【算法】拼音匹配算法（支持多音字）

之前讲过汉字注音问题，也发过关于拼音匹配问题，但是没法处理多音字问题

例如：

　　汉字：不能说的秘密

　　拼音：bu|fou nai|neng shuo|shui|yue de|di bi|mi mi

　　　　当我们输入：bunengshuodebimi，bunegnshuodemimi，bnsdmm，bnengyuedebimi，buneshdimmi等都可以匹配成功　　

　　这里很多字都有多音字，要判断出每个字的确切的读音比较困难。这里我们就对每一种读音都进行匹配

　思路：

　　这里对每个字的拼音首字母进行匹配

　　每个字的首字母为：　　b|f n s|y d b|m m

　　　　这里假设模式串为：nengshuodemimi　　（假设为target）

　　　　　　在首字母中找到 target[0]，匹配后面的首字母



　　　　　　然后找到匹配的首字母，遍历一遍拼音，看是否包含模式串，如果包含，则返回真



　　　　说的不是很清楚，看代码把

先发一个获取汉字拼音的类，拼音数据文件在后面

public static class PinyinHelper
{
private static Dictionary<int, string> pinyindictionary = new Dictionary<int, string>();

//问题：如何初始化静态类的成员？？
public static void Init()
{
using (StreamReader reader = new StreamReader("Data/pinyindata.txt", Encoding.UTF8))
{
string content = reader.ReadToEnd();
StringReader stringreader = new StringReader(content);

string readline = string.Empty;
string[] lines = new string[2];
while ((readline = stringreader.ReadLine()) != null)
{
lines = readline.Split(' ');
pinyindictionary.Add(Convert.ToInt32(lines[0], 16), lines[1]);
}
}
}

private static string GetPinyin(char ch)
{
return pinyindictionary[ch];
}

public static string GetPinyin(string hanzis)
{
StringBuilder builder = new StringBuilder();
for (int i = 0; i < hanzis.Length - 1; i++)
{
builder.Append(GetPinyin(hanzis[i]));
builder.Append(' ');
}
builder.Append(GetPinyin(hanzis[hanzis.Length - 1]));
return builder.ToString();
}

//是否是汉字
private static bool IsCharChinese(char c)
{
if (0x4e00 < c && c < 0x9fa5)
{
return true;
}
return false;
}
}

接下来是匹配算法

private bool IsFirstPinyinContains(string pinyin, char ch)
{
string[] pinyins = pinyin.Split(',');
foreach (string py in pinyins)
{
if (py[0] == ch)
{
return true;
}
}
return false;
}
private bool IsPinyinContainTarget(string[] pinyins, string target, int start, int end)
{
int k = 0;
for (int i = start; i < end; i++)
{
foreach (char ch in pinyins[i])
{
if (ch == target[k])
{
k++;
if (k == target.Length)
{
return true;
}
}
}
}
return false;
}
private bool PinyinMatch(string[] pinyins, string target)
{
int start, end;
for (int i = 0; i < pinyins.Length; i++)
{
if (pinyins[i][0] == target[0])     //找到第一个
{
start = i;
int j = i + 1;
for (int k = 1; k < target.Length; k++)
{
if (j < pinyins.Length && IsFirstPinyinContains(pinyins[j], target[k]))
{
j++;
}
}
end = j;

//判断从start到end的拼音是否包含target
if (IsPinyinContainTarget(pinyins, target, start, end))
{
return true;
}
}
}
return false;
}

算法有些不足，大家有什么建议不

拼音数据文件：http://files.cnblogs.com/bomo/pinyindata.zip