java 汉字转拼音（解决多音字问题）
来源：互联网 发布：知乎 牛人 编辑：程序博客网 时间：2024/04/29 01:55
上一篇文章 Java 汉字转拼音 介绍了Java 中利用Pinyin4j 实现汉字转拼音，但是对于多音字问题采取的是组合拼音方式，例如长沙 取拼音结果就是 changsha zhangsha。某些情况下我们希望能得到多音字的唯一拼音，此时就需要借助多音字字典了，原理很简单：给多音字一个默认的拼音并告诉计算机碰到哪些词的时候使用其它的拼音，例如 长 字，我们可以给它指定默认拼音为 zhang，并标识 长沙 拼音为 chang。
以上是自己搜集的一个多音字词典 duoyinzi_pinyin.txt
[html] view plain copy
- a#阿
- ao#拗
- ai#艾
- bang#膀 磅 蚌
- ba#扒车 扒拉 扒皮
- bai#叔伯 百 柏杨
- bao#剥皮 薄 暴 堡 曝
- beng#蚌埠
- bi#复辟 臂 秘鲁 泌阳
- bing#屏弃 屏气 屏除 屏退 屏息
- bian#扁 便
- bo#薄荷 单薄 伯 伯爵 泊 波 柏 萝卜 孛
- bu#卜
- can#参
- cang#藏
- cen#参差
- ceng#曾 噌
- cha#差 刹那 宝刹 一刹 查
- chai#公差 差役 专差 官差 听差 美差 办差 差事 差使 肥差 当差 钦差 苦差 出差
- chan#颤 单于 禅
- chang#长 厂
- chao#朝 嘲
- che#工尺 车
- chen#称职 匀称 称心 相称 对称
- cheng#称 乘 澄 噌吰 橙 秤
- chu#畜
- chui#椎心
- chuan#传
- chi#匙 尺 吃
- chong#重庆 重重 虫
- chou#臭
- chuang#经幢
- chuo#绰
- ci#参差 伺 龟兹
- cuan#攒钱 攒聚 攒动
- cuo#撮儿 撮要 撮合
- da#大 嗒
- dao#叨
- dai#大夫
- dan#单 弹
- dang#铛
- de#的
- di#堤 底 怎的 有的 目的 标的 打的 的确 的当 的士 地 提防
- diao#蓝调 调调 音调 论调 格调 调令 低调 笔调 基调 强调 声调 滥调 老调 色调 单调 腔调 跑调 曲调 步调 语调 主调 情调
- ding#丁
- du#读 都 度
- dou#全都 句读
- duo#舵 测度 忖度 揣度 猜度
- dun#粮囤 盾 顿 沌 敦
- e#阿谀 阿胶 阿弥 恶心
- er#儿
- fan#番
- feng#冯
- fo#佛
- fu#仿佛 果脯 罘
- fou#否则 否定 应否 是否 与否 否决
- ga#咖喱 伽马
- gai#盖
- gao#告
- gang#扛鼎
- ge#革 蛤蚧 文蛤 蛤蜊 咯
- gei#给
- geng#脖颈
- gong#女红
- gu#谷 中鹄 鼓
- gui#龟 柜 硅
- gua#呱
- guan#纶巾 东莞
- guang#广
- ha#蛤
- hai#还 嗨
- hao#貉子 貉绒
- hang#夯 总行 分行 支行 行业 排行 行情 央行 商行 外行 银行 商行 酒行 麻行 琴行 巷道
- he#和 合 核
- heng#道行
- hu#鹄 水浒
- hua#滑
- huan#归还 放还 奉还
- hui#会 浍河
- hong#红 虹
- huo#软和 热和 暖和
- ji#病革 给养 自给 给水 薪给 给予 供给 稽 缉 藉 奇数 亟 诘屈 荠菜
- jia#雪茄 伽 家 价 贾
- jian#见
- jiang#降
- jiao#嚼舌 嚼子 细嚼 角 剿 饺 脚 蕉 矫
- jie#解 慰藉 蕴藉 诘
- jin#矜 劲
- jing#颈 景
- ju#咀嚼 居 桔 句
- jun#均
- juan#棚圈 圈养
- jv#咀嚼 趑趄
- jvan#猪圈 羊圈
- jue#主角 角色 旦角 女角 丑角 角力 名角 配角 咀嚼 觉
- jun#龟裂 俊
- jvn#龟裂
- ka#咖 卡 喀
- kai#楷
- kang#扛 扛活 扛大
- ke#咳 壳
- keng#吭
- kuai#会计 财会 浍
- kuo#括
- la#癞痢 腊
- lai#癞疮 癞子 癞蛤 癞皮
- lao#积潦 络子 落枕 落价 粩 姥
- le#乐 勒 了
- lei#勒紧
- lo#然咯
- lou#佝偻
- long#里弄 弄堂 泷
- li#跞
- liao#了解 了结 明了 了得 末了 未了 了如 了如指掌 潦
- liang#靓 俩
- liu#六
- lu#碌 陆 露
- luo#络 络 落 漯
- lv#率 绿
- lun#纶
- mai#埋
- man#埋怨 蔓
- mai#脉
- mang#氓 芒
- mao#冒
- meng#群氓 盟
- mei#没
- mo#埋没 隐没 脉脉 模 摩
- mou#绸缪 牟
- mi#秘 泌尿 分泌 谜
- miu#谬 谬论 纰缪
- mu#人模 字模 模板 模样 模具 装模 装模做样 模子
- na#哪 娜 那
- nan#南
- ne#哪吒 呢
- nong#弄
- ni#毛呢 花呢 呢绒 线呢 呢料 呢子 呢喃 溺
- niao#尿 鸟
- nian#粘
- niang#酿
- niu#执拗 拗不
- nu#努
- nue#疟 疟疾
- nuo#婀娜 袅娜
- nv#女
- nve#疟原 疟蚊
- o#喔
- pa#扒
- pai#派 迫击 迫击炮
- pao#刨 炮
- pang#胖 膀胱 膀肿 磅礴
- pi#辟 否极 臧否 龙陂 芘
- pian#扁舟 便宜
- piao#朴姓
- ping#屏 苹
- po#湖泊 血泊 迫 朴刀 坡 陂
- pu#暴十 一曝十寒 里堡 十里堡 脯 朴 曝晒 瀑 埔
- qi#期 其 泣
- qiu#龟兹
- qi#稽首 缉鞋 栖 奇 漆 齐
- qia#卡脖 卡子 关卡 卡壳 哨卡 边卡 发卡
- qiao#雀盲 雀子 地壳 甲壳 躯壳
- qian#纤 乾
- qiang#强
- qie#茄 趔趄
- qin#亲 沁
- qing#干亲 亲家
- qu#区 趣
- quan#圈 券
- que#雀
- ruo#若
- sai#塞
- se#堵塞 搪塞 茅塞 闭塞 鼻塞 梗塞 阻塞 淤塞 拥塞 哽塞 色
- sha#莎 刹车 急刹 急刹车 厦
- shai#色子
- shao#勺
- shan#姓单 单县 杉
- shang#衣裳
- she#拾级 折本 射 蛇
- shen#沙参 野参 参王 人参 红参 丹参 山参 海参 刺参 鹿参 什 身 沈
- sheng#野乘 千乘 史乘 省 晟 盛
- shi#钥匙 拾荒 捡拾 拾物 家什 什物 什锦 麻什 麦什 喀什 牛什 识 似的 食 石 氏 拾 适
- shuai#表率 率性 率直 率真 粗率 率领 轻率 直率 草率 大率 坦率 衰
- shuang#泷水
- shu#属 数 术 熟
- shui#游说
- shuo#数见 数见不鲜 说
- si#窥伺 伺弄 伺机 似 思
- su#宿
- sui#尿泡
- ta#拓本 拓片 碑拓 疲沓 拖沓 杂沓 沓 塔 鸿塔
- tang#汤
- tao#陶
- tan#弹性 弹力 反弹
- ti#提 体
- tiao#调
- ting#町 听
- tui#褪
- tuo#拓
- tun#囤 屯
- wei#尾 蔚 圩
- wu#无 可恶 交恶 好恶 厌恶 憎恶 嫌恶 痛恶 深恶
- wan#藤蔓 枝蔓 瓜蔓 蔓儿 莞 万 百万 皖
- wai#崴
- xia#虾 吓 夏
- xi#栖栖 系 蹊 洗 溪 戏
- xiao#校 切削 削面 刀削 刮削
- xian#纤细 光纤 纤巧 纤柔 纤小 纤维 纤瘦 纤纤 化纤 纤秀 棉纤 纤尘
- xiang#降 巷
- xie#解数 出血 采血 换血 血糊 尿血 淤血 放血 血晕 血淋 便血 吐血 咯血 叶韵 蝎 蝎子 邪
- xiu#铜臭 乳臭 成宿 星宿
- xin#馨 信 鸿信
- xing#深省 省视 内省 不省人事 省悟 省察 行 旅行 例行 行程 行乐 龙行 人行 流行 先行 行星 品行 发行 行政 风行 龙行 龍行 麟行 荥
- xu#牧畜 畜产 畜牧 畜养 吁 麦埂圩 浒
- xue#削 血
- xun#荨 寻
- ya#琊
- yao#钥匙 金钥 耀 曜
- yan#咽 殷红 腌 烟
- ye#液 抽咽 哽咽 咽炎 下咽 呜咽 幽咽 悲咽 叶 葉
- yi#自艾 遗 屹
- yin#殷
- ying#荥经
- yo#杭育
- yong#涌
- yu#余 呼吁 吁请 吁求 育 熨帖 熨烫 於
- yuan#员
- yun#熨
- yue#约 乐音 器乐 乐律 乐章 音乐 乐理 民乐 乐队 声乐 奏乐 弦乐 乐坛 管乐 配乐 乐曲 乐谱 锁钥 密钥 乐团 乐器
- za#绑扎 结扎 包扎 捆扎 咱家
- zan#攒 咱
- zang#宝藏 藏历 藏文 藏语 藏青 藏族 藏医 藏药 藏蓝 西藏
- zai#牛仔 龟仔 龙仔 鼻仔 羊仔 仔仔 麻仔 麵包仔 麦旺仔 鸿仔 煲仔 福仔
- ze#择
- zeng#曾孙 曾祖
- zong#综
- zha#扎
- zhai#宅
- zhan#不粘 粘贴 粘连
- zhao#朝朝 明朝 朝晖 朝夕 朝思 有朝 今朝 朝气 朝三 朝秦 朝霞 鹰爪 龙爪 魔爪 爪牙 失着 着数 龙爪槐
- zhe#折 着
- zhi#标识 吱 殖 枝
- zhong#重 种
- zhou#粥
- zhu#属意 著
- zhua#爪子
- zhui#椎 隹
- zhuo#执著 着装 着落 着意 着力 附着 着笔 胶着 着手 着重 穿着 衣着 执着 着眼 着墨 着实 沉着 着陆 着想 着色
- zhuang#幢房 一幢 幢楼
- zi#仔 兹
- zu#足
- zuo#柞
- zui#咀
自己封装了一个获取汉字拼音 全拼和简拼的工具类 PinyinUtils，代码如下：
[java] view plain copy
- package com.ricky.java.suggestion.util;
- import java.io.BufferedReader;
- import java.io.File;
- import java.io.FileInputStream;
- import java.io.FileNotFoundException;
- import java.io.IOException;
- import java.io.InputStreamReader;
- import java.io.UnsupportedEncodingException;
- import java.util.HashMap;
- import java.util.Map;
- import org.apache.log4j.Logger;
- import net.sourceforge.pinyin4j.PinyinHelper;
- import net.sourceforge.pinyin4j.format.HanyuPinyinCaseType;
- import net.sourceforge.pinyin4j.format.HanyuPinyinOutputFormat;
- import net.sourceforge.pinyin4j.format.HanyuPinyinToneType;
- import net.sourceforge.pinyin4j.format.HanyuPinyinVCharType;
- import net.sourceforge.pinyin4j.format.exception.BadHanyuPinyinOutputFormatCombination;
- public class PinyinUtils {
- private static final Logger logger = Logger.getLogger("devLog");
- public static Map<String,String> dictionary = new HashMap<String,String>();
- //加载多音字词典
- static{
- BufferedReader br = null;
- try {
- File file = new File("./config/duoyinzi_pinyin.txt");
- br = new BufferedReader(new InputStreamReader(new FileInputStream(file),"UTF-8"));
- String line = null;
- while((line=br.readLine())!=null){
- String[] arr = line.split("#");
- if(StringUtils.isNotEmpty(arr[1])){
- String[] sems = arr[1].split(" ");
- for (String sem : sems) {
- if(StringUtils.isNotEmpty(sem)){
- dictionary.put(sem , arr[0]);
- }
- }
- }
- }
- } catch (UnsupportedEncodingException e) {
- e.printStackTrace();
- } catch (FileNotFoundException e) {
- e.printStackTrace();
- } catch (IOException e) {
- e.printStackTrace();
- }finally{
- if(br!=null){
- try {
- br.close();
- } catch (IOException e) {
- e.printStackTrace();
- }
- }
- }
- }
- public static String[] chineseToPinYin(char chineseCharacter) throws BadHanyuPinyinOutputFormatCombination{
- HanyuPinyinOutputFormat outputFormat = new HanyuPinyinOutputFormat();
- outputFormat.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
- outputFormat.setCaseType(HanyuPinyinCaseType.LOWERCASE);
- outputFormat.setVCharType(HanyuPinyinVCharType.WITH_V);
- if(chineseCharacter>=32 && chineseCharacter<=125){ //ASCII >=33 ASCII<=125的直接返回 ,ASCII码表：http://www.asciitable.com/
- return new String[]{String.valueOf(chineseCharacter)};
- }
- return PinyinHelper.toHanyuPinyinStringArray(chineseCharacter, outputFormat);
- }
- /**
- * 获取汉字拼音的全拼
- * @param chineseCharacter
- * @return
