码迷,mamicode.com
首页 > 编程语言 > 详细

浅析pinyin4j源码 简单利用pinyin4j对中文字符进行自然排序

时间:2015-08-18 11:40:54      阅读:169      评论:0      收藏:0      [点我收藏+]

标签:

pinyin4j项目  官网地址 http://pinyin4j.sourceforge.net/

 

我们先把资源下载下来,连同源码和jar包一起放入工程。如下图:

技术分享

 

接下来在demo包下,我们写一个测试类,简单使用pinyin4j对中文字符进行自然排序

新建一个ConvertTest.java

package demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import net.sourceforge.pinyin4j.PinyinHelper;

public class ConvertTest {

    public static void main(String[] args) {
        String src = "我们中间出了一个叛徒";
        char[] arr = src.toCharArray();
        System.out.println("数组长度是:"+arr.length);
        System.out.print("原始顺序:");
        for (char temp : arr) {
            System.out.print(temp+" ");
        }
        System.out.println();
        convertToHanyuPinyin(arr);
    }
    
    private static List<String> convertToHanyuPinyin(char[] array){
        HashMap<String, String> map = new HashMap<String, String>();
        for (int i = 0; i < array.length; i++) {
            //得到拼音首字母
            String value = (PinyinHelper.toHanyuPinyinStringArray(array[i]))[0].substring(0, 1);
            map.put(String.valueOf(array[i]), value);
        }
        System.out.println(map);
        List<String> list = sort(map);
        return list;
    }
    
    private static List<String> sort(Map map){
         List<Map.Entry<String, String>> infoIds = 
                         new ArrayList<Map.Entry<String, String>>(map.entrySet());
        // 对HashMap中的 value 进行排序  
        Collections.sort(infoIds, new Comparator<Map.Entry<String, String>>() {
            @Override
            public int compare(Map.Entry<String, String> o1,  
                    Map.Entry<String, String> o2) {  
                return (o1.getValue()).compareTo(o2.getValue());  
            }  
        });  
  
        List<String> list = new ArrayList<String>();
        /*****************FOR TEST***********************/
        List<String> letterList = new ArrayList<String>();
        /*****************FOR TEST***********************/
        // 对HashMap中的 value 进行排序后  显示排序结果  
        for (int i = 0; i < infoIds.size(); i++) {  
            Map.Entry<String,String> entry = infoIds.get(i); 
            list.add(entry.getKey());
            letterList.add(entry.getValue());
        }
        
        /*****************FOR TEST***********************/
        System.out.print("自然顺序:");
        for (String string : list) {
            System.out.print(string + "   ");
        }
        
        System.out.println();
        
        System.out.print("字母顺序:");
        for (String string : letterList) {
            System.out.print(string +" ");
        }
        /*****************FOR TEST***********************/
        return list;
    }
}

 

输出结果为:

技术分享

可以看到最终的输出顺序已经是按照自然顺序排序后的结果了。

 

简单说一下步骤:

1.我们先将字符串序列转换成 单个字符key, 首字母value  的map形式,

如 {个=g, 徒=t, 我=w, 出=c, 叛=p, 了=l, 中=z, 一=y, 间=j, 们=m}。

2. 然后针对map中的value进行排序,并返回排序过后的key值。

(PS:当然这里也可以对key值进行排序,但是最好还是针对value。

因为我们这里截取的是首字母,并不是整个拼音音节。)

 

代码缺点:

1.只是针对中文字符的第一个拼音进行排序,但是汉语中存在多音字。

2.只是针对字符的首字母进行排序,并不是整个拼音字节,并不严谨,适合粗略排序的场景。

 

下面简单分析一下,pinyin4j的转换流程。

技术分享

 

如上图,其中核心的类就是PinyinHelper。它可以转换许多类型的拼音,这里我们只看汉语拼音,其他的与之类似。

 

追踪代码 PinyinHelper.toHanyuPinyinStringArray

按ctrl + 鼠标左键。

static public String[] toHanyuPinyinStringArray(char ch)
    {
        return getUnformattedHanyuPinyinStringArray(ch);
    }

 

继续跟踪代码

private static String[] getUnformattedHanyuPinyinStringArray(char ch)
    {
        return ChineseToPinyinResource.getInstance().getHanyuPinyinStringArray(ch);
    }

 

调用ChineseToPinyinResource示例的getHanyuPinyinStringArray方法

String[] getHanyuPinyinStringArray(char ch)
    {
        String pinyinRecord = getHanyuPinyinRecordFromChar(ch);

        if (null != pinyinRecord)
        {
       //得到左括号( 的索引值
int indexOfLeftBracket = pinyinRecord.indexOf(Field.LEFT_BRACKET);
      //得到右括号) 的索引值
int indexOfRightBracket = pinyinRecord.lastIndexOf(Field.RIGHT_BRACKET); //得到字符对应的拼音 String stripedString = pinyinRecord.substring(indexOfLeftBracket + Field.LEFT_BRACKET.length(), indexOfRightBracket); //以逗号.为分隔 返回String[] 数组 return stripedString.split(Field.COMMA); } else return null; // no record found or mal-formatted record }

 

关键的方法getHanyuPinyinRecordFromChar

private String getHanyuPinyinRecordFromChar(char ch)
    {
        int codePointOfChar = ch;
        //转换成unicode对应的字符
        String codepointHexStr = Integer.toHexString(codePointOfChar).toUpperCase();
        //从表中查询字符
        // fetch from hashtable
        String foundRecord = getUnicodeToHanyuPinyinTable().getProperty(codepointHexStr);
        //如果是合法的字符就返回,否则返回null
        return isValidRecord(foundRecord) ? foundRecord : null;
    }

 

就是如下图的资源:

技术分享

 

浅析pinyin4j源码 简单利用pinyin4j对中文字符进行自然排序

标签:

原文地址:http://www.cnblogs.com/sphere/p/4738888.html

(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!