pinyin4j项目实战演练

随时随地阅读更多技术实战干货，获取项目源码、学习资料，请关注源代码社区公众号(ydmsq666)

在实际项目中，经常会遇到汉字转拼音的需求，比如要根据拼音进行模糊查询，比如安卓里面的联系人就是通过拼音进行搜索的，这个时候就需要把汉字转换为拼音，才能进行拼音的模糊匹配，那么，在今天的文章中，介绍一个非常强大的拼音处理库pinyin4j，相信很多人都听说过甚至使用过，在这里，我总结下它的常见用法，并封装成方法，供以后项目方便调用。

我们知道，汉字是有多音字的，我们先从简单的开始分析，先不考虑多音字的情况。

下面介绍第一个封装的方法，获取汉字的拼音

	/**
	 * 获取拼音，多音字只取一种
	 * 
	 * @param input
	 * @return
	 */
	public static String getSpell(String input) {
		StringBuffer py = new StringBuffer();
		char[] cs = input.trim().toCharArray();
		HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
		// 不带声调
		format.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
		// 设置大小写
		format.setCaseType(HanyuPinyinCaseType.LOWERCASE);
		// 拼音中的u输出为v，例如lv
		format.setVCharType(HanyuPinyinVCharType.WITH_V);
		for (char c : cs) {
			if (isChinese(c)) {
				try {
					String[] pinyin = PinyinHelper.toHanyuPinyinStringArray(c, format);
					if (pinyin != null && pinyin.length > 0) {
						py.append(pinyin[0]);
					}
				} catch (BadHanyuPinyinOutputFormatCombination e) {
					logger.error("", e);
				}

			} else {
				py.append(c);
			}
		}
		return py.toString();
	}

代码非常简单，核心代码是String[] pinyin=PinyinHelper.toHanyuPinyinStringArray(c, format)，这就是将汉字转换为拼音的API，这里返回的是所有拼音，本方法中只取第一个拼音来说明，HanyuPinyinOutputFormat是拼音输出格式类，可以设置大小写，是否带声调等等。测试代码：PinyinUtil.getSpell("我是一个好人")，打印结果为woshiyigehaoren，是不是很简单呢

还有一种常用需求，获取拼音的首字母，这个在项目中也使用非常多，既然拼音都获取到了，首字母只需要取第一个字符就可以了，代码如下：

	public static String getFirstSpell(String input) {
		StringBuffer py = new StringBuffer();
		char[] cs = input.trim().toCharArray();
		HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
		format.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
		format.setVCharType(HanyuPinyinVCharType.WITH_V);
		format.setCaseType(HanyuPinyinCaseType.UPPERCASE);
		for (char c : cs) {
			if (isChinese(c)) {
				try {
					String[] pinyin = PinyinHelper.toHanyuPinyinStringArray(c, format);
					if (pinyin != null && pinyin.length > 0) {
						py.append(pinyin[0].charAt(0));
					}
				} catch (BadHanyuPinyinOutputFormatCombination e) {
					logger.error("", e);
				}

			} else {
				py.append(c);
			}
		}
		return py.toString().replaceAll("\\W", "").trim();
	}

只需要对刚才使用toHanyuPinyinStringArray获取的拼音取第一个字母就可以了。测试结果：WSYGHR

那么单音字分析了，我们该考虑多音字了，如果换一串汉字再使用上面获取拼音的方法，就可能不是我们想要的效果了，比如PinyinUtil.getFirstSpell("长沙市长")，结果为zhangshashizhang，第一个字就不是我们想要的拼音了。处理方法如下：

	public static List<String> getPolyphoneSpell(String input) {
		StringBuffer py = new StringBuffer();
		char[] cs = input.toCharArray();
		HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
		format.setCaseType(HanyuPinyinCaseType.LOWERCASE);
		format.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
		for (char c : cs) {
			if (isChinese(c)) {
				try {
					// 取得当前汉字的所有全拼
					String[] strs = PinyinHelper.toHanyuPinyinStringArray(c, format);
					if (strs != null) {
						for (int j = 0; j < strs.length; j++) {
							py.append(strs[j]);
							if (j != strs.length - 1) {
								py.append(",");
							}
						}
					}
				} catch (BadHanyuPinyinOutputFormatCombination e) {
					logger.error("", e);
				}
			} else {
				py.append(c);
			}
			py.append(" ");
		}
		return combinePinyin(removeRepeat(py.toString()));
	}

