编程乐趣--汉字转拼音

落日映苍穹つ 2022-07-13 10:59 192阅读 0赞

**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][SouthEast]  
[点我下载pinyin4j.jar][pinyin4j.jar]

如果你是maven那就方便了。

<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。

<table> 
 <tbody> 
  <tr> 
   <th colspan="4"> LOWERCASE </th> 
  </tr> 
  <tr> 
   <th>Combination</th> 
   <th>WITH_U_AND_COLON</th> 
   <th>WITH_V</th> 
   <th>WITH_U_UNICODE</th> 
  </tr> 
  <tr> 
   <th>WITH_TONE_NUMBER</th> 
   <td>lu:3</td> 
   <td>lv3</td> 
   <td>lü3</td> 
  </tr> 
  <tr> 
   <th>WITHOUT_TONE</th> 
   <td>lu:</td> 
   <td>lv</td> 
   <td>lü</td> 
  </tr> 
  <tr> 
   <th>WITH_TONE_MARK</th> 
   <td><font>throw exception</font></td> 
   <td><font>throw exception</font></td> 
   <td>lǚ</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <th colspan="4"> UPPERCASE </th> 
  </tr> 
  <tr> 
   <th>Combination</th> 
   <th>WITH_U_AND_COLON</th> 
   <th>WITH_V</th> 
   <th>WITH_U_UNICODE</th> 
  </tr> 
  <tr> 
   <th>WITH_TONE_NUMBER</th> 
   <td>LU:3</td> 
   <td>LV3</td> 
   <td>LÜ3</td> 
  </tr> 
  <tr> 
   <th>WITHOUT_TONE</th> 
   <td>LU:</td> 
   <td>LV</td> 
   <td>LÜ</td> 
  </tr> 
  <tr> 
   <th>WITH_TONE_MARK</th> 
   <td><font>throw exception</font></td> 
   <td><font>throw exception</font></td> 
   <td>LǙ</td> 
  </tr> 
 </tbody> 
</table>

*  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][SouthEast 1]

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！

[SouthEast]: /images/20220713/8edcc2c911b54c35b50db1f78140d80f.png
[pinyin4j.jar]: http://download.csdn.net/detail/u013132051/9730601
[SouthEast 1]: /images/20220713/996b24fb1d314f33a0962bc5376b3b97.png