Skip to content

Latest commit

 

History

History
102 lines (84 loc) · 4 KB

README.md

File metadata and controls

102 lines (84 loc) · 4 KB

介绍及特性

这个项目的缘起是，前几天女朋友问我有没有java的拼音转汉字的库，一查似乎没有，于是找到python-pinyin，剽窃之。 😂 哈哈。

将汉字转拼音，或者是将拼音转汉字的一个工具库，内存占用很小。功能有：

  1. 支持中文词汇、中文单词转拼音。
  2. 支持词汇拼音、单子拼音转中文。
  3. 支持音调，可支持不同风格的输出。
  4. 支持语句或文章转拼音，使用分词算法解决多音字问题。
  5. 词库借用python-pinyin词库，非常丰富。
  6. 支持中文分词。

关于词库，实际上还是比python-pinyin少了不少。 这是因为java作为历史悠久的语言，char是双字节，无法表示所有的unicode字符。 目前暂时不考虑超过双字节编码的汉字，之后再查找资料完善。

但是，双字节编码的已有汉字已经非常够用了，被排除在外的几乎都是十分生僻的汉字了。

后续完善：

  1. 分词算法支持的句子转拼音。
  2. 更多分词算法。
  3. 根据拼音序列，智能匹配，转句子。
  4. 可扩展词库。
  5. LRU Cache，可选策略。
  6. 尝试优化Sqlite查询性能。
  7. 尝试提供一个可选功能，用户可启动通过预加载常用数据到内存的方式提升性能。（场景如服务器端程序）
  8. 性能测试。

安装及环境要求

jdk版本要求：jdk >= 1.6

maven配置，pom.xml中添加：

<dependencies>
  <dependency>
    <groupId>io.github.frapples.javapinyin</groupId>
    <artifactId>java-pinyin</artifactId>
    <version>1.0-alpha-1</version>
  </dependency>
</dependencies>

由于附带词库的原因，因此这个包可能有点大。有可能网络问题出现下载不全的情况，清掉maven缓存再reimport下。

使用例子

单字或词语转换

词语转拼音，支持多种输出风格：

List<String> result = JavaPinyin.pinyinForWord("一举两得");
// [yī, jǔ, liǎng, dé]

List<String> result = JavaPinyin.pinyinForWord("一举两得",Style.TONE2);
// [yi1, ju3, lia3ng, de2]

List<String> result = JavaPinyin.pinyinForWord("一举两得",Style.TONE3);
// [yi1, ju3, liang3, de2]

List<String> result = JavaPinyin.pinyinForWord("一举两得",Style.NORMAL);
// [yi, ju, liang, de]

单字转拼音，返回所有多音字拼音：

 List<String> result = JavaPinyin.pinyinForHans('中');
 // [zhōng, zhòng]
 List<String> result = JavaPinyin.pinyinForHans('中', Style.TONE3);
 // [zhong1, zhong4]

单个拼音转汉字，返回所有的同音字：

List<Character> result = JavaPinyin.pinyinToHans("a");
// [吖, 呵, 呵, 呵, 呵, 啊, 啊, 啊, 啊, 啊, 嗄, 嗄, 腌, 錒, 锕, 阿, 阿, 阿, 阿]

词汇拼音转中文，返回所有的同音词：

List<String> result = JavaPinyin.pinyinToWord(Arrays.asList("zhong", "dian"));
// [中点, 重典, 重点]

句子转换

句子转拼音，智能解决多音字问题：

List<List<String>> result = JavaPinyin.pinyin("中文自动分词指的是使用计算机自动对中文文本进行词语的切分");
// [[zhōng], [wén], [zì], [dòng], [fēn], [cí], [zhǐ], [de], [shì], [shǐ], [yòng], [jì], [suàn], [jī], [zì], [dòng], [duì], [zhōng], [wén], [wén], [běn], [jìn], [xíng], [cí], [yǔ], [de], [qiē], [fēn]]

分词

简单分词：

List<String> result = JavaPinyin.segment("中文自动分词指的是使用计算机自动对中文文本进行词语的切分");
// [中文, 自动, 分词, 指的, 是, 使用, 计算机, 自动, 对, 中文, 文本, 进行, 词语, 的切, 分]

支持选择分词算法，参见该函数的重载版本。不过目前分词算法只有最大正向匹配一种。。。

资源消耗

  1. 内存占用方面：非常小。
  2. 性能方面：第一次调用需要耗费点时间，后面调用就快。目前没有严谨的beanchmark。

感谢

本项目主要参考及借用了以下项目的词库，表示感谢：

  1. https://github.com/mozillazg/python-pinyin