今天和大家分享一个从Android系统源代码提取出来的汉字转成拼音实现方案,只要一个类,560多行代码就可以让你轻松实现汉字转成拼音的功能,且无需其他任何第三方依赖。

需求场景

实际开发过程中需要用到实现汉字转成拼音的场景比较常见,如:通讯录里的联系人字母导航栏,为没有设置头像的用户生成一个名字首字母的头像,国家(省份、城市)字母导航栏,搜索关键字转换成拼音等。

实现方案

Android平台上将汉字转换成为拼音已经有一些开源的第三方实现方案,如pinyin4j和TinyPinyin

pinyin4j:https://sourceforge.net/projects/pinyin4j
TinyPinyin:https://github.com/promeG/TinyPinyin

以上这两个实现方案,都需要引入不少类以及一些相应的编码文件,这里和大家介绍一个比上面两个方案还要精简的实现方案,只要560行代码且无需依赖于其他任何编文件的实现。这个类是从Android系统通讯录源码中提取的,类名为HanziToPinyin,其类文件路径如下:

/packages/providers/ContactsProvider/src/com/android/providers /contacts/HanziToPinyin.java

这是一个很独立的类,需要使用的项目直接拷贝到自己对应的工程里面即可使用,需要注意的是,我是在Android 4.2.2的系统源码中拷贝出来的,为什么选择4.2.2,一个是4.2.2之后(4.3开始)的HanziToPinyin不再可以独立使用,需要依赖于Transliterator,而这个类我们是无法直接引用的。 而Android 2.x的HanziToPinyin在测试了很多转换的结果发现是错误的,所以选择了最后一个可以采纳使用的版本Android 4.2.2。

##如何使用 HanziToPinyin这个类的代码量非常少,结构也非常简单

下面简单的说明一下如何使用,非常简单,只需要把需要转换的汉字传入get方法即可获取返回的拼音结果

其返回的数据结构是一个HanziToPinyin.Token的ArrayList,HanziToPinyin.Token是HanziToPinyin中的一个公共静态外部类, 其分别有type、source、target等三个成员变量,type是标识token的类型,有三种不同的取值1(拉丁文),2(拼音),3(未知),source是输入的中文,target则是中文转换后对应的拼音。这里还有一个细节需要注意一下,只拷贝HanziToPinyin在原生系统上使用是没有问题的,但是在国产手机的ROM上则无法正常使用,需要加上下面三行代码做适配: 否则HanziToPinyin的初始化状态会设置错误,而导致无法实现汉字转换成拼音。

内部实现

了解完如何使用后,我们来简单窥探一下HanziToPinyin内部是如何实现的,先来看一下类中比较耀眼的两个数组UNIHANS和PINYINS(两个类很长,截图没截全,大家自己看代码吧) 其中UNIHANS是一组汉字对应的unicode编码,而PINYINS则是UNIHANS中每个元素对应的拼音的ASCII码,如UNIHANS的第一个元素是\u963f,其对于的中文是阿,换成拼音则是A,而A对应的ASCII码用十进制表示则是65,对应的就是PINYINS的第一个数组中的第一个元素,至于为什么后面有5个0的元素,主要是因为汉字的拼音最长的有六个字母(例如:chuang),而阿只有一个a,所以后面的5个空位就需要用0来填充了。我们在调用get方法时将中文以String的形式传入,方法内部会遍历String中的每个元素,为其生成对应的Token,也就是我们最后拿到的那个ArrayList中的结果。 所以最关键的实现是在getToken方法中,这里忽略getToken前面的30来行判断代码,直接看关键部分 通过二分检索的方式,使用java.text.Collator的compare方法不断比对UNIHANS数组中与输入的汉字同音(注意:这里是同音不是完全相同)的字,最终获取其对应的在UNIHANS数组中的下标位置offset。前面我们提到UNIHANS和PINYINS是相互对应的,所以这里也能找到PINYINS中对应读音的一组ASCII码,通过int转换成char,再使用StringBuilder进行拼接,就可以获取对应的拼音了,实现思路上还是很简单清晰的。

性能和不足

在性能上,HanziToPinyin还是比较客观的,毕竟用了二分检索,在实际测试过程中丢了一篇5500多字的文章进行转换,只用了415ms;
在准确率上,拿了一堆人名和一个国家列表数据进行转换,随机抽取数据都没有发现出错的数据,但是按照这个类的实现上看,如果输入的汉字拼音不与UNIHANS中任何一个元素同音,则必然无法得到正确的结果,实际测试中,我随便拿了一些数据测试都没有得到不正确的结果输出,不知道得多生僻的字才能得出个错误结果;
HanziToPinyin这类并不支持多音字,所以如果一定要考虑多音字的问题,这个类就不适合了;

总结

关于HanziToPinyin就介绍到这里,我已经将这个类的代码我已经整理放在Gist上( https://gist.github.com/huclengyue/b2286dafb3779e69a71cf57086a8553a ),需要的同学自取 ,如果HanziToPinyin不能满足你的需求,那可以考虑使用前面提到的pinyin4j和TinyPinyin。