通过汉字取得拼音Java版

通过汉字取得拼音Java版（转）

现在想到的方法有两种：
1，取得的汉字拼音对照表，然後做成map.一个GB2312的对照表见这里:
http://zh.transwiki.org/wiki/index.php/GB2312%E6%B1%89%E5%AD%97%E6%8B%BC%E9%9F%B3%E5%AF%B9%E7%85%A7%E8%A1%A8
2，这个方法看起来好，效果一般；

  1      private   static   int [] pyvalue  =   new   int []  { -20319, -20317, -20304, -20295,
  2            -20292, -20283, -20265, -20257, -20242, -20230, -20051, -20036,
  3            -20032, -20026, -20002, -19990, -19986, -19982, -19976, -19805,
  4            -19784, -19775, -19774, -19763, -19756, -19751, -19746, -19741,
  5            -19739, -19728, -19725, -19715, -19540, -19531, -19525, -19515,
  6            -19500, -19484, -19479, -19467, -19289, -19288, -19281, -19275,
  7            -19270, -19263, -19261, -19249, -19243, -19242, -19238, -19235,
  8            -19227, -19224, -19218, -19212, -19038, -19023, -19018, -19006,
  9            -19003, -18996, -18977, -18961, -18952, -18783, -18774, -18773,
 10            -18763, -18756, -18741, -18735, -18731, -18722, -18710, -18697,
 11            -18696, -18526, -18518, -18501, -18490, -18478, -18463, -18448,
 12            -18447, -18446, -18239, -18237, -18231, -18220, -18211, -18201,
 13            -18184, -18183, -18181, -18012, -17997, -17988, -17970, -17964,
 14            -17961, -17950, -17947, -17931, -17928, -17922, -17759, -17752,
 15            -17733, -17730, -17721, -17703, -17701, -17697, -17692, -17683,
 16            -17676, -17496, -17487, -17482, -17468, -17454, -17433, -17427,
 17            -17417, -17202, -17185, -16983, -16970, -16942, -16915, -16733,
 18            -16708, -16706, -16689, -16664, -16657, -16647, -16474, -16470,
 19            -16465, -16459, -16452, -16448, -16433, -16429, -16427, -16423,
 20            -16419, -16412, -16407, -16403, -16401, -16393, -16220, -16216,
 21            -16212, -16205, -16202, -16187, -16180, -16171, -16169, -16158,
 22            -16155, -15959, -15958, -15944, -15933, -15920, -15915, -15903,
 23            -15889, -15878, -15707, -15701, -15681, -15667, -15661, -15659,
 24            -15652, -15640, -15631, -15625, -15454, -15448, -15436, -15435,
 25            -15419, -15416, -15408, -15394, -15385, -15377, -15375, -15369,
 26            -15363, -15362, -15183, -15180, -15165, -15158, -15153, -15150,
 27            -15149, -15144, -15143, -15141, -15140, -15139, -15128, -15121,
 28            -15119, -15117, -15110, -15109, -14941, -14937, -14933, -14930,
 29            -14929, -14928, -14926, -14922, -14921, -14914, -14908, -14902,
 30            -14894, -14889, -14882, -14873, -14871, -14857, -14678, -14674,
 31            -14670, -14668, -14663, -14654, -14645, -14630, -14594, -14429,
 32            -14407, -14399, -14384, -14379, -14368, -14355, -14353, -14345,
 33            -14170, -14159, -14151, -14149, -14145, -14140, -14137, -14135,
 34            -14125, -14123, -14122, -14112, -14109, -14099, -14097, -14094,
 35            -14092, -14090, -14087, -14083, -13917, -13914, -13910, -13907,
 36            -13906, -13905, -13896, -13894, -13878, -13870, -13859, -13847,
 37            -13831, -13658, -13611, -13601, -13406, -13404, -13400, -13398,
 38            -13395, -13391, -13387, -13383, -13367, -13359, -13356, -13343,
 39            -13340, -13329, -13326, -13318, -13147, -13138, -13120, -13107,
 40            -13096, -13095, -13091, -13076, -13068, -13063, -13060, -12888,
 41            -12875, -12871, -12860, -12858, -12852, -12849, -12838, -12831,
 42            -12829, -12812, -12802, -12607, -12597, -12594, -12585, -12556,
 43            -12359, -12346, -12320, -12300, -12120, -12099, -12089, -12074,
 44            -12067, -12058, -12039, -11867, -11861, -11847, -11831, -11798,
 45            -11781, -11604, -11589, -11536, -11358, -11340, -11339, -11324,
 46            -11303, -11097, -11077, -11067, -11055, -11052, -11045, -11041,
 47            -11038, -11024, -11020, -11019, -11018, -11014, -10838, -10832,
 48            -10815, -10800, -10790, -10780, -10764, -10587, -10544, -10533,
 49            -10519, -10331, -10329, -10328, -10322, -10315, -10309, -10307,
 50            -10296, -10281, -10274, -10270, -10262, -10260, -10256, -10254 } ;
 51
 52      private   static  String[] pystr  =   new  String[]  { "a", "ai", "an", "ang",
 53            "ao", "ba", "bai", "ban", "bang", "bao", "bei", "ben", "beng",
 54            "bi", "bian", "biao", "bie", "bin", "bing", "bo", "bu", "ca",
 55            "cai", "can", "cang", "cao", "ce", "ceng", "cha", "chai", "chan",
 56            "chang", "chao", "che", "chen", "cheng", "chi", "chong", "chou",
 57            "chu", "chuai", "chuan", "chuang", "chui", "chun", "chuo", "ci",
 58            "cong", "cou", "cu", "cuan", "cui", "cun", "cuo", "da", "dai",
 59            "dan", "dang", "dao", "de", "deng", "di", "dian", "diao", "die",
 60            "ding", "diu", "dong", "dou", "du", "duan", "dui", "dun", "duo",
