拼音搜索第一步

         前天想实现pinyin搜索，在网上搜索了下，有关汉字转换成拼音的算法，拿来抄写了下，稍加修改，为我所用，以下类里能够取到汉字的全拼和缩写方式，如果有汉字和其他字符混合，汉字转成拼音，其他字符不变。

package com.chineseall.util;

import java.io.UnsupportedEncodingException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;

import org.apache.oro.text.regex.MalformedPatternException;
import org.apache.oro.text.regex.MatchResult;
import org.apache.oro.text.regex.Pattern;
import org.apache.oro.text.regex.PatternCompiler;
import org.apache.oro.text.regex.PatternMatcher;
import org.apache.oro.text.regex.PatternMatcherInput;
import org.apache.oro.text.regex.Perl5Compiler;
import org.apache.oro.text.regex.Perl5Matcher;

public class CnToSpellUtil {
 private static List<String> spells = new ArrayList<String>(400);
 private static List<Integer> asciiValues = new ArrayList<Integer>(400);

//声母匹配正则表达式
 private static final String soundMotherReg = "([b|p|m|f|d|t|n|l|g|k|h|j|q|x|r|z|c|s|y|w|a|e|o])([h])?";
 static {
  spellPut("a", -20319);
  spellPut("ai", -20317);
  spellPut("an", -20304);
  spellPut("ang", -20295);
  spellPut("ao", -20292);
  spellPut("ba", -20283);
  spellPut("bai", -20265);
  spellPut("ban", -20257);
  spellPut("bang", -20242);
  spellPut("bao", -20230);
  spellPut("bei", -20051);
  spellPut("ben", -20036);
  spellPut("beng", -20032);
  spellPut("bi", -20026);
  spellPut("bian", -20002);
  spellPut("biao", -19990);
  spellPut("bie", -19986);
  spellPut("bin", -19982);
  spellPut("bing", -19976);
  spellPut("bo", -19805);
  spellPut("bu", -19784);
  spellPut("ca", -19775);
  spellPut("cai", -19774);
  spellPut("can", -19763);
  spellPut("cang", -19756);
  spellPut("cao", -19751);
  spellPut("ce", -19746);
  spellPut("ceng", -19741);
  spellPut("cha", -19739);
  spellPut("chai", -19728);
  spellPut("chan", -19725);
  spellPut("chang", -19715);
  spellPut("chao", -19540);
  spellPut("che", -19531);
  spellPut("chen", -19525);
  spellPut("cheng", -19515);
  spellPut("chi", -19500);
  spellPut("chong", -19484);
  spellPut("chou", -19479);
  spellPut("chu", -19467);
  spellPut("chuai", -19289);
  spellPut("chuan", -19288);
  spellPut("chuang", -19281);
  spellPut("chui", -19275);
  spellPut("chun", -19270);
  spellPut("chuo", -19263);
  spellPut("ci", -19261);
  spellPut("cong", -19249);
  spellPut("cou", -19243);
  spellPut("cu", -19242);
  spellPut("cuan", -19238);
  spellPut("cui", -19235);
  spellPut("cun", -19227);
  spellPut("cuo", -19224);
  spellPut("da", -19218);
  spellPut("dai", -19212);
  spellPut("dan", -19038);
  spellPut("dang", -19023);
  spellPut("dao", -19018);
  spellPut("de", -19006);
  spellPut("deng", -19003);
  spellPut("di", -18996);
  spellPut("dian", -18977);
  spellPut("diao", -18961);
  spellPut("die", -18952);
  spellPut("ding", -18783);
  spellPut("diu", -18774);
  spellPut("dong", -18773);
  spellPut("dou", -18763);
  spellPut("du", -18756);
  spellPut("duan", -18741);
  spellPut("dui", -18735);
  spellPut("dun", -18731);
  spellPut("duo", -18722);
  spellPut("e", -18710);
  spellPut("en", -18697);
  spellPut("er", -18696);
  spellPut("fa", -18526);
  spellPut("fan", -18518);
  spellPut("fang", -18501);
  spellPut("fei", -18490);
  spellPut("fen", -18478);
  spellPut("feng", -18463);
  spellPut("fo", -18448);
  spellPut("fou", -18447);
  spellPut("fu", -18446);
  spellPut("ga", -18239);
  spellPut("gai", -18237);
  spellPut("gan", -18231);
  spellPut("gang", -18220);
  spellPut("gao", -18211);
  spellPut("ge", -18201);
  spellPut("gei", -18184);
  spellPut("gen", -18183);
  spellPut("geng", -18181);
  spellPut("gong", -18012);
  spellPut("gou", -17997);
  spellPut("gu", -17988);
  spellPut("gua", -17970);
  spellPut("guai", -17964);
  spellPut("guan", -17961);
  spellPut("guang", -17950);
  spellPut("gui", -17947);
  spellPut("gun", -17931);
  spellPut("guo", -17928);
  spellPut("ha", -17922);
  spellPut("hai", -17759);
  spellPut("han", -17752);
  spellPut("hang", -17733);
