六一儿童节的礼物：基于GB18030-2000汉字拼音类库（C#）

开发工具：Visual Studio v2010.NET Framework 4 Client Profile版本历史：V1.0 2011年5月24日实现GB18030-2000汉字拼音模块。功能描述：通过汉字获取拼音（基于频率排序）。可查询的汉字编码范围为0x3400～0x9FA5 0xF900～0xFAD9。获取指定字符集的同音字列表（基于频率排序）。数字标调音节和字符标调音节之间的互相转换。

秦建辉

2855人浏览 · 2011-05-24 20:36:00

秦建辉 · 2011-05-24 20:36:00 发布

开发工具：

Visual Studio v2010

.NET Framework 4 Client Profile

版本历史：

V1.1 2011年5月29日

代码优化。

V1.0 2011年5月24日

实现GB18030-2000汉字拼音模块。

功能描述：

通过汉字获取拼音（基于频率排序）。可查询的汉字编码范围为0x3400～0x9FA5 0xF900～0xFAD9。
获取指定字符集的同音字列表（基于频率排序）。
数字标调音节和字符标调音节之间的互相转换。
音节排序（基于新华字典序）。
将兼容码字符转换为标准字符。

下载地址：

HYPY_Mandarin_CSharp.zip

源代码：

Pinyin.cs

/* ---------------------------------------------------------- 文件名称：Pinyin.cs 作者：秦建辉 MSN：splashcn@msn.com 版本历史： V1.1 2011年5月29日代码优化。 V1.0 2011年5月24日实现GB18030-2000汉字拼音模块。功能描述： 1.通过汉字获取拼音（基于频率排序）。可查询的汉字编码范围为0x3400～0x9FA5 0xF900～0xFAD9。 2.获取指定字符集的同音字列表（基于频率排序）。 3.数字标调音节和字符标调音节之间的互相转换。 4.音节排序（基于新华字典序）。 5.将兼容码字符转换为标准字符。 ------------------------------------------------------------ */ using System; using System.Text; namespace Splash { /// <summary> /// GB18030-2000汉语拼音类库 /// 静态类库，运行时无需实例化 /// </summary> public static partial class Pinyin { /// <summary> /// 音节总类数 1402 /// </summary> public const Int32 SYLLABLE_NUM = 1402; /// <summary> /// 标准码区间起始编码 0x3400 /// </summary> public const Int32 NormZoneBegin = 0x3400; /// <summary> /// 标准码区间结束编码 0x9FA5 /// </summary> public const Int32 NormZoneEnd = 0x9FA5; /// <summary> /// 兼容码区间起始编码 0xF900 /// </summary> public const Int32 CompatibilityZoneBegin = 0xF900; /// <summary> /// 兼容码区间结束编码 0xFAFF /// </summary> public const Int32 CompatibilityZoneEnd = 0xFAFF; /// <summary> /// 位标志枚举类型，字符集分类 /// </summary> [Flags] public enum CharSet { /// <summary> /// 未知字符集 0x00 /// </summary> UNKNOWN = 0x00, /// <summary> /// GB 2312-1980字符集 0x01 /// </summary> GB2312 = 0x01, /// <summary> /// GB 13000.1-1993字符集 0x02 /// </summary> GBK = 0x02, /// <summary> /// GB 18030-2000字符集 0x04 /// </summary> GB18030 = 0x04 } /// <summary> /// 通过UCS4编码获取汉字拼音音节索引集 /// </summary> /// <param name="UCS4">汉字UCS4编码</param> /// <returns>拼音音节索引集</returns> public static UInt16[] Pronunciation(Int32 UCS4) { // 将兼容码字符转换到标准码字符 UCS4 = Compatibility2Norm(UCS4); // 有效区间0x3400～0x9FA5，共计27484个有效汉字 if (UCS4 >= NormZoneBegin && UCS4 <= NormZoneEnd) { UInt16 Index = CharToSyllableTable[UCS4 - NormZoneBegin]; if (Index != 0xFFFF) { if (Index < (NormZoneEnd - NormZoneBegin + 1)) { // 单音字 return new UInt16[] { Index }; } else { // 多音字，二次定位 UInt16 Count = CharToSyllableTable[Index]; // 读音数 UInt16[] SyllableMap = new UInt16[Count]; for (Int32 i = 0; i < Count; i++) { SyllableMap[i] = CharToSyllableTable[Index + i + 1]; } return SyllableMap; } } } // 读音未知 return null; } /// <summary> /// 通过UCS2编码获取汉字拼音音节索引集 /// </summary> /// <param name="UCS2">Unicode字符</param> /// <returns>拼音音节索引集</returns> public static UInt16[] Pronunciation(Char UCS2) { return Pronunciation(Convert.ToInt32(UCS2)); } /// <summary> /// 获取字符串指定索引位置字符的拼音音节索引集 /// </summary> /// <param name="s">字符所在的字符串</param> /// <param name="index">字符在字符串中的索引位置</param> /// <returns>拼音音节索引集</returns> public static UInt16[] Pronunciation(String s, Int32 index) { return Pronunciation(Char.ConvertToUtf32(s, index)); } /// <summary> /// 获取索引对应的拼音音节 /// </summary> /// <param name="index">拼音音节索引号</param> /// <param name="isDigitTone">输出方式。