logo头像

学如逆水行舟,不进则退!!!

文章目录

编程乐趣--汉字转拼音

本文于392天之前发表,文中内容可能已经过时。

各个国家语言上差异较大,本世纪英语特别的流行

各个国家语言上差异较大,本世纪英语特别的流行,至少在程序员上编程就是属于外国的。是英文编写的。那么我们的汉字就是一个特例了。下面说说汉字是如何转拼音的。

jar包准备

这里写图片描述
点我下载pinyin4j.jar

如果你是maven那就方便了。

<!-- 汉字转拼音jar -->
        <dependency>
            <groupId>com.belerweb</groupId>
            <artifactId>pinyin4j</artifactId>
            <version>2.5.0</version>
        </dependency>

使用

  • jar包准备好了,我们就开始使用吧,这个jar都分装好了,我们只需要简单的调用就行。

  • 第一步:定义汉字拼音的输出格式

HanyuPinyinOutputFormat hypy = new HanyuPinyinOutputFormat();
  • 上面定义的hypy这个类就是指定拼音的格式。作为中国人我们知道拼音就是字母拼接在一起的。还有就是声调,所以格式就是制定字母显示和声调的。

  • 通过看HanYuPinYinOutputForMat这个类的源码我们可以看到输出格式有三个属性,而且这三个属性的默认值都是设置好的

/**
   * Restore default variable values for this class
   * 
   * Default values are listed below:
   * 
   * <p>
   * HanyuPinyinVCharType := WITH_U_AND_COLON <br>
   * HanyuPinyinCaseType := LOWERCASE <br>
   * HanyuPinyinToneType := WITH_TONE_NUMBER <br>
   */
   public void restoreDefault() {
    vCharType = HanyuPinyinVCharType.WITH_U_AND_COLON;
    caseType = HanyuPinyinCaseType.LOWERCASE;
    toneType = HanyuPinyinToneType.WITH_TONE_NUMBER;
  }
  • 上面源码的意思就是,如果我们不设置,那么这三个属性默认就是上面的情况,那么这些格式都是对应拼音的那种格式呢,下面继续往下走。




























LOWERCASE
CombinationWITH_U_AND_COLONWITH_VWITH_U_UNICODE
WITH_TONE_NUMBERlu:3lv3lü3
WITHOUT_TONElu:lv
WITH_TONE_MARKthrow exceptionthrow exception





























UPPERCASE
CombinationWITH_U_AND_COLONWITH_VWITH_U_UNICODE
WITH_TONE_NUMBERLU:3LV3LÜ3
WITHOUT_TONELU:LV
WITH_TONE_MARKthrow exceptionthrow exception
  • 看到上面两张表格没,就是hypy格式中三种属性的结合对应的汉语拼音的显示。在这里我还是解释一下吧。
 * @see HanyuPinyinVCharType
 * @see HanyuPinyinCaseType
 * @see HanyuPinyinToneType

hypy.setCaseType(HanyuPinyinCaseType.LOWERCASE);  
hypy.setToneType(HanyuPinyinToneType.WITH_TONE_NUMBER);  
hypy.setVCharType(HanyuPinyinVCharType.WITH_V);
  • 首先setCaseType是指定我们输出的拼音的大小写,这个就不用多讲了。
  • setToneType是指定我们带声调的拼音的显示。这里有三种选择

    • HanyuPinyinToneType.WITH_TONE_NUMBER 通过数字标注声调 zhang1 zhang2 zhang3 zhang4 分别是一二三四声、
      -HanyuPinyinToneType.WITHOUT_TONE:不带声调,就是没有声调
      HanyuPinyinToneType.WITH_TONE_MARK:通过符号标注,和我们平时书写一样,像u 和 ü 就通过符号区别
  • setVCharType:WITH_U_AND_COLON + WITH_V + WITH_U_UNICODE 就是处理u ü 的。

输出

  • 在上面一步 我们已经将格式处理好了,这里我们开始处理输出
PinyinHelper.toHanyuPinyinStringArray("张新华".charAt(2), hypy)[0]

就这样拼音就出来了,这个就返回出来我们汉字的拼音了。对于使用者到这里就结束了。但是出于好奇我们继续往下看看。



PinyinHelper这个单列中toHanyuPinyinStringArray

static public String[] toHanyuPinyinStringArray(char ch, HanyuPinyinOutputFormat outputFormat)
      throws BadHanyuPinyinOutputFormatCombination {
    return getFormattedHanyuPinyinStringArray(ch, outputFormat);
  }

意思就是获取格式化后的ch的拼音

而在getFormtedHanyuPinyinStringArray方法里首先是获取未格式化的拼音,然后在对拼音格式化。

String[] pinyinStrArray = getUnformattedHanyuPinyinStringArray(ch);

如何获取未格式化的拼音是重点我们就侧重这部分

 private static String[] getUnformattedHanyuPinyinStringArray(char ch) {
    return ChineseToPinyinResource.getInstance().getHanyuPinyinStringArray(ch);
  }
  • 在上面我们能够看到ChineseToPinyinResource类,在这个类中我们可以找到他的初始化数据,这里我们可以理解为web项目中的数据库
/**
   * Initialize a hash-table contains <Unicode, HanyuPinyin> pairs
   */
  private void initializeResource() {
    try {
      final String resourceName = "/pinyindb/unicode_to_hanyu_pinyin.txt";

      setUnicodeToHanyuPinyinTable(new Properties());
      getUnicodeToHanyuPinyinTable().load(ResourceHelper.getResourceInputStream(resourceName));

    } catch (FileNotFoundException ex) {
      ex.printStackTrace();
    } catch (IOException ex) {
      ex.printStackTrace();
    }
  }
  • 上面的代码指出了这个所谓的额数据库就是unicode_to_hanyu_pinyin.txt

这里写图片描述

这里面究竟是什么呢,打开你会发现其实就是拼音和Unicode的对应关系。因为在我们获取拼音的时候是首先获取他的Unicode码的getHanyuPinyinRecordFromChar(ch);,然后通过Unicode码去unicode_to_hanyu_pinyin.txt找对应关系的,至于其他文件是处理其他的语种的,时间能力有限,暂不深究!

获取未格式化的拼音之后就是处理格式了,

PinyinFormatter.formatHanyuPinyin

到这里就是根据上面的三个值进行格式化处理了,这个就是格式的问题,本文不深究。


不断学习!不断进步!

上一篇
坚持原创技术分享,您的支持将鼓励我继续创作!