 61            "e", "en", "er", "fa", "fan", "fang", "fei", "fen", "feng", "fo",
 62            "fou", "fu", "ga", "gai", "gan", "gang", "gao", "ge", "gei", "gen",
 63            "geng", "gong", "gou", "gu", "gua", "guai", "guan", "guang", "gui",
 64            "gun", "guo", "ha", "hai", "han", "hang", "hao", "he", "hei",
 65            "hen", "heng", "hong", "hou", "hu", "hua", "huai", "huan", "huang",
 66            "hui", "hun", "huo", "ji", "jia", "jian", "jiang", "jiao", "jie",
 67            "jin", "jing", "jiong", "jiu", "ju", "juan", "jue", "jun", "ka",
 68            "kai", "kan", "kang", "kao", "ke", "ken", "keng", "kong", "kou",
 69            "ku", "kua", "kuai", "kuan", "kuang", "kui", "kun", "kuo", "la",
 70            "lai", "lan", "lang", "lao", "le", "lei", "leng", "li", "lia",
 71            "lian", "liang", "liao", "lie", "lin", "ling", "liu", "long",
 72            "lou", "lu", "lv", "luan", "lue", "lun", "luo", "ma", "mai", "man",
 73            "mang", "mao", "me", "mei", "men", "meng", "mi", "mian", "miao",
 74            "mie", "min", "ming", "miu", "mo", "mou", "mu", "na", "nai", "nan",
 75            "nang", "nao", "ne", "nei", "nen", "neng", "ni", "nian", "niang",
 76            "niao", "nie", "nin", "ning", "niu", "nong", "nu", "nv", "nuan",
 77            "nue", "nuo", "o", "ou", "pa", "pai", "pan", "pang", "pao", "pei",
 78            "pen", "peng", "pi", "pian", "piao", "pie", "pin", "ping", "po",
 79            "pu", "qi", "qia", "qian", "qiang", "qiao", "qie", "qin", "qing",
 80            "qiong", "qiu", "qu", "quan", "que", "qun", "ran", "rang", "rao",
 81            "re", "ren", "reng", "ri", "rong", "rou", "ru", "ruan", "rui",
 82            "run", "ruo", "sa", "sai", "san", "sang", "sao", "se", "sen",
 83            "seng", "sha", "shai", "shan", "shang", "shao", "she", "shen",
 84            "sheng", "shi", "shou", "shu", "shua", "shuai", "shuan", "shuang",
 85            "shui", "shun", "shuo", "si", "song", "sou", "su", "suan", "sui",
 86            "sun", "suo", "ta", "tai", "tan", "tang", "tao", "te", "teng",
 87            "ti", "tian", "tiao", "tie", "ting", "tong", "tou", "tu", "tuan",
 88            "tui", "tun", "tuo", "wa", "wai", "wan", "wang", "wei", "wen",
 89            "weng", "wo", "wu", "xi", "xia", "xian", "xiang", "xiao", "xie",
 90            "xin", "xing", "xiong", "xiu", "xu", "xuan", "xue", "xun", "ya",
 91            "yan", "yang", "yao", "ye", "yi", "yin", "ying", "yo", "yong",
 92            "you", "yu", "yuan", "yue", "yun", "za", "zai", "zan", "zang",
 93            "zao", "ze", "zei", "zen", "zeng", "zha", "zhai", "zhan", "zhang",
 94            "zhao", "zhe", "zhen", "zheng", "zhi", "zhong", "zhou", "zhu",
 95            "zhua", "zhuai", "zhuan", "zhuang", "zhui", "zhun", "zhuo", "zi",
 96            "zong", "zou", "zu", "zuan", "zui", "zun", "zuo" } ;
 97
 98      public   static   int  getChsAscii(String chs)  {
 99        int asc = 0;
100        try {
101            byte[] bytes = chs.getBytes("gb2312");
102            if (bytes == null || bytes.length > 2 || bytes.length <= 0) { // 错误
103                // log
104                System.out.println("error");
105            }
106            if (bytes.length == 1) { // 英文字符
107                asc = bytes[0];
108            }
109            if (bytes.length == 2) { // 中文字符
110            // System.out.println(bytes[0]);
111            // System.out.println(bytes[1]);
112                int hightByte = 256 + bytes[0];
113                int lowByte = 256 + bytes[1];
114                asc = (256 * hightByte + lowByte) - 256 * 256;
115            }
116        } catch (Exception e) {
117            e.printStackTrace();
118        }
119        return asc;
120    }
121
122      public   static  String convert(String str)  {
123        String result = null;
124        int ascii = getChsAscii(str);
125//        System.out.println(ascii);
126        if (ascii > 0 && ascii < 160) {
127            result = String.valueOf((char) ascii);
128        } else {
129            for (int i = (pyvalue.length - 1); i >= 0; i--) {
130                if (pyvalue[i] <= ascii) {
131                    result = pystr[i];
132                    break;
133                }
134            }
135        }
136        return result;
137    }
138      public   static  String getPy1(String chs)  {
139        StringBuffer py = new StringBuffer();
140        String key, value;
141        for (int i = 0; i < chs.length(); i++) {
142            key = chs.substring(i, i + 1);
143            if (key.getBytes().length == 2) {
144                value = (String) convert(key);
145                if (value == null) {
146                    value = "unknown";
147                }
148            } else {
149                value = key;
150            }
151
152            py.append(value);
153        }
154        return py.toString();
155    }

