CollectionUtils.isEmpty(list) ? generateRandomChineseCharacters(3) : list;
        conjecture.add(sub);
        idiomConjecture.setNearConjecture(conjecture);
        idiomConjecture.setResult(replace);
        return idiomConjecture;
    }

    public static List<String> generateRandomChineseCharacters(int count) {
        List<String> chineseChars = new ArrayList<>(count);
        Random random = new Random();
        for (int i = 0; i < count; i++) {
            // 生成随机的中文字符Unicode编码
            int codePoint = random.nextInt(0x9fa5 - 0x4e00 + 1) + 0x4e00;
            // 将编码转换为字符，并添加到列表中
            chineseChars.add(new String(Character.toChars(codePoint)));
        }
        return chineseChars;
    }
}

提别说明:generateRandomChineseCharacters方法，从unicode编码中随机取出count个汉字。 因为在nlp库中 存在形近字不够无法满足足够多的汉字，所以随机取出汉字补够字数。

接口返回数据

{
	"msg": "操作成功",
	"code": 200,
	"data": [
		{
			"id": 1646,
			"idiom": "?台高筑",
			"pinyin": "zhài tái gāo zhù",
			"correct": null,
			"answers": [
				"侇",
				"債",
				"渍",
				"债"
			],
			"answer": false
		},
		{
			"id": 1544,
			"idiom": "后生?畏",
			"pinyin": "hòu shēng kě wèi",
			"correct": null,
			"answers": [
				"司",
				"句",
				"戓",
				"可"
			],
			"answer": false
		}
}

目前来看效果还是可以

代码打包

代码打包下载

想做到很好，建议还是维护一个本地库，但是成本很高。