true：字符标调 false：数字标调</param> /// <param name="isUppercase">输出方式。true：大写字母形式 false：小写字母形式</param> /// <returns>拼音音节</returns> public static String Syllable(Int32 index, Boolean isDigitTone = true, Boolean isUppercase = true) { if (index >= 0 && index < SYLLABLE_NUM) { // 开始索引位置 UInt16 BeginIndex; if (index == 0) BeginIndex = 0; else BeginIndex = SyllableEndIndex[index - 1]; // 结束索引位置 UInt16 EndIndex = SyllableEndIndex[index]; // 获取拼音音节（小写字母、字符标调） String Syllable = Encoding.UTF8.GetString(SyllableMap, BeginIndex, EndIndex - BeginIndex); if (isDigitTone) { // 转换为数字标掉 return CharTone2DigitTone(Syllable, isUppercase); } else { // 字符标调 if (isUppercase) return Syllable.ToUpper(); else return Syllable; } } // 错误的索引号 return null; } /// <summary> /// 获取音节索引号对应的同音字集合 /// </summary> /// <param name="index">拼音音节索引号</param> /// <param name="cs">字符集：GB2312、GBK、GB18030</param> /// <returns>同音字集合</returns> public static String Homophone(Int32 index, CharSet cs = CharSet.GB2312) { if ((index >= 0) && (index < SYLLABLE_NUM) && (cs != CharSet.UNKNOWN)) { // 开始索引位置 UInt16 BeginIndex; if (index == 0) BeginIndex = 0; else BeginIndex = HomophoneEndIndex[index - 1]; // 结束索引位置 UInt16 EndIndex = HomophoneEndIndex[index]; if (BeginIndex < EndIndex) { StringBuilder sb = new StringBuilder(EndIndex - BeginIndex); for (UInt16 i = BeginIndex; i < EndIndex; i++) { Int32 UCS4 = HomophoneMap[i]; // 字符编码 if ((cs & CharSet.GB18030) != 0) { sb.Append(Convert.ToChar(UCS4)); } else { if ((CharSetClass(UCS4) & cs) != 0) { sb.Append(Convert.ToChar(UCS4)); } } } if (sb.Length != 0) return sb.ToString(); } } // 同音字不存在 return null; } /// <summary> /// 将拼音从字符标调转换成数字标调（支持多音节） /// </summary> /// <param name="Syllable">字符标调的拼音音节</param> /// <param name="isUppercase">输出方式。true：大写字母形式 false：小写字母形式</param> /// <returns>数字标调的拼音音节</returns> public static String CharTone2DigitTone(String Syllable, Boolean isUppercase = true) { if (String.IsNullOrEmpty(Syllable)) { return null; } StringBuilder sb = new StringBuilder(Syllable.Length + 2); Int32 CharToneNum = CharTone2DigitToneTable.GetLength(0); // 获取数组行数 Char Tone = '5'; // 初始化数字声调 foreach(Char UCS2 in Syllable) { if (UCS2 == '-') { // 连接符 sb.Append(Tone); sb.Append('-'); Tone = '5'; // 初始化数字声调 } else { Int32 i; for (i = 0; i < CharToneNum; i++) { if (UCS2 == CharTone2DigitToneTable[i, 0]) { // 带调字符 Tone = CharTone2DigitToneTable[i, 2]; // 声调 if (CharTone2DigitToneTable[i, 1] != 0) { sb.Append(CharTone2DigitToneTable[i, 1]); // 基本字符 } break; } } if (i == CharToneNum) { // 非带调字符 sb.Append(UCS2); } } } sb.Append(Tone); if (isUppercase) { // 大写字母形式 return sb.ToString().ToUpper(); } else { // 小写字母形式 return sb.ToString().ToLower(); } } /// <summary> /// 多音节版本：将数字标调转换成字符标调 /// </summary> /// <param name="Syllable">数字标调的拼音音节</param> /// <param name="isUppercase">输出方式。