  spellPut("hao", -17730);
  spellPut("he", -17721);
  spellPut("hei", -17703);
  spellPut("hen", -17701);
  spellPut("heng", -17697);
  spellPut("hong", -17692);
  spellPut("hou", -17683);
  spellPut("hu", -17676);
  spellPut("hua", -17496);
  spellPut("huai", -17487);
  spellPut("huan", -17482);
  spellPut("huang", -17468);
  spellPut("hui", -17454);
  spellPut("hun", -17433);
  spellPut("huo", -17427);
  spellPut("ji", -17417);
  spellPut("jia", -17202);
  spellPut("jian", -17185);
  spellPut("jiang", -16983);
  spellPut("jiao", -16970);
  spellPut("jie", -16942);
  spellPut("jin", -16915);
  spellPut("jing", -16733);
  spellPut("jiong", -16708);
  spellPut("jiu", -16706);
  spellPut("ju", -16689);
  spellPut("juan", -16664);
  spellPut("jue", -16657);
  spellPut("jun", -16647);
  spellPut("ka", -16474);
  spellPut("kai", -16470);
  spellPut("kan", -16465);
  spellPut("kang", -16459);
  spellPut("kao", -16452);
  spellPut("ke", -16448);
  spellPut("ken", -16433);
  spellPut("keng", -16429);
  spellPut("kong", -16427);
  spellPut("kou", -16423);
  spellPut("ku", -16419);
  spellPut("kua", -16412);
  spellPut("kuai", -16407);
  spellPut("kuan", -16403);
  spellPut("kuang", -16401);
  spellPut("kui", -16393);
  spellPut("kun", -16220);
  spellPut("kuo", -16216);
  spellPut("la", -16212);
  spellPut("lai", -16205);
  spellPut("lan", -16202);
  spellPut("lang", -16187);
  spellPut("lao", -16180);
  spellPut("le", -16171);
  spellPut("lei", -16169);
  spellPut("leng", -16158);
  spellPut("li", -16155);
  spellPut("lia", -15959);
  spellPut("lian", -15958);
  spellPut("liang", -15944);
  spellPut("liao", -15933);
  spellPut("lie", -15920);
  spellPut("lin", -15915);
  spellPut("ling", -15903);
  spellPut("liu", -15889);
  spellPut("long", -15878);
  spellPut("lou", -15707);
  spellPut("lu", -15701);
  spellPut("lv", -15681);
  spellPut("luan", -15667);
  spellPut("lue", -15661);
  spellPut("lun", -15659);
  spellPut("luo", -15652);
  spellPut("ma", -15640);
  spellPut("mai", -15631);
  spellPut("man", -15625);
  spellPut("mang", -15454);
  spellPut("mao", -15448);
  spellPut("me", -15436);
  spellPut("mei", -15435);
  spellPut("men", -15419);
  spellPut("meng", -15416);
  spellPut("mi", -15408);
  spellPut("mian", -15394);
  spellPut("miao", -15385);
  spellPut("mie", -15377);
  spellPut("min", -15375);
  spellPut("ming", -15369);
  spellPut("miu", -15363);
  spellPut("mo", -15362);
  spellPut("mou", -15183);
  spellPut("mu", -15180);
  spellPut("na", -15165);
  spellPut("nai", -15158);
  spellPut("nan", -15153);
  spellPut("nang", -15150);
  spellPut("nao", -15149);
  spellPut("ne", -15144);
  spellPut("nei", -15143);
  spellPut("nen", -15141);
  spellPut("neng", -15140);
  spellPut("ni", -15139);
  spellPut("nian", -15128);
  spellPut("niang", -15121);
  spellPut("niao", -15119);
  spellPut("nie", -15117);
  spellPut("nin", -15110);
  spellPut("ning", -15109);
  spellPut("niu", -14941);
  spellPut("nong", -14937);
  spellPut("nu", -14933);
  spellPut("nv", -14930);
  spellPut("nuan", -14929);
  spellPut("nue", -14928);
  spellPut("nuo", -14926);
  spellPut("o", -14922);
  spellPut("ou", -14921);
  spellPut("pa", -14914);
  spellPut("pai", -14908);
  spellPut("pan", -14902);
  spellPut("pang", -14894);
  spellPut("pao", -14889);
  spellPut("pei", -14882);
  spellPut("pen", -14873);
  spellPut("peng", -14871);
  spellPut("pi", -14857);
  spellPut("pian", -14678);
  spellPut("piao", -14674);
  spellPut("pie", -14670);
  spellPut("pin", -14668);
  spellPut("ping", -14663);
  spellPut("po", -14654);
  spellPut("pu", -14645);
  spellPut("qi", -14630);
  spellPut("qia", -14594);
  spellPut("qian", -14429);
  spellPut("qiang", -14407);
  spellPut("qiao", -14399);
  spellPut("qie", -14384);
  spellPut("qin", -14379);
  spellPut("qing", -14368);
  spellPut("qiong", -14355);
  spellPut("qiu", -14353);
  spellPut("qu", -14345);
  spellPut("quan", -14170);
