码迷,mamicode.com
首页 > Web开发 > 详细

PHP汉语转拼音(支持20378汉字)

时间:2014-12-03 19:12:51      阅读:162      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   ar   color   使用   sp   java   strong   



PHP汉语转拼音(支持20378汉字)

 在项目中需要通过php来实现抽取汉字的拼音功能,当时实现的方式使用GB2312的字库来实现的,但是在项目中发现像”咔咔“这样的汉字就无能为力了,抽取不出来正确的拼音了。GB2312类库的版本地址:http://blog.csdn.net/wgw335363240/article/details/38588151

   为了能够尽可能多的正确抽取出汉字的拼音,参考了pinyin4j.jar的java实现,把汉语拼音的抽取转换为php版本,经测试,使用到的汉字基本都可以转换正确。在转换的过程中,php引擎需要安装了”mbstring“类库的支持,因为php引擎默认是使用iso-8859-1编码来实现的(即strlen(‘中国‘)的长度为6,相当于java中的”中国“.getBytes().length,它的长度也为6,当时java提供了”中国“.tochars()的实现,这个方法得到的chars集合长度为2,实际上就是按照汉字来遍历的),mbstring类库就相当于java中的tochars方法,把字符串按照汉字来遍历。如果不安装类库,还要自己根据utf8编码的规则类遍历byte,从而实现对汉字的拼音的抽取。

   注意:

   (1)php需要支持mbstring类库

   (2)php要是使用utf-8编码编写,这里比较懒,没有编写支持其他语言

   汉字转换拼音的原理如下:

   (1)定义Unicode与拼音的映射字典(在php体现为数组),该字典从pinyin4j.jar文件,去掉了多音字和声调

   (2)输入一个汉字如”严厉“,利用mbstring类库解析为”严“和”厉“两个字符

   (3)把解析后的”严“和”厉“依次调用相关方法抽取一个汉字的拼音,如先抽取”严“

   (4)把”严“字(此时是3个byte编码)转换为Unicode码(4E25,十进制为:20005)

   (5)把Unicode码(4E25)与字典的key进行比较,获取到对应的拼音

   (6)”厉”字也采取同样的策略来抽取拼音

   抽取效率:

       抽取一个汉字的时间:0.00076600000000004秒

   代码:

         上传到资源中,现在上传不上去。

PHP汉语转拼音(支持20378汉字)

标签:style   blog   http   ar   color   使用   sp   java   strong   

原文地址:http://blog.csdn.net/wgw335363240/article/details/41700921

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!