# re: 通过汉字取得拼音Java版 2007-01-05 10:34 yerba

第二种方法，取不到一些特殊汉字，比如常用的"琪"，就取成了“zuo”不知道是不是你得数据的问题。
另外，你的两种方法都不能做到多音字的识别。要做到多音字的识别，我的方法是用微软拼音输入法字库导出来，里面包括了所有的读音。  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-05 11:15 Ivan Chen

试试pinyin4j：http://pinyin4j.sf.net/
很不错。  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-05 12:22 junmy[匿名]

这里一个.net版本的
see: http://www.cnblogs.com/jillzhang/archive/2006/10/30/544596.html  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-05 16:11 Alex

不错，可以参考  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-05 22:21 blackbat

第1种方法是不是全部汉字都可以去到？  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-07 14:52 slx

是否能全部取到要看你的字库有多全  回复  更多评论  

# re: 通过汉字取得拼音Java版 2007-01-10 10:00 jyb

从微软拼音中导出来的比较全，应该是gbk吧。对于多音字，我想还得看实际情况来处理，如果让你把一个人的中文姓名、地名转换为拼音，总不能把多音字的全部读音对转换过来吧。重庆--chongqing，重庆--chongzhongqing？  回复  更多评论  

# re: 通过汉字取得拼音Java版[未登录]2007-01-19 10:08 Leon

不错，大有用处。  回复  更多评论