  spellPut("que", -14159);
  spellPut("qun", -14151);
  spellPut("ran", -14149);
  spellPut("rang", -14145);
  spellPut("rao", -14140);
  spellPut("re", -14137);
  spellPut("ren", -14135);
  spellPut("reng", -14125);
  spellPut("ri", -14123);
  spellPut("rong", -14122);
  spellPut("rou", -14112);
  spellPut("ru", -14109);
  spellPut("ruan", -14099);
  spellPut("rui", -14097);
  spellPut("run", -14094);
  spellPut("ruo", -14092);
  spellPut("sa", -14090);
  spellPut("sai", -14087);
  spellPut("san", -14083);
  spellPut("sang", -13917);
  spellPut("sao", -13914);
  spellPut("se", -13910);
  spellPut("sen", -13907);
  spellPut("seng", -13906);
  spellPut("sha", -13905);
  spellPut("shai", -13896);
  spellPut("shan", -13894);
  spellPut("shang", -13878);
  spellPut("shao", -13870);
  spellPut("she", -13859);
  spellPut("shen", -13847);
  spellPut("sheng", -13831);
  spellPut("shi", -13658);
  spellPut("shou", -13611);
  spellPut("shu", -13601);
  spellPut("shua", -13406);
  spellPut("shuai", -13404);
  spellPut("shuan", -13400);
  spellPut("shuang", -13398);
  spellPut("shui", -13395);
  spellPut("shun", -13391);
  spellPut("shuo", -13387);
  spellPut("si", -13383);
  spellPut("song", -13367);
  spellPut("sou", -13359);
  spellPut("su", -13356);
  spellPut("suan", -13343);
  spellPut("sui", -13340);
  spellPut("sun", -13329);
  spellPut("suo", -13326);
  spellPut("ta", -13318);
  spellPut("tai", -13147);
  spellPut("tan", -13138);
  spellPut("tang", -13120);
  spellPut("tao", -13107);
  spellPut("te", -13096);
  spellPut("teng", -13095);
  spellPut("ti", -13091);
  spellPut("tian", -13076);
  spellPut("tiao", -13068);
  spellPut("tie", -13063);
  spellPut("ting", -13060);
  spellPut("tong", -12888);
  spellPut("tou", -12875);
  spellPut("tu", -12871);
  spellPut("tuan", -12860);
  spellPut("tui", -12858);
  spellPut("tun", -12852);
  spellPut("tuo", -12849);
  spellPut("wa", -12838);
  spellPut("wai", -12831);
  spellPut("wan", -12829);
  spellPut("wang", -12812);
  spellPut("wei", -12802);
  spellPut("wen", -12607);
  spellPut("weng", -12597);
  spellPut("wo", -12594);
  spellPut("wu", -12585);
  spellPut("xi", -12556);
  spellPut("xia", -12359);
  spellPut("xian", -12346);
  spellPut("xiang", -12320);
  spellPut("xiao", -12300);
  spellPut("xie", -12120);
  spellPut("xin", -12099);
  spellPut("xing", -12089);
  spellPut("xiong", -12074);
  spellPut("xiu", -12067);
  spellPut("xu", -12058);
  spellPut("xuan", -12039);
  spellPut("xue", -11867);
  spellPut("xun", -11861);
  spellPut("ya", -11847);
  spellPut("yan", -11831);
  spellPut("yang", -11798);
  spellPut("yao", -11781);
  spellPut("ye", -11604);
  spellPut("yi", -11589);
  spellPut("yin", -11536);
  spellPut("ying", -11358);
  spellPut("yo", -11340);
  spellPut("yong", -11339);
  spellPut("you", -11324);
  spellPut("yu", -11303);
  spellPut("yuan", -11097);
  spellPut("yue", -11077);
  spellPut("yun", -11067);
  spellPut("za", -11055);
  spellPut("zai", -11052);
  spellPut("zan", -11045);
  spellPut("zang", -11041);
  spellPut("zao", -11038);
  spellPut("ze", -11024);
  spellPut("zei", -11020);
  spellPut("zen", -11019);
  spellPut("zeng", -11018);
  spellPut("zha", -11014);
  spellPut("zhai", -10838);
  spellPut("zhan", -10832);
  spellPut("zhang", -10815);
  spellPut("zhao", -10800);
  spellPut("zhe", -10790);
  spellPut("zhen", -10780);
  spellPut("zheng", -10764);
  spellPut("zhi", -10587);
  spellPut("zhong", -10544);
  spellPut("zhou", -10533);
  spellPut("zhu", -10519);
  spellPut("zhua", -10331);
  spellPut("zhuai", -10329);
  spellPut("zhuan", -10328);
  spellPut("zhuang", -10322);
  spellPut("zhui", -10315);
  spellPut("zhun", -10309);
  spellPut("zhuo", -10307);
  spellPut("zi", -10296);
  spellPut("zong", -10281);
  spellPut("zou", -10274);
  spellPut("zu", -10270);
  spellPut("zuan", -10262);
  spellPut("zui", -10260);
  spellPut("zun", -10256);
  spellPut("zuo", -10254);
 }

 private static void spellPut(String spell, int ascii) {
  spells.add(spell);
  asciiValues.add(ascii);
 }

 /**
  * 获得单个汉字的Ascii.
  *
  * @param cn
  *            char 汉字字符
  * @return int 错误返回 0,否则返回ascii
  */
 public static int getCnAscii(char cn) throws UnsupportedEncodingException {

  byte[] bytes = (String.valueOf(cn)).getBytes("GBK");
  if (bytes.length == 1) {
   // 英文字符
   return bytes[0];
  }
  // 中文字符
  return (bytes[0] << 8) | (bytes[1] & 0xff);
 }

 /**
  * 取得一个汉字的拼音
  *
  * @param cn
  * @return
  */
 public String cnToSpell(char cn) {
  try {
   int ascii = getCnAscii(cn);
   if (ascii < -20319 || ascii > -10247) {
    // 非常用汉字
    return String.valueOf(cn);
   }
   int index = Collections.binarySearch(asciiValues, ascii);
   if (index < 0) {
    index = (~index) - 1;
   }
   return spells.get(index);
  } catch (UnsupportedEncodingException e) {
   throw new RuntimeException(e);
  }
 }

 /**
  * 取出一个汉字字符串的全拼和简写
  *
  * @param str
  * @return
  * @throws UnsupportedEncodingException
  */
 public String[] cnToSpell(String str) throws UnsupportedEncodingException {
  String[] spellArray = new String[str.length()];
  StringBuffer oneNames = new StringBuffer();
  StringBuffer spell = new StringBuffer();
  for (int i = 0; i < str.length(); i++) {
   String oneSpell = cnToSpell(str.charAt(i));
   spellArray[i]=oneSpell;
   spell.append(oneSpell);
  }
  shortSpell(spellArray, 0, oneNames);
  String[] result = new String[] { spell.toString(), oneNames.toString() };
  return result;
 }

 /**
  * 取出拼音首声母简写
  *
  * @param spell
  *            :拼音字符串
  * @param index
  *            :下标
  * @param oneNames
  *            ：返回结果
  * @return
  */
 public String shortSpell(String[] spell, int index, StringBuffer oneNames) {
  PatternCompiler compiler = new Perl5Compiler();
  Pattern pattern = null;
  try {
   pattern = compiler.compile(soundMotherReg);
  } catch (MalformedPatternException e) {
   e.printStackTrace();
  }
  PatternMatcher pm = new Perl5Matcher();
  if (pm.matchesPrefix(spell[index], pattern)) {
   MatchResult result = pm.getMatch();
   if (result.group(1) != null) {
    oneNames.append(result.group(1));
   }
   if (result.group(2) != null) {
    oneNames.append(result.group(2));
   }
   if (index < spell.length - 1)
    shortSpell(spell, index + 1, oneNames);
   else {
    oneNames.append(" ");
   }
  }else{
   oneNames.append(spell[index]);
   if (index < spell.length - 1)
    shortSpell(spell, index + 1, oneNames);
   else {
    oneNames.append(" ");
   }
  }
  return null;
 }

 public static void main(String[] argv) throws UnsupportedEncodingException {
  String[] result = new CnToSpellUtil().cnToSpell("何_23232必aaa");
  System.out.println(result[0] + " " + result[1]);
 }
}

 

 

 

注意，这里取声母的时候可以根据需要再优化，这里只是完整匹配，比如：“陈晨”翻译成拼音"chenchen" 那么我只是严格简写成"chch"才能查询到，输入"cc"可能就查询不到，可以对程序进行修改，给"chenchen"产生四个关键字"chch"、"chc"、"cch"、"cc";事实上开心网只是对第一个字进行拆分，比如"陈晨"在开心网上可能被拆成了"cch"、"chch"这两个，其实仔细想一下这么做是有道理的，因为你输入"cc"或者"chc"就已经能够检索到了.