汉字转拼音问题

汉字转拼音问题

    这是一个非常经典的问题，同时，也是一个很难解决的问题。经典是因为，这个问题非常常见，而且有很多解决方案。

难以解决是因为，存在多音字。可以发现很多股票软件都有这问题，比如zgyh 出来的不是中国银行，而是找不到，

这是因为，中国银行的 “行” 查出来读的是 "xing" 。我篇文章我只是提供了一个原始的转换方法，就是查表。

和你以前看过的算法可能不一样的是，我加了一个二分查找，我看到的一个开源的解决方案是顺序查找的。

    关于，多音字问题，我只有一个小规模的多音字表，从所有股票名称里面纠正过来的。解决方案是这样的：在查找拼音的时候，

查找一下这个字是否在多音字表里面，如果是，那么查找前后组成的词，来决定读什么。如果有谁有完整的多音字表，或者有更好的

解决方案，请给我留言。我一定拜谢。

 

代码

<? php
/* *
 * 初始化
 *
 * @param string $file 拼音代码对应表
 * @return array 把这个对应表映射成array的格式
  */
function  pinyin_init( $file )
{
     $pinyin   =   file ( $file );
     if  ( empty ( $pinyin )) {
         throw   new   Exception ( " load pinyin table error. " );
    }
     foreach  ( $pinyin   as   $k   =>   $item )
    {
         $item   =   explode ( " \t " ,   $item );
         $item [ 0 ]  =   trim ( $item [ 0 ]);
         $item [ 1 ]  =  (int) trim ( $item [ 1 ]);
         $pinyin [ $k ]  =   $item ;
    }
     $pinyin []  =   array ( '' ,   - 10248 );  // 最后一个拼音的妈是 -10247
     return   $pinyin ;
}

/* *
 * 查找一个字符串中，中文字符部分的拼音
 *
 * @param array $pingyin
 * @param string $str       字符串
 * @param string $in_encode 字符串的编码
 * @return array
  */
function  pingyin_get( $pingyin ,   $str ,   $in_encode   =   ' gb2312 ' )
{
     if  ( strtolower ( $in_encode )  !=   ' gb2312 ' ) {
        $str   =   iconv ( $in_encode ,   ' gb2312 ' ,   $str );
        if  ( ! $str ) {
            throw   new   Exception ( ' invalid input string. ' );
       }
    }
     $pinyin_arr   =   array ();
     $len   =   strlen ( $str );
     for  ( $i   =   0 ;  $i   <   $len ;  $i ++ )
    {
         if  ( $i   ==   $len   - 1 )  break ;
         if  (( $code   =  pinyin_getcode_( $str [ $i ] ,   $str [ $i   +   1 ]))  !=   false ) {
             $i ++ ;
             if  (( $py   =  pinyin_find_( $pingyin ,   $code ))  !==   false ) {
                 $pinyin_arr [ substr ( $str ,   $i   -   1   ,   2 )]  =   $py ;
            }
        }
    }
     return   $pinyin_arr ;
}

/* *
 * 内部函数，通过拼音码查找汉字
 *
 * @param array $pingyin
 * @param int $code
 * @return string/false 
  */
function  pinyin_find_( $pingyin ,   $code )
{
     $start   =   0 ;
     $count   =   count ( $pingyin )  -   1 ;
     $end   =   $count ;
     if  ( $code   <   $pingyin [ 0 ][ 1 ]  ||   $code   >=   $pingyin [ $end ][ 1 ]) {  // no found.
         return   false ;
    }
     while  ( $start   <=   $end )
    {
         $mid   =  (int)( $start   +  ( $end   -   $start ) / 2 );
         if  ( $mid   ==   $count ) {  // 正常情况下，应该是永远都不会执行到这里，但是为了逻辑上清晰点，还是决定写上
             return   $pingyin [ $mid   -   1 ][ 0 ];
        }  else   if  ( $code   >=   $pingyin [ $mid ][ 1 ]  &&   $code   <   $pingyin [ $mid   +   1 ][ 1 ]) {
             return   $pingyin [ $mid ][ 0 ];
        }  else   if  ( $code   >=   $pingyin [ $mid   +   1 ][ 1 ]) {
            $start   =   $mid   +   1 ;
        }  else  {
             $end   =   $mid   -   1 ;
        }
    }
     return   false ;
}