这里的处理方式为，将同一个字的多音字用‘,’隔开，不同汉字拼音用空格隔开，得到的效果如下：zhang,chang sha,sha shi zhang,chang，然后进行第二步排重，这里看到了‘沙’字在忽略声调的情况下有两个一样的多音字，排重方法如下：

	private static List<Map<String, Integer>> removeRepeat(String pinyins) {
		// 去除重复拼音后的拼音列表
		List<Map<String, Integer>> l = new ArrayList<>();
		// 用于去重
		Map<String, Integer> only = null;
		String[] all = pinyins.split(" ");
		// 遍历每个汉字的拼音
		for (String str : all) {
			only = new Hashtable<>();
			// 拆分单个汉字的多音字拼音
			String[] pol = str.split(",");
			// 去重处理
			for (String s : pol) {
				Integer count = only.get(s);
				if (count == null) {
					only.put(s, new Integer(1));
				} else {
					only.remove(s);
					count++;
					only.put(s, count);
				}
			}
			l.add(only);
		}
		return l;
	}

思路很简单，用一个map来存储每个汉字的多音字，重复的就只保留一个。接下来进行第三步，拼音整合，将所有可能性组合起来，比如上面的例子，在排重以后，还有两个多音字，就有四种组合，组合代码方法如下：

	private static List<String> combinePinyin(List<Map<String, Integer>> list) {
		// 保存组合数据
		Map<String, Integer> map = null;
		// 遍历每一组集合
		for (int i = 0; i < list.size(); i++) {
			// 这次与上一次组合的临时Map
			Map<String, Integer> temp = new Hashtable<String, Integer>();
			// 第一次循环，取集合第一个数据赋值
			if (map == null) {
				for (String s : list.get(i).keySet()) {
					String str = s;
					temp.put(str, 1);
				}
			} else {
				// 组合上次与这次的拼音
				for (String s : map.keySet()) {
					for (String s1 : list.get(i).keySet()) {
						String str = s + s1;
						temp.put(str, 1);
					}
				}
				// 清理上一次组合数据
				if (temp != null && temp.size() > 0) {
					map.clear();
				}
			}
			// 保存新组合数据
			if (temp != null && temp.size() > 0) {
				map = temp;
			}
		}
		List<String> result = new ArrayList<>();
		if (map != null) {
			for (String str : map.keySet()) {
				result.add(str);
			}
		}
		return result;

	}

思路也非常简单，用一个map来存储整合的数据，每次遍历将新的数据和之前整合的数据再组装，然后作为新的组合数据，遍历完后map就存储所有整合完的多音字情况。代码有非常详细的注释，相信大家都很容易看懂。然后将所有组合添加到集合返回，方便使用。测试结果如下：[zhangshashichang, changshashichang, zhangshashizhang, changshashizhang]

好，到这里获取多音字拼音介绍完了，获取首字母思路就是一样的了，直接上代码：

	public static List<String> getPolyphoneFirstSpell(String input) {
		StringBuffer py = new StringBuffer();
		char[] cs = input.toCharArray();
		HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
		format.setCaseType(HanyuPinyinCaseType.LOWERCASE);
		format.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
		for (char c : cs) {
			if (isChinese(c)) {
				try {
					// 取得当前汉字的所有全拼
					String[] strs = PinyinHelper.toHanyuPinyinStringArray(c, format);
					if (strs != null) {
						for (int j = 0; j < strs.length; j++) {
							// 取首字母
							py.append(strs[j].charAt(0));
							if (j != strs.length - 1) {
								py.append(",");
							}
						}
					}
				} catch (BadHanyuPinyinOutputFormatCombination e) {
					logger.error("", e);
				}
			} else {
				py.append(c);
			}
			py.append(" ");
		}
		return combinePinyin(removeRepeat(py.toString()));
	}

测试结果：[cssc, zssz, zssc, cssz]

判断是否为汉字的方法：

	public static boolean isChinese(char c) {
		return c >= 0x4E00 && c <= 0x9FA5;
	}

到这里，pinyin4j的基本使用介绍完了，这个库还有其它非常强大的功能，比如支持声调等等，留着大家继续探究吧。