中文转换为完整拼音算法原理分析

最近由于项目需要,对简体中文转拼音的算法作了一些了解,然而在google找到的大多是获得简体中文拼音首字母的算法,好不容易让我找到了一个sunrise.spell的类,专门用于中文转完整拼音,觉得的确做得不错,于是对它的算法作了一些分析,总的来说觉得还是比较简单的,拿出来与大家分享。
       我们先来学习一些准备知识。GB2312编码对于我们中国人是再熟悉不过了,我先简单的分析一下它的编码规则。GB2312编码包括符号、数字、字母、日文、制表符等,当然最主要的部分还是中文,它采用16位编码方式,简体中文的编码范围从B0A1一直到F7FE,完整编码表可以参考http://ash.jp/code/cn/gb2312tbl.htm。如果我们把该编码的每8位用十进制来表示就是[176 | 161]到[247 | 254],这样对于每个中文字符,我们都可以通过两个值来表示它,如“啊”就是[176 | 161],“我”则是[206 | 210]。
通过上面的方法,我们就可以通过一个二维坐标对每一个中文字进行定位,从而建立一个二维表来实现中文和拼音的对应关系。当然我们会忽略一些特殊情况,比如汉字的多音字问题。由于一个拼音可能对应多个汉字,而拼音的组合本来就不多,因此我们首先建立一个拼音音节表,代码如下,里面列出了所有可能的组合情况,该表是一维数组。
bao,而不是直接把音节组合保存在二维数组中,这样可以有效减少内存消耗。因此,二位数组中的所有值都应该是索引值,如数组元素[176][161]对应的应该是a的索引值0。值得注意的是由于GB2312对应的字符量比较大,而且半角字符不需要做转换,sunrise的类把其中的半角部分全部省略掉了,因此它的实际值是从[129 | 64]开始的,即8140开始的。
至此,我已经把原理解释了一遍,可能不是很容易理解,下面我们来举个例子说明一下程序流程。
       首先输入汉字“我”,首先程序初始化一个GB2312编码对象
System.Text.Encoding encoding = System.Text.Encoding.GetEncoding("GB2312");
然后通过该对象获得“我”的编码数组
byte[] local = encoding.GetBytes(“我”);
local中的值应该是local[0]=206; local[1]=210
假设我们的二维数组叫_spellCodeIndex那么我们就通过_spellCodeIndex[local[0]-129,local[1]-64]获得“我”对应的拼音音节索引值,即327
再查音节组合表,得索引327对应的是"wo",这样就完成了中文到拼音的转换
完整c#类可以在这里下载。
 
readonly static string[] _spellMusicCode = new string[]{
        
"a""ai""an""ang""ao""ba""bai""ban""bang""bao",
        
"bei""ben""beng""bi""bian""biao""bie""bin""bing""bo",
        
"bu""ca""cai""can""cang""cao""ce""ceng""cha""chai",
        
"chan""chang""chao""che""chen""cheng""chi""chong""chou""chu",
        
"chuai""chuan""chuang""chui""chun""chuo""ci""cong""cou""cu",
        
"cuan""cui""cun""cuo""da""dai""dan""dang""dao""de",
        
"deng""di""dian""diao""die""ding""diu""dong""dou""du",
        
"duan""dui""dun""duo""e""en""er""fa""fan""fang",
        
"fei""fen""feng""fu""fou""ga""gai""gan""gang""gao",
        
"ge""ji""gen""geng""gong""gou""gu""gua""guai""guan",
        
"guang""gui""gun""guo""ha""hai""han""hang""hao""he",
        
"hei""hen""heng""hong""hou""hu""hua""huai""huan""huang",
        
"hui""hun""huo""jia""jian""jiang""qiao""jiao""jie""jin",
        
"jing""jiong""jiu""ju""juan""jue""jun""ka""kai""kan",
        
"kang""kao""ke""ken""keng""kong""kou""ku""kua""kuai",
        
"kuan""kuang""kui""kun""kuo""la""lai""lan""lang""lao",
        
"le""lei""leng""li""lia""lian""liang""liao""lie""lin",
        
"ling""liu""long""lou""lu""luan""lue""lun""luo""ma",
        
"mai""man""mang""mao""me""mei""men""meng""mi""mian",
        
"miao""mie""min""ming""miu""mo""mou""mu""na""nai",
        
"nan""nang""nao""ne""nei""nen""neng""ni""nian""niang",
        
"niao""nie""nin""ning""niu""nong""nu""nuan""nue""yao",
        
"nuo""o""ou""pa""pai""pan""pang""pao""pei""pen",
        
"peng""pi""pian""piao""pie""pin""ping""po""pou""pu",
        
"qi""qia""qian""qiang""qie""qin""qing""qiong""qiu""qu",
        
"quan""que""qun""ran""rang""rao""re""ren""reng""ri",
        
"rong""rou""ru""ruan""rui""run""ruo""sa""sai""san",
        
"sang""sao""se""sen""seng""sha""shai""shan""shang""shao",
        
"she""shen""sheng""shi""shou""shu""shua""shuai""shuan""shuang",
        
"shui""shun""shuo""si""song""sou""su""suan""sui""sun",
        
"suo""ta""tai""tan""tang""tao""te""teng""ti""tian",
        
"tiao""tie""ting""tong""tou""tu""tuan""tui""tun""tuo",
        
"wa""wai""wan""wang""wei""wen""weng""wo""wu""xi",
        
"xia""xian""xiang""xiao""xie""xin""xing""xiong""xiu""xu",
        
"xuan""xue""xun""ya""yan""yang""ye""yi""yin""ying",
        
"yo""yong""you""yu""yuan""yue""yun""za""zai""zan",
        
"zang""zao""ze""zei""zen""zeng""zha""zhai""zhan""zhang",
        
"zhao""zhe""zhen""zheng""zhi""zhong""zhou""zhu""zhua""zhuai",
        
"zhuan""zhuang""zhui""zhun""zhuo""zi""zong""zou""zu""zuan",
        
"zui""zun""zuo""""ei""m""n""dia""cen""nou",
        
"jv""qv""xv""lv""nv"
        };

    在上面提到的二维表中,我们会保存音节表的索引值,来对应一个音节组合,如
阅读更多
换一批

没有更多推荐了,返回首页