小谈“汉字转换成拼音（不带声调）”

（作者:finallyly出处：博客园转载请注明作者和出处）

把汉字转换成拼音，实际上是一个非技术活，无外乎查表而已。可能由于汉字拼音转换表资源比较宝贵的缘故，网络上开源的转换程序比较少。另外，网络上给出的码表，可能不能覆盖全部的多音字，生僻字，所以基于此类码表写成的程序，也就有一定的局限性。

本文给出一份完毕的，将汉字转换成无声调标注的拼音的设计思路、全部代码并且给出一份在一定程度上可用的汉字拼音转换表。

首先指出本文部分参考了

《Python返回汉字的汉语拼音(原创)》的汉字拼音转换表以及大概思路。

下面步入正轨

汉语拼音转换表的物理存储格式：（汉字+空格+汉字对应的拼音，多个候选读音用哪个空格隔开）




程序中的转换表用MAP保存，其数据格式为map<wstring,vector<string>>,wstring:键值；vector<string>候选读音
1.将硬盘中的码表读入内存voidStringManipulation::FormatPinYinMap(map<wstring,vector<string>>&hptable) { ifstreamifile("mycodebook.txt"); stringline; while(getline(ifile,line)) { if(!line.empty()) {wstringwsResult=String2Wstring(line); vector<wstring>goodWordstemp; boost::split(goodWordstemp,wsResult,boost::is_any_of("")); wstringmykey=goodWordstemp[0]; vector<string>myval; for(vector<wstring>::iteratorit=goodWordstemp.begin()+1;it!=goodWordstemp.end();it++) { myval.push_back(Wstring2String(*it)); } if(!hptable.count(mykey)) { hptable[mykey]=myval; } } } }

2.将单个汉字转换成拼音的代码

vector<string>StringManipulation::HZ2Py(wstringcharacter,map<wstring,vector<string>>&hptable) { vector<string>candidates; if(hptable.count(character)) { candidates=hptable[character]; } else { candidates.push_back("[A-Z]+"); } returncandidates; }3.将汉字字符串转换成对应的拼音字符串（重点函数）此份代码可以将任意汉字串转换成拼音。但是，工作侧重点是将汉语人名转换成拼音形式，从而构造启发式查询。考虑到多音字，生僻字等多种情形，为了让转换成的拼音字符串更具鲁棒性，我们在转换后的拼音串中加入了若干正则表达式比如我们将“刘禹锡”转换成”LIU.*?YU.*?XI”。这样形成的拼音字符串既可以和含有“liuyuxi”网页匹配，又可以和含有”LIUYUXI”网页匹配。汉语字符串中含有多音字的时候，可以形成多个候选读音。由于我们事先并不知道那些字是多音字，所有我们不可能事先确定一个汉字串究竟有多少种候选读音。这里采用的办法是：生成一个图来表示每个汉字对应的后续读音，以及这些读音之间的有向连接关系。然后用求有向图上任意两点间的所有路径的算法见《求两点之间所有路径的算法》，求出一个汉字字符串所对应的所有候选读音。



/************************************************************************/
/*获得一汉字字符串的拼音串*/
/************************************************************************/
vector<string>StringManipulation::Han2Py(stringshan,map<wstring,vector<string>>&hptable)
{
vector<string>result;
GraphRepresentationgr;
gr.Vertex[0]="@";
intmycount=0;//是否添加“正则边”
intprevsize=0;//上一个汉字有几个读音
intlaslabel=0;//上一次节点编号的最大值
if(!shan.empty())
{
wstringwhan=String2Wstring(shan);
for(wstring::iteratorit=whan.begin();it!=whan.end();it++)
{
wstringtmp;
tmp.assign(1,*it);
vector<string>tmpcandidates=HZ2Py(tmp,hptable);
if(mycount==0)
{
for(inti=0;i<tmpcandidates.size();i++)
{
gr.Vertex[i+laslabel+1]=tmpcandidates[i];
gr.GraphR[make_pair(0,i+laslabel+1)]="&";

}
prevsize=tmpcandidates.size();
laslabel=tmpcandidates.size();

}
else
{
for(inti=0;i<tmpcandidates.size();i++)
{
gr.Vertex[i+laslabel+1]=tmpcandidates[i];
for(intj=laslabel;j>laslabel-prevsize;j--)
{
gr.GraphR[make_pair(j,i+laslabel+1)]=".*?";
}

}
laslabel+=tmpcandidates.size();
prevsize=tmpcandidates.size();

}
mycount++;

}
gr.Vertex[laslabel+1]="@";
for(intj=laslabel;j>laslabel-prevsize;j--)
{
gr.GraphR[make_pair(j,laslabel+1)]="&";
}
vector<vector<int>>paths;
gr.GetPaths(paths,0,laslabel+1);
for(vector<vector<int>>::iteratorit=paths.begin();it!=paths.end();it++)
{
deque<int>tmpque;
stringsinglecandidate;
for(vector<int>::reverse_iteratorrit=it->rbegin();rit!=it->rend();rit++)
{
tmpque.push_back(*rit);

if(tmpque.size()==2)
{
inttmp1=tmpque.front();
tmpque.pop_front();
singlecandidate+=gr.Vertex[tmp1];
inttmp2=tmpque.front();
stringedge=gr.GraphR[make_pair(tmp1,tmp2)];
singlecandidate+=edge;

}

}
TrimString(singlecandidate,"@");
TrimString(singlecandidate,"&");
result.push_back(singlecandidate);
}

}

returnresult;

}
其他辅助函数见《小谈汉字转换成拼音辅助函数和辅助类》汉字2拼音转换表http://files.cnblogs.com/finallyliuyu/mycodebook.rar主调函数：StringManipulationstrp;
map<wstring,vector<string>>h2ptable;
strp.FormatPinYinMap(h2ptable);
vector<string>result=strp.Han2Py("陈阿娇",h2ptable);
for(vector<string>::iteratorit=result.begin();it!=result.end();it++)
{
cout<<*it<<endl;
}效果：