true：大写字母形式 false：小写字母形式</param> /// <returns>字符标调的拼音音节</returns> public static String DigitTone2CharTone(String Syllable, Boolean isUppercase = false) { if (String.IsNullOrEmpty(Syllable)) { return null; } // 可标调字符集 String ToneCharSet = "aoeiu/u00FC/u00EAnm"; // 关键：字符顺序 String CombiningCharSet = "/u0304/u0301/u030C/u0300"; // 阴平、阳平、上声、去声 StringBuilder sb = new StringBuilder(Syllable.Length); Int32 BeginIndex = 0; Int32 EndIndex = Syllable.Length; while (BeginIndex < EndIndex) { Int32 Count; Int32 HyphenIndex = Syllable.IndexOf('-', BeginIndex); if (HyphenIndex == -1) { // 单音节 Count = EndIndex - BeginIndex - 1; } else { // 多音节 Count = HyphenIndex - BeginIndex - 1; } if (Count < 1) return null; // 音节错误 Char Tone = Syllable[BeginIndex + Count]; if (Tone >= '1' && Tone <= '4') { Boolean isNotFind = true; foreach (Char ToneChar in ToneCharSet) { // 查找小写 Int32 Index = Syllable.IndexOf(ToneChar, BeginIndex, Count); if (Index == -1) { // 查找大写 Index = Syllable.IndexOf(Char.ToUpper(ToneChar), BeginIndex, Count); } if (Index != -1) { Index++; // 声调字符插入位置 if (Char.ToLower(ToneChar) == 'i') { if ((Index < BeginIndex + Count) && Char.ToLower(Syllable[Index]) == 'u') { Index++; } } sb.Append(Syllable, BeginIndex, Index - BeginIndex); sb.Append(CombiningCharSet[Tone - '1']); // 声调 sb.Append(Syllable, Index, BeginIndex + Count - Index); isNotFind = false; break; } } if (isNotFind) return null; // 音节错误，无带调字符 } else if (Tone == '5') { sb.Append(Syllable, BeginIndex, Count); } else { return null; // 音节错误 } if (HyphenIndex == -1) { break; } else { sb.Append('-'); BeginIndex = HyphenIndex + 1; } } if (isUppercase) { // 大写字母形式 return sb.ToString().ToUpper(); } else { // 小写字母形式 return sb.ToString().ToLower(); } } /// <summary> /// 基于数字标调的汉语拼音串比较函数（新华字典序） /// </summary> /// <param name="x">数字标调的拼音串</param> /// <param name="y">数字标调的拼音串</param> /// <returns>-1：x排在y前面 0：x与y顺序相等 1：x排在y后面</returns> public static Int32 PinyinCompare(String x, String y) { if (String.IsNullOrEmpty(x)) { if (String.IsNullOrEmpty(y)) { return 0; } else { return -1; } } else if (String.IsNullOrEmpty(y)) { return 1; } // 统一到大写状态 String u = x.ToUpper(); String v = y.ToUpper(); // 多音节处理 Int32 HyphenPosX = u.IndexOf('-'); Int32 HyphenPosY = v.IndexOf('-'); if (HyphenPosX != -1) { if (HyphenPosY != -1) { // 比较第一个音节 Int32 RetVal = PinyinCompare(u.Substring(0, HyphenPosX), v.Substring(0, HyphenPosY)); if (RetVal == 0) { // 继续比较其余音节 return PinyinCompare(u.Substring(HyphenPosX + 1), v.Substring(HyphenPosY + 1)); } else { return RetVal; } } else { Int32 RetVal = PinyinCompare(u.Substring(0, HyphenPosX), v); if (RetVal == 0) { return 1; } else { return RetVal; } } } else if (HyphenPosY != -1) { // 比较第一个音节 Int32 RetVal = PinyinCompare(u, v.Substring(0, HyphenPosY)); if (RetVal == 0) { return -1; } else { return RetVal; } } if (u.IndexOf('/u00CA') != -1) { if (v.IndexOf('/u00CA') != -1) { return PinyinCompare(u.Replace('/u00CA', 'E'), v.Replace('/u00CA', 'E')); } else { // 关键：去掉声调后再比较 Int32 RetVal = PinyinCompare(u.Replace('/u00CA', 'E').Substring(0, u.Length - 1), v.Substring(0, v.Length - 1)); if (RetVal == 0) { return 1; } else { return RetVal; } } } else if (v.IndexOf('/u00CA') != -1) { // 关键：去掉声调后再比较 Int32 RetVal = PinyinCompare(u.Substring(0, u.Length - 1), v.Replace('/u00CA', 'E').Substring(0, v.Length - 1)); if (RetVal == 0) { return -1; } else { return RetVal; } } if (u.IndexOf('/u00DC') != -1) { if (v.IndexOf('/u00DC') != -1) { return PinyinCompare(u.Replace('/u00DC', 'U'), v.Replace('/u00DC', 'U')); } else { // 去掉声调后再比较 Int32 RetVal = PinyinCompare(u.Replace('/u00DC', 'U').Substring(0, u.Length - 1), v.Substring(0, v.Length - 1)); if (RetVal == 0) { return 1; } else { return RetVal; } } } else if (v.IndexOf('/u00DC') != -1) { // 去掉声调后再比较 Int32 RetVal = PinyinCompare(u.Substring(0, u.Length - 1), v.Replace('/u00DC', 'U').Substring(0, v.Length - 1)); if (RetVal == 0) { return -1; } else { return RetVal; } } // 普通字符串比较 return u.CompareTo(v); } /// <summary> /// 获取汉字所属的字符集组合 /// </summary> /// <param name="UCS4">汉字UCS4编码</param> /// <returns>该汉字所属的字符集组合</returns> /// <remarks>位标志枚举，支持值的任意组合</remarks> public static CharSet CharSetClass(Int32 UCS4) { if (UCS4 >= NormZoneBegin && UCS4 <= NormZoneEnd) { Int32 Class; Int32 Span = UCS4 - NormZoneBegin; Int32 Index = Span >> 1; if (Span % 2 == 0) { // 字节低4Bit Class = HZClass[Index] & 0x0F; } else { // 字节高4Bit Class = HZClass[Index] >> 4; } return (CharSet)Class; // 位标志枚举，支持值的任意组合 } return CharSet.UNKNOWN; } /// <summary> /// 将兼容码字符转换为标准字符 /// </summary> /// <param name="UCS4">要转换的兼容码</param> /// <returns>返回标准码</returns> public static Int32 Compatibility2Norm(Int32 UCS4) { // 兼容码区间 if (UCS4 >= CompatibilityZoneBegin && UCS4 <= CompatibilityZoneEnd) { // 折半查找 Int32 BeginIndex = 0; Int32 EndIndex = Compatibility2NormTable.GetLength(0) - 1; while (BeginIndex <= EndIndex) { Int32 Middle = (BeginIndex + EndIndex) >> 1; Int32 Code = Compatibility2NormTable[Middle, 0]; if (UCS4 > Code) { BeginIndex = Middle + 1; } else if (UCS4 < Code) { EndIndex = Middle - 1; } else { // 返回标准码 return Compatibility2NormTable[Middle, 1]; } } } // 返回原始码 return UCS4; } /// <summary> /// 将兼容码字符转换为标准字符 /// </summary> /// <param name="UCS2">UCS2编码字符</param> /// <returns>兼容码对应的标准码字符</returns> /// <remarks>调用时注意异常处理：OverflowException</remarks> public static Char Compatibility2Norm(Char UCS2) { return Convert.ToChar(Compatibility2Norm(Convert.ToInt32(UCS2))); } /// <summary> /// 将兼容码字符转换为标准字符 /// </summary> /// <param name="s">字符所在的字符串</param> /// <param name="index">字符在字符串中的索引位置</param> /// <returns>兼容码对应的标准码字符串</returns> /// <remarks>调用时注意异常处理：ArgumentNullException、ArgumentOutOfRangeException、ArgumentException</remarks> public static String Compatibility2Norm(String s, Int32 index) { return Char.ConvertFromUtf32(Compatibility2Norm(Char.ConvertToUtf32(s, index))); } } }