你的位置:首页 > Java教程

[Java教程]浅析pinyin4j源码 简单利用pinyin4j对中文字符进行自然排序


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:

 

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:

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。

 

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: