ECM
ECM
总版主
总版主
  • 社区居民
  • 忠实会员
  • 原创写手
阅读:1512回复:0

JPinyin实现原理容易研究

楼主#
更多 发布于:2015-12-26 17:02
java写的拼音转换工具包,搜到3款,分别是pinyin4j, JPinyin,chineseandpinyin。
个人评估下来JPinyin比其他2款稍微好一些,功能多一些,实现的代码也少一些。


1.汉字转拼音
看了一下代码,其实思路很简单。就是搞一张字典表,存了所有汉字对应的拼音。
这里以JPinyin为例,pinyin.db文件里存了所有汉字对应的拼音。


\u3007=l\u00edng
\u4e00=y\u012b


unicode代换以后就是
〇=líng
一=yī




简单吧,这个文件把常用的20903个汉字都存了,到时候一次性读到内存中作为HashMap来查汉字对应的拼音。


2.多音字
另一个文件里存了常见多音字包括词组、成语、地名等。
mutil_pinyin.db
阿姨=ā,yí
阿谀=ē,yú


到时候还是读到内存中作为HashMap来查


3.简体繁体转换
chinese.db
與=与
萬=万


还是用一个文件存了所有简繁汉字的对照表。


4.总结
可以看到,实现思路相当简单,就是通过事先准备好一张表格,蛮力的方法来实现了拼音转换功能。如果考虑加上lucene的中文分词器的话,多音字的识别可能效果会更好。


另外一款pinyin4j的代码稍显啰嗦,还使用了HP的XML解析包,完全没必要。
另外提一点,3款工具的共同缺点是,作为开源项目,稍显的粗糙了。比如没有单元测试啦,单元测试跑不通啦,maven工程版本号不规范啦等等,显得不是很专业。这也让我们看到了国内项目尚和国外项目的差距。


确实是规范有点欠缺,不过这种东西,一般都作为一个小功能,引入它的jar包,自己稍微包装下,实用就行

 

 

 

 

 

 

 

异常中心网是一家专门收集整理程序员编程过程中遇到的常见异常(exception)以及各种异常问答中心的网站。异常中心网旨在,减少程序员在编码遇到异常,处理各种异常时间和痛苦,让程序员能更愉快的、快速的定位异常并查找对应的异常解决方案。异常中心网诚心打造最完美的编程社区为程序员用户服务,努力成为最好的程序员乐园程序员社区程序异常中心程序bug中心异常问答中心

 

喜欢0 评分0
游客

返回顶部