小谈“汉字转换成拼音（不带声调）”

（作者:finallyly 出处：博客园 转载请注明作者和出处）

   把汉字转换成拼音，实际上是一个非技术活，无外乎查表而已。可能由于汉字拼音转换表资源比较宝贵的缘故，网络上开源的转换程序比较少。另外，网络上给出的码表，可能不能覆盖全部的多音字，生僻字，所以基于此类码表写成的程序，也就有一定的局限性。

  本文给出一份完毕的，将汉字转换成无声调标注的拼音的设计思路、全部代码并且给出一份在一定程度上可用的汉字拼音转换表。

首先指出本文部分参考了  《Python返回汉字的汉语拼音(原创) 》的汉字拼音转换表以及大概思路。

下面步入正轨

汉语拼音转换表的物理存储格式：（汉字+空格+汉字对应的拼音，多个候选读音用哪个空格隔开）

程序中的转换表用MAP保存，其数据格式为map<wstring,vector<string>>,wstring:键值；vector<string> 候选读音

1. 将硬盘中的码表读入内存

void StringManipulation::FormatPinYinMap(map<wstring,vector<string >>&hptable)
{
	ifstream ifile("mycodebook.txt");
	
	string line;
	while (getline(ifile,line))
	{
		if (!line.empty())
		{   wstring wsResult=String2Wstring(line);
			vector<wstring> goodWordstemp;
			boost::split(goodWordstemp,wsResult,boost::is_any_of(" "));
			wstring mykey=goodWordstemp[0];
			vector<string>myval;
			for(vector<wstring>::iterator it=goodWordstemp.begin()+1;it!=goodWordstemp.end();it++)
			{  
				myval.push_back(Wstring2String(*it));
				



			}
			if (!hptable.count(mykey))
			{
				hptable[mykey]=myval;
			}


		}





	}

}

 

2. 将单个汉字转换成拼音的代码

vector<string>StringManipulation::HZ2Py(wstring character,map<wstring,vector<string> >& hptable)
{

	vector<string>candidates;
	if (hptable.count(character))
	{
		candidates=hptable[character];

	}
	else
	{
		candidates.push_back("[A-Z]+");

	}
	return candidates;

}

3. 将汉字字符串转换成对应的拼音字符串（重点函数）

此份代码可以将任意汉字串转换成拼音。但是，工作侧重点是将汉语人名转换成拼音形式，从而构造启发式查询。

考虑到多音字，生僻字等多种情形，为了让转换成的拼音字符串更具鲁棒性，我们在转换后的拼音串中加入了若干正则表达式

比如我们将“刘禹锡”转换成”LIU.*?YU.*?XI”。这样形成的拼音字符串既可以和含有“liuyuxi”网页匹配，又可以和含有”LIU YUXI”网页匹配。

汉语字符串中含有多音字的时候，可以形成多个候选读音。由于我们事先并不知道那些字是多音字，所有我们不可能事先确定一个汉字串究竟有多少种候选读音。

这里采用的办法是：生成一个图来表示每个汉字对应的后续读音，以及这些读音之间的有向连接关系。

然后用求有向图上任意两点间的所有路径的算法见《求两点之间所有路径的算法》，求出一个汉字字符串所对应的所有候选读音。

 

/************************************************************************/
/*获得一汉字字符串的拼音串                                                                     */
/************************************************************************/
vector<string> StringManipulation::Han2Py(string shan,map<wstring,vector<string>>&hptable)
{
	vector<string>result;
	GraphRepresentation gr;
	gr.Vertex[0]="@";
	int mycount=0;//是否添加“正则边”
	int prevsize=0;//上一个汉字有几个读音
	int laslabel=0;//上一次节点编号的最大值
	if (!shan.empty())
	{
		wstring whan=String2Wstring(shan);
		for (wstring::iterator it=whan.begin();it!=whan.end();it++)
		{
			wstring tmp;
			tmp.assign(1,*it);
			vector<string>tmpcandidates=HZ2Py(tmp,hptable);
			if(mycount==0)
			{ 
				for (int i=0;i<tmpcandidates.size();i++ )
				{
					gr.Vertex[i+laslabel+1]=tmpcandidates[i];
					gr.GraphR[make_pair(0,i+laslabel+1)]="&";

				}
				prevsize=tmpcandidates.size();
				laslabel=tmpcandidates.size();

			}
			else
			{
				for (int i=0;i<tmpcandidates.size();i++ )
				{
					gr.Vertex[i+laslabel+1]=tmpcandidates[i];
					for (int j=laslabel;j>laslabel-prevsize;j--)
					{
						gr.GraphR[make_pair(j,i+laslabel+1)]=".*?";
					}
					

				}
				laslabel+=tmpcandidates.size();
				prevsize=tmpcandidates.size();
				




			}
			mycount++;

		}
		gr.Vertex[laslabel+1]="@";
		for (int j=laslabel;j>laslabel-prevsize;j--)
		{
			gr.GraphR[make_pair(j,laslabel+1)]="&";
		}
		vector<vector<int>>paths;
		gr.GetPaths(paths,0,laslabel+1);
		for (vector<vector<int>>::iterator it=paths.begin();it!=paths.end();it++)
		{  
			deque<int>tmpque;
			string singlecandidate;
			for (vector<int>::reverse_iterator rit=it->rbegin();rit!=it->rend();rit++)
			{   
				tmpque.push_back(*rit);
				
				if (tmpque.size()==2)
				{
					int tmp1=tmpque.front();
					tmpque.pop_front();
					singlecandidate+=gr.Vertex[tmp1];
					int tmp2=tmpque.front();
					string edge=gr.GraphR[make_pair(tmp1,tmp2)];
					singlecandidate+=edge;
					

				
				}
				
				
					
				
				
		}  
			TrimString(singlecandidate,"@");
			TrimString(singlecandidate,"&");
			result.push_back(singlecandidate);
		}



	}
	
  return result;
	
}

其他辅助函数见《小谈汉字转换成拼音辅助函数和辅助类》

汉字2拼音转换表 http://files.cnblogs.com/finallyliuyu/mycodebook.rar

主调函数：

StringManipulation strp;
 map<wstring,vector<string>>h2ptable;
 strp.FormatPinYinMap(h2ptable);
vector<string>result=strp.Han2Py("陈阿娇",h2ptable);
 for (vector<string>::iterator it=result.begin();it!=result.end();it++)
 {
  cout<<*it<<endl;
 }

效果：