- * @throws BadHanyuPinyinOutputFormatCombination
- */
- public static String chineseToPinYinF(String chineseCharacter) throws BadHanyuPinyinOutputFormatCombination{
- if(StringUtils.isEmpty(chineseCharacter)){
- return null;
- }
- char[] chs = chineseCharacter.toCharArray();
- StringBuilder result = new StringBuilder();
- for(int i=0;i<chs.length;i++){
- String[] arr = chineseToPinYin(chs[i]);
- if(arr==null){
- result.append("");
- }else if(arr.length==1){
- result.append(arr[0]);
- }else if(arr[0].equals(arr[1])){
- result.append(arr[0]);
- }else{
- String prim = chineseCharacter.substring(i, i+1);
- // System.out.println("prim="+prim+"**i="+i);
- String lst = null,rst = null;
- if(i<=chineseCharacter.length()-2){
- rst = chineseCharacter.substring(i,i+2);
- }
- if(i>=1 && i+1<=chineseCharacter.length()){
- lst = chineseCharacter.substring(i-1,i+1);
- }
- // System.out.println("lst="+lst+"**rst="+rst);
- String answer = null;
- for (String py : arr) {
- if(StringUtils.isEmpty(py)){
- continue;
- }
- if((lst!=null && py.equals(dictionary.get(lst))) ||
- (rst!=null && py.equals(dictionary.get(rst)))){
- answer = py;
- // System.out.println("get it,answer="+answer+",i="+i+"**break");
- break;
- }
- if(py.equals(dictionary.get(prim))){
- answer = py;
- // System.out.println("get it,answer="+answer+",i="+i+"**prim="+prim);
- }
- }
- if(answer!=null){
- result.append(answer);
- }else{
- logger.warn("no answer ch="+chs[i]);
- }
- }
- }
- return result.toString().toLowerCase();
- }
- public static String chineseToPinYinS(String chineseCharacter) throws BadHanyuPinyinOutputFormatCombination{
- if(StringUtils.isEmpty(chineseCharacter)){
- return null;
- }
- char[] chs = chineseCharacter.toCharArray();
- StringBuilder result = new StringBuilder();
- for(int i=0;i<chs.length;i++){
- String[] arr = chineseToPinYin(chs[i]);
- if(arr==null){
- result.append("");
- }else if(arr.length==1){
- result.append(arr[0].charAt(0));
- }else if(arr[0].equals(arr[1])){
- result.append(arr[0].charAt(0));
- }else{
- String prim = chineseCharacter.substring(i, i+1);
- // System.out.println("prim="+prim+"**i="+i);
- String lst = null,rst = null;
- if(i<=chineseCharacter.length()-2){
- rst = chineseCharacter.substring(i,i+2);
- }
