pinyin

pinyin 是 java 實現的高性能中文拼音轉換工具。

創作目的

想為 java 設計一款便捷易用的拼音工具。

特性

極簡的 api 設計

支持轉換長文本

支持多音字

支持多種拼音標注方式

支持中文分詞

支持中文繁簡體

支持自定義拼音詞庫

支持判斷是否為同音字

支持單獨獲取聲調信息

支持獲取聲母韻母信息

v0.1.2 新特性

支持指定拼音連接符號

快速開始

準備

jdk 1.7+

maven 引入

com.github.houbb

pinyin

0.1.2

快速開始

返回中文的拼音

使用 PinyinHelper.toPinyin(string) 進行中文轉換。

String pinyin = PinyinHelper.toPinyin("我愛中文");

Assert.assertEquals("wǒ ài zhōng wén", pinyin);

返回多音字列表

使用 PinyinHelper.toPinyinList(char) 獲取多音字的讀音列表。

List pinyinList = PinyinHelper.toPinyinList('重');

Assert.assertEquals("[zhòng, chóng, tóng]", pinyinList.toString());

分詞特性

默認支持中文分詞，對用戶透明。

String pinyin = PinyinHelper.toPinyin("重慶火鍋");

Assert.assertEquals("chóng qìng huǒ guō", pinyin);

String pinyin2 = PinyinHelper.toPinyin("分詞也很重要");

Assert.assertEquals("fēn cí yě hěn zhòng yào", pinyin2);

指定拼音標注形式

api

/**

* 轉換為拼音

* @param string 原始信息

* @param styleEnum 樣式枚舉

* @return 結果

* @since 0.0.3

*/

public static String toPinyin(final String string, final PinyinStyleEnum styleEnum)

PinyinStyleEnum 樣式枚舉

枚舉

說明

例子

DEFAULT

默認模式，拼音聲調在韻母第一個字母上。

pīn yīn

NORMAL

普通模式，即不帶聲調。

pin yin

NUM_LAST

數字標注模式，即拼音聲調以數字形式在各個拼音之后，用數字 1-5 進行表示。

pin1 yin1

FIRST_LETTER

首字母模式，只返回拼音的首字母部分。

p y

測試案例

DEFAULT

String pinyin = PinyinHelper.toPinyin("我愛中文", PinyinStyleEnum.DEFAULT);

Assert.assertEquals("wǒ ài zhōng wén", pinyin);

NORMAL

String pinyin = PinyinHelper.toPinyin("我愛中文", PinyinStyleEnum.NORMAL);

Assert.assertEquals("wo ai zhong wen", pinyin);

NUM_LAST

String pinyin = PinyinHelper.toPinyin("我愛中文", PinyinStyleEnum.NUM_LAST);

Assert.assertEquals("wo3 ai4 zhong1 wen2", pinyin);

FIRST_LETTER

String pinyin = PinyinHelper.toPinyin("我愛中文", PinyinStyleEnum.FIRST_LETTER);

Assert.assertEquals("w a z w", pinyin);

指定連接符號

有時候使用者希望指定特定的連接符號。

final String text = "我愛中文";

Assert.assertEquals("wazw", PinyinHelper.toPinyin(text, PinyinStyleEnum.FIRST_LETTER, StringUtil.EMPTY));

第三個參數用于指定一個非 null 的字符串作為拼音連接符號。 (默認是空格進行連接)

更多特性

是否為同音字

PinyinHelper.hasSamePinyin() 用來判斷兩個漢字是否為同音字，包括對多音字的處理。

char one = '花';

char two = '重';

char three = '中';

char four = '蟲';

Assert.assertFalse(PinyinHelper.hasSamePinyin(one, three));

Assert.assertTrue(PinyinHelper.hasSamePinyin(two, three));

Assert.assertTrue(PinyinHelper.hasSamePinyin(two, four));

支持繁體中文

本框架支持繁體中文獲取對應拼音。

當然你也可以使用 opencc4j 統一轉換為簡體再做拼音獲取，從而提高準確率。

String pinyin = PinyinHelper.toPinyin("奮斗");

Assert.assertEquals("fèn dòu", pinyin);

自定義拼音詞庫

已有的詞庫很難滿足各種各樣的場景，本工具提供自定義拼音詞庫的功能。

自定義單個字的拼音

自定義字典

自定義 resources/pinyin_dict_char_define.txt 文件內容，格式如下：

莪:wǒ

噯:ài,āi,ǎi

漢字與拼音使用英文: 分割，多音字使用英文,做拼音的分割。

測試

String pinyin = PinyinHelper.toPinyin("莪");

Assert.assertEquals("wǒ", pinyin);

自定義詞組的拼音

自定義字典

自定義 resources/pinyin_dict_phrase_define.txt 文件內容，格式如下：

褈慶炎鍋:chóng qìng huǒ guō

測試

以一串火星文為例。

String pinyin = PinyinHelper.toPinyin("莪噯褈慶炎鍋");

Assert.assertEquals("wǒ ài chóng qìng huǒ guō", pinyin);

注意點

僅支持漢語的自定義拼音。

為了保持功能的一致性，如果你自定義的是繁體字(詞)，對應的簡體也會變成自定義注音。

后期 Road-Map

同音字列表返回

諧音字判斷

諧音字列表返回

拼音轉漢字

Benchmark

性能對比時使用相同的機器，相同測試文本，驗證相同的次數。

均提前做好預熱處理，可供參考。

單個分詞

對比函數

對比次數

對比內容

耗時

Pinyin4j toHanyuPinyinStringArray()

100w 次

相同文本隨機選擇一個字符

621 ms

pinyin toPinyin()

100w 次

相同文本隨機選擇一個字符

317 ms

字符串分詞

對比函數

對比次數

對比內容

耗時

Pinyin4j toHanyuPinyinString()

1w 次

相同長文本

33002 ms

pinyin toPinyin()

1w 次

相同長文本

17975 ms

而且 Pinyin4j 的漢語字符串轉換是不支持分詞的，本項目在支持分詞的情況下速度基本依然是 pinyin4j 的兩倍。

技術鳴謝

segment 提供的中文分詞。

總結

以上是生活随笔為你收集整理的java 同音字_pinyin: The high performance pinyin tool for java.(java 高性能中文转拼音工具。支持同音字。)...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。