pinyin
pinyin 是 java 实现的高性能中文拼音转换工具。
变更日志
创作目的
想为 java 设计一款便捷易用的拼音工具。
如何为 java 设计一款高性能的拼音转换工具 pinyin4j
特性
- 性能是 pinyin4j 的两倍
- 极简的 api 设计
- 支持转换长文本
- 支持多音字
- 支持多种拼音标注方式
- 支持中文分词
快速开始
准备
jdk 1.7+
maven 引入
com.github.houbb
pinyin
0.0.4
快速开始
参考 PinyinBsTest
返回中文的拼音
使用 PinyinHelper.toPinyin(string) 进行中文转换。
String pinyin = PinyinHelper.toPinyin("我爱中文");
Assert.assertEquals("wǒ ài zhōng wén", pinyin);返回多音字列表
使用 PinyinHelper.toPinyin(char) 获取多音字的读音列表。
List pinyinList = PinyinHelper.toPinyin('重');
Assert.assertEquals("[zhòng, chóng, tóng]", pinyinList.toString()); 分词特性
默认支持中文分词，对用户透明。
String pinyin = PinyinHelper.toPinyin("重庆火锅");
Assert.assertEquals("chóng qìng huǒ guō", pinyin);
String pinyin2 = PinyinHelper.toPinyin("分词也很重要");
Assert.assertEquals("fēn cí yě hěn zhòng yào", pinyin2);指定拼音标注形式
api
/**
* 转换为拼音
* @param string 原始信息
* @param styleEnum 样式枚举
* @return 结果
* @since 0.0.3
*/
public static String toPinyin(final String string, final PinyinStyleEnum styleEnum)PinyinStyleEnum 样式枚举
| 枚举 | 说明 | 例子 |
|---|---|---|
DEFAULT |
默认模式，拼音声调在韵母第一个字母上。 | pīn yīn |
NORMAL |
普通模式，即不带声调。 | pin yin |
NUM_LAST |
数字标注模式，即拼音声调以数字形式在各个拼音之后，用数字 1-5 进行表示。 | pin1 yin1 |
FIRST_LETTER |
首字母模式，只返回拼音的首字母部分。 | p y |
测试案例
DEFAULT
String pinyin = PinyinHelper.toPinyin("我爱中文", PinyinStyleEnum.DEFAULT);
Assert.assertEquals("wǒ ài zhōng wén", pinyin);NORMAL
String pinyin = PinyinHelper.toPinyin("我爱中文", PinyinStyleEnum.NORMAL);
Assert.assertEquals("wo ai zhong wen", pinyin);NUM_LAST
String pinyin = PinyinHelper.toPinyin("我爱中文", PinyinStyleEnum.NUM_LAST);
Assert.assertEquals("wo3 ai4 zhong1 wen2", pinyin);FIRST_LETTER
String pinyin = PinyinHelper.toPinyin("我爱中文", PinyinStyleEnum.FIRST_LETTER);
Assert.assertEquals("w a z w", pinyin);后期 Road-Map
- 支持中文繁简体
默认关闭该功能
- 拼音转汉字
用户自定义相关
- 用户自定义词组
- 用户自定义分词
benchmark
测试代码见 BenchmarkTest.java
性能对比时使用相同的机器，相同测试文本，验证相同的次数。
均提前做好预热处理，可供参考。
单个分词
| 对比函数 | 对比次数 | 对比内容 | 耗时 |
|---|---|---|---|
Pinyin4j toHanyuPinyinStringArray() |
100w 次 | 相同文本随机选择一个字符 | 621 ms |
pinyin toPinyin() |
100w 次 | 相同文本随机选择一个字符 | 317 ms |
字符串分词
| 对比函数 | 对比次数 | 对比内容 | 耗时 |
|---|---|---|---|
Pinyin4j toHanyuPinyinString() |
1w 次 | 相同长文本 | 33002 ms |
pinyin toPinyin() |
1w 次 | 相同长文本 | 17975 ms |
而且 Pinyin4j 的汉语字符串转换是不支持分词的，本项目在支持分词的情况下速度基本依然是 pinyin4j 的两倍。
技术鸣谢
pinyin-data 与 phrase-pinyin-data 提供的拼音数据。
segment 提供的中文分词。