- if(i>=1 && i+1<=chineseCharacter.length()){
- lst = chineseCharacter.substring(i-1,i+1);
- }
- // System.out.println("lst="+lst+"**rst="+rst);
- String answer = null;
- for (String py : arr) {
- if(StringUtils.isEmpty(py)){
- continue;
- }
- if((lst!=null && py.equals(dictionary.get(lst))) ||
- (rst!=null && py.equals(dictionary.get(rst)))){
- answer = py;
- // System.out.println("get it,answer="+answer+",i="+i+"**break");
- break;
- }
- if(py.equals(dictionary.get(prim))){
- answer = py;
- // System.out.println("get it,answer="+answer+",i="+i+"**prim="+prim);
- }
- }
- if(answer!=null){
- result.append(answer.charAt(0));
- }else{
- logger.warn("no answer ch="+chs[i]);
- }
- }
- }
- return result.toString().toLowerCase();
- }
- }
测试代码
[java] view plain copy
- package com.ricky.java.suggestion.test;
- import net.sourceforge.pinyin4j.format.exception.BadHanyuPinyinOutputFormatCombination;
- import com.ricky.java.suggestion.util.PinyinUtils;
- public class PinyinTest {
- /**
- * @param args
- */
- public static void main(String[] args) {
- try {
- // String str = "长沙绿爱旅行";
- String str = "中信银行(长沙旅行社分行)";
- System.out.println(str+" pyf="+PinyinUtils.chineseToPinYinF(str));
- System.out.println(str + " pys="+PinyinUtils.chineseToPinYinS(str));
- } catch (BadHanyuPinyinOutputFormatCombination e) {
- e.printStackTrace();
- }
- }
- }
执行结果
中信银行(长沙旅行社分行) pyf=zhongxinyinhang(changshalvxingshefenhang)
中信银行(长沙旅行社分行) pys=zxyh(cslxsfh)
1 0
- java 汉字转拼音（解决多音字问题）
- Java 汉字转拼音(完美支持解决多音字)
- 利用微软类库 Visual Studio International Pack 汉字转拼音首字母，完美解决多音字问题
- pinyin4j汉字转拼音处理多音字的问题【重庆（zhongqing）】
- asp 汉字转拼音-多音字的处理
- 汉字字词转拼音接口(支持多音字)
- [C#] 汉字转拼音，支持多音字
- android 汉字转拼音带多音字识别
- Javascript 汉字转首字母的拼音 js文件（支持多音字的选择）
- 【ASP】GBK汉字转拼音程序，支持多音字
- 汉字转拼音，主要是多音字的处理
- pinyin4j 汉字转换为拼音 （支持多音字）
- java根据汉字转拼音，多音字人工处理，数据库表字段类型为nvarchar,其它要乱码
- pinyin4j获取汉字正确的全拼和简拼（解决多音字问题）
- 汉字转化为拼音,支持多音字
- c#版汉字拼音大全,支持多音字
- java 汉字转拼音
- JAVA汉字转拼音
- JavaCV安装过程
- camke 交叉编译
- 关于eclipse中java程序中文备注为乱码的问题
- Linux 交换Caps Lock和左ctrl
- String-->JSONArray-->JSONObject
- java 汉字转拼音（解决多音字问题）
- 交叉编译openssl-1.0.1k
- iOS中默认样式修改
- apue.3e源码编译、环境配置(centos6.7)
- Java多线程
- plus-one
- three.js学习笔记 dat.gui.js和stats.js
- 有关SD卡接线的探索（为什么标准SD卡是九根线，而一般原理图上都是11根线或更多呢？）
- 山东大学web技术复习纲要