/* *
 * 内部函数，通过汉字的第一个字节 和 第二个字节，得到查找的code
 *
 * @param char $ch1
 * @param char $ch2
 * @return int
  */
function  pinyin_getcode_( $ch1 ,   $ch2 )
{
     $num1   =   ord ( $ch1 );
     $num2   =   ord ( $ch2 );
     if  ( $num1   >   159   &&   $num1   <   248 ) {
         return   $num1   *   256   +   $num2   -   65536 ;
    }
     return   false ;
}

/* *
 * 基本配置信息
  */
define ( " CURRENT_PATH " ,   dirname ( __FILE__ ));
$pingin_file   =  CURRENT_PATH  .   " /gb-pinyin.table " ;

$pinyin   =  pinyin_init( $pingin_file );
$py   =  pingyin_get( $pinyin ,   " 中国银行 " ,   ' utf-8 ' );
echo   iconv ( ' gb2312 ' ,   ' utf-8 ' ,   print_r ( $py ,   true ));
echo   implode ( " ' " ,   $py );
?>

 

拼音表如下：

代码

a  - 20319
ai  - 20317
an  - 20304
ang  - 20295
ao  - 20292
ba  - 20283
bai  - 20265
ban  - 20257
bang  - 20242
bao  - 20230
bei  - 20051
ben  - 20036
beng  - 20032
bi  - 20026
bian  - 20002
biao  - 19990
bie  - 19986
bin  - 19982
bing  - 19976
bo  - 19805
bu  - 19784
ca  - 19775
cai  - 19774
can  - 19763
cang  - 19756
cao  - 19751
ce  - 19746
ceng  - 19741
cha  - 19739
chai  - 19728
chan  - 19725
chang  - 19715
chao  - 19540
che  - 19531
chen  - 19525
cheng  - 19515
chi  - 19500
chong  - 19484
chou  - 19479
chu  - 19467
chuai  - 19289
chuan  - 19288
chuang  - 19281
chui  - 19275
chun  - 19270
chuo  - 19263
ci  - 19261
cong  - 19249
cou  - 19243
cu  - 19242
cuan  - 19238
cui  - 19235
cun  - 19227
cuo  - 19224
da  - 19218
dai  - 19212
dan  - 19038
dang  - 19023
dao  - 19018
de  - 19006
deng  - 19003
di  - 18996
dian  - 18977
diao  - 18961
die   - 18952
ding  - 18783
diu  - 18774
dong  - 18773
dou  - 18763
du  - 18756
duan  - 18741
dui  - 18735
dun  - 18731
duo  - 18722
e  - 18710
en  - 18697
er  - 18696
fa  - 18526
fan  - 18518
fang  - 18501
fei  - 18490
fen  - 18478
feng  - 18463
fo  - 18448
fou  - 18447
fu  - 18446
ga  - 18239
gai  - 18237
gan  - 18231
gang  - 18220
gao  - 18211
ge  - 18201
gei  - 18184
gen  - 18183
geng  - 18181
gong  - 18012
gou  - 17997
gu  - 17988
gua  - 17970
guai  - 17964
guan  - 17961
guang  - 17950
gui  - 17947
gun  - 17931
guo  - 17928
ha  - 17922
hai  - 17759
han  - 17752
hang  - 17733
hao  - 17730
he  - 17721
hei  - 17703
hen  - 17701
heng  - 17697
hong  - 17692
hou  - 17683
hu  - 17676
hua  - 17496
huai  - 17487
huan  - 17482
huang  - 17468
hui  - 17454
hun  - 17433
huo  - 17427
ji  - 17417
jia  - 17202
jian  - 17185
jiang  - 16983
jiao  - 16970
jie  - 16942
jin  - 16915
jing  - 16733
jiong  - 16708
jiu  - 16706
ju  - 16689
juan  - 16664
jue  - 16657
jun  - 16647
ka  - 16474
kai  - 16470
kan  - 16465
kang  - 16459
kao  - 16452
ke  - 16448
ken  - 16433
keng  - 16429
kong  - 16427
kou  - 16423
ku  - 16419
kua  - 16412
kuai  - 16407
kuan  - 16403
kuang  - 16401
kui  - 16393
kun  - 16220
kuo  - 16216
la  - 16212
lai  - 16205
lan  - 16202
lang  - 16187
lao  - 16180
le  - 16171
lei  - 16169
leng  - 16158
li  - 16155
lia  - 15959
lian  - 15958
liang  - 15944
liao  - 15933
lie  - 15920
lin  - 15915
ling  - 15903
liu  - 15889
long  - 15878
