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。

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。