MaxCompute UDF系列之拼音转换

汉字转换拼音在日常开发中是个很常见的问题。例如我们伟大的12306，在地名中输入“WH”，就会出现“武汉”“芜湖”“威海”等地名，输入“WUHU”就会出现“芜湖”。

我们在MaxCompute开发中也会遇到此类问题，今天为大家提供一个拼音转换的UDF，下载地址见附件。

效果如下：

MaxCompute UDF代码如下：

package com.yinlin.udf.dev;

import com.aliyun.odps.udf.UDF;
import net.sourceforge.pinyin4j.PinyinHelper;  
import net.sourceforge.pinyin4j.format.HanyuPinyinCaseType;  
import net.sourceforge.pinyin4j.format.HanyuPinyinOutputFormat;  
import net.sourceforge.pinyin4j.format.HanyuPinyinToneType;  
import net.sourceforge.pinyin4j.format.HanyuPinyinVCharType;  
import net.sourceforge.pinyin4j.format.exception.BadHanyuPinyinOutputFormatCombination;  
  
public class pinyin extends UDF { 
      
    public String evaluate(String inputString,String xtype) {
          
        HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();  
        format.setCaseType(HanyuPinyinCaseType.LOWERCASE);  
        format.setToneType(HanyuPinyinToneType.WITHOUT_TONE );  
        format.setVCharType(HanyuPinyinVCharType.WITH_U_UNICODE);  

        if (inputString == null) inputString = "";
        char[] input = inputString.trim().toCharArray();  
        StringBuffer output = new StringBuffer("");  

        try {  
            for (int i = 0; i < input.length; i++) {  
                if (Character.toString(input[i]).matches("[\u4E00-\u9FA5]+")) {  
                    String[] temp = PinyinHelper.toHanyuPinyinStringArray(input[i], format);
                    if (temp != null & xtype.equals("1")){
                        output.append(temp[0]);
                    }
                    if (temp != null  & xtype.equals("2")){
                        char[] ctemp=temp[0].toCharArray();
                        output.append(ctemp[0]);
                    }
                    //output.append(" ");
                } else  
                    output.append(Character.toString(input[i]));  
            }  
        } catch (BadHanyuPinyinOutputFormatCombination e) {  
            e.printStackTrace();  
        }  
        return output.toString();  
    }
}  

注意：依赖拼音pinyin4j.jar；

使用方法：

1、通过Eclipse将pinyin.java编译成Jar包。

2、通过大数据开发套件，上传资源pinyin4j.jar和pinyin_udf.jar；

3、通过大数据开发套件，引用第二步上传的pinyin4j.jar和pinyin_udf.jar资源，注册pinyin函数；

4、通过大数据开发套件新建SQL脚本，输入SQL函数进行测试。

--创建虚拟表，插入一条记录
CREATE TABLE IF NOT EXISTS dual (id STRING);
insert into table dual select '1' from (select count(1) from dual) t;


---pinyin 汉字转拼音，参数'1'为全拼，参数'2'为首字母
select pinyin('隐林','2') from yinlin_demo.dual limit 1;

到此为止，实验完成。

常见问题

Q：无结果？

我们在创建虚拟dual表的时候，一定要保证表中有数据。

Q：无法找到pinyin函数？

利用大数据开发套件注册pinyin函数的时候需要包名+类名，否则会找不到类。

阿里巴巴大数据-玩家社区 https://yq.aliyun.com/teams/6/

---阿里大数据博文，问答，社群，实践，有朋自远方来，不亦说乎……