lou  - 15707
lu  - 15701
lv  - 15681
luan  - 15667
lue  - 15661
lun  - 15659
luo  - 15652
ma  - 15640
mai  - 15631
man  - 15625
mang  - 15454
mao  - 15448
me  - 15436
mei  - 15435
men  - 15419
meng  - 15416
mi  - 15408
mian  - 15394
miao  - 15385
mie  - 15377
min   - 15375
ming  - 15369
miu  - 15363
mo  - 15362
mou  - 15183
mu  - 15180
na  - 15165
nai  - 15158
nan  - 15153
nang  - 15150
nao  - 15149
ne  - 15144
nei  - 15143
nen  - 15141
neng  - 15140
ni  - 15139
nian  - 15128
niang  - 15121
niao  - 15119
nie  - 15117
nin  - 15110
ning  - 15109
niu  - 14941
nong  - 14937
nu  - 14933
nv  - 14930
nuan  - 14929
nue  - 14928
nuo  - 14926
o  - 14922
ou  - 14921
pa  - 14914
pai  - 14908
pan  - 14902
pang  - 14894
pao  - 14889
pei  - 14882
pen  - 14873
peng  - 14871
pi   - 14857
pian  - 14678
piao  - 14674
pie  - 14670
pin  - 14668
ping  - 14663
po  - 14654
pu  - 14645
qi  - 14630
qia  - 14594
qian  - 14429
qiang  - 14407
qiao  - 14399
qie  - 14384
qin  - 14379
qing  - 14368
qiong  - 14355
qiu  - 14353
qu  - 14345
quan  - 14170
que  - 14159
qun  - 14151
ran  - 14149
rang  - 14145
rao  - 14140
re  - 14137
ren  - 14135
reng  - 14125
ri  - 14123
rong  - 14122
rou  - 14112
ru  - 14109
ruan  - 14099
rui  - 14097
run  - 14094
ruo  - 14092
sa  - 14090
sai  - 14087
san  - 14083
sang  - 13917
sao  - 13914
se  - 13910
sen  - 13907
seng  - 13906
sha  - 13905
shai  - 13896
shan  - 13894
shang  - 13878
shao  - 13870
she  - 13859
shen  - 13847
sheng  - 13831
shi  - 13658
shou  - 13611
shu  - 13601
shua  - 13406
shuai  - 13404
shuan  - 13400
shuang  - 13398
shui  - 13395
shun  - 13391
shuo  - 13387
si  - 13383
song  - 13367
sou  - 13359
su  - 13356
suan  - 13343
sui  - 13340
sun  - 13329
suo  - 13326
ta  - 13318
tai  - 13147
tan   - 13138
tang  - 13120
tao  - 13107
te  - 13096
teng  - 13095
ti  - 13091
tian  - 13076
tiao  - 13068
tie  - 13063
ting  - 13060
tong  - 12888
tou  - 12875
tu  - 12871
tuan  - 12860
tui  - 12858
tun  - 12852
tuo  - 12849
wa  - 12838
wai  - 12831
wan  - 12829
wang  - 12812
wei  - 12802
wen  - 12607
weng  - 12597
wo  - 12594
wu  - 12585
xi  - 12556
xia  - 12359
xian  - 12346
xiang  - 12320
xiao  - 12300
xie  - 12120
xin  - 12099
xing  - 12089
xiong  - 12074
xiu  - 12067
xu  - 12058
xuan  - 12039
xue  - 11867
xun  - 11861
ya  - 11847
yan  - 11831
yang  - 11798
yao  - 11781
ye  - 11604
yi  - 11589
yin  - 11536
ying  - 11358
yo  - 11340
yong  - 11339
you  - 11324
yu  - 11303
yuan  - 11097
yue  - 11077
yun  - 11067
za  - 11055
zai  - 11052
zan  - 11045
zang  - 11041
zao  - 11038
ze  - 11024
zei  - 11020
zen  - 11019
zeng  - 11018
zha  - 11014
zhai  - 10838
zhan  - 10832
zhang  - 10815
zhao  - 10800
zhe  - 10790
zhen  - 10780
zheng  - 10764
zhi  - 10587
zhong  - 10544
zhou  - 10533
zhu  - 10519
zhua  - 10331
zhuai  - 10329
zhuan  - 10328
zhuang  - 10322
zhui  - 10315
zhun  - 10309
zhuo  - 10307
zi  - 10296
zong  - 10281
zou  - 10274
zu  - 10270
zuan  - 10262
zui  - 10260
zun  - 10256
zuo  - 10254

 

 

posted @ 2011-01-26 19:29 暮夏 阅读( ...) 评论( ...) 编辑 收藏