获取汉字的拼音首字母

最新推荐文章于 2024-08-19 19:55:55 发布

tjunxin

最新推荐文章于 2024-08-19 19:55:55 发布

阅读量2k

点赞数 2

分类专栏： C++/VC++

本文链接：https://blog.csdn.net/tjunxin/article/details/8115947

版权

C++/VC++ 专栏收录该内容

23 篇文章

订阅专栏

利用汉字拼音首字母进行快速检索，效率比直接检索汉字高很多。在ASCII编码中，汉字是按拼音首字母的顺序进行编码的，也就是说拼音首字母相同的汉字的编译是连续的、相对集中的。那么就可以通过比较汉字ASCII码的大小来确定其拼音首字母了。例如：如果汉字的ASCII码 n 满足 n >= 0xB0A1 && n <= 0xB0C4，说明该汉字的拼音首字母是A。

首先，写一个判断数值范围的辅助函数。

// 判断var的值是否处于两者之间
bool	Between(int var, int lower, int upper)
{
	assert(upper >= lower);

	return (var >= lower) && var <= upper;
}

然后是获得一个汉字拼音首字母的函数。

ASCII用两个char来表示一个汉字，分别作为汉字ASCII值的高低位，因些将两个字符组合成一个ASCII值，就可以与拼音首字母的临界值比较了。

char	GetPinyinHead(const char * pszText)
{
	assert(strlen(pszText) == 2);

	unsigned char hi	= static_cast<unsigned char>(pszText[0]);
	unsigned char low	= static_cast<unsigned char>(pszText[1]);
	int val= unsigned short(hi << 8) +low;

	if (Between(val, 0xB0A1, 0xB0C4)) return 'A';
	if (Between(val, 0XB0C5, 0XB2C0)) return 'B';
	if (Between(val, 0xB2C1, 0xB4ED)) return 'C';
	if (Between(val, 0xB4EE, 0xB6E9)) return 'D';
	if (Between(val, 0xB6EA, 0xB7A1)) return 'E';
	if (Between(val, 0xB7A2, 0xB8c0)) return 'F';
	if (Between(val, 0xB8C1, 0xB9FD)) return 'G';
	if (Between(val, 0xB9FE, 0xBBF6)) return 'H';
	if (Between(val, 0xBBF7, 0xBFA5)) return 'J';
	if (Between(val, 0xBFA6, 0xC0AB)) return 'K';
	if (Between(val, 0xC0AC, 0xC2E7)) return 'L';
	if (Between(val, 0xC2E8, 0xC4C2)) return 'M';
	if (Between(val, 0xC4C3, 0xC5B5)) return 'N';
	if (Between(val, 0xC5B6, 0xC5BD)) return 'O';
	if (Between(val, 0xC5BE, 0xC6D9)) return 'P';
	if (Between(val, 0xC6DA, 0xC8BA)) return 'Q';
	if (Between(val, 0xC8BB, 0xC8F5)) return 'R';
	if (Between(val, 0xC8F6, 0xCBF0)) return 'S';	
	if (Between(val, 0xCBFA, 0xCDD9)) return 'T';
	if (Between(val, 0xCDDA, 0xCEF3)) return 'W';
	if (Between(val, 0xCEF4, 0xD188)) return 'X';
	if (Between(val, 0xD1B9, 0xD4D0)) return 'Y';
	if (Between(val, 0xD4D1, 0xD7F9)) return 'Z';

	return char(0);
}

最后实现一个取得中文字符串的函数。

字符串中有可能存在非汉字字符，对它们不作任何处理，直接保留。组成汉字ASCII码的两个char值都是小于0的，因此很容易判断字符是不是汉字。

string GetAllPinyinHeads(const char * pszText)
{
	string rst, temp;
	string strText = pszText;
	for (int i = 0; i < strText.length(); i++)
	{
		if (strText[i] >= 0) // 大于等于0说明非汉字
		{
			rst += strText[i];
		}
		else
		{
			temp += strText[i];
			if (temp.length() == 2)
			{
				rst += GetPinyinHead(temp.c_str());
				temp.clear();
			}
		}
	}

	return rst;
}

测试一下。

int _tmain(int argc, _TCHAR* argv[])
{
	string strTxt;
	while (cin>>strTxt)
	{
		cout<<GetAllPinyinHeads(strTxt.c_str())<<endl;
	}
	
	return 0;
}

结果不必截图了吧，非常OK！