欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

使用Pinyin4j进行拼音分词的方法

程序员文章站 2023-12-20 08:32:52
使用maven引入相关的jar com.belerweb...

使用maven引入相关的jar

<dependency>
 <groupid>com.belerweb</groupid>
 <artifactid>pinyin4j</artifactid>
 <version>2.5.1</version>
</dependency>

创建pinyin4jutil

package com.os.core.util.solr;
import net.sourceforge.pinyin4j.pinyinhelper;
import net.sourceforge.pinyin4j.format.hanyupinyincasetype;
import net.sourceforge.pinyin4j.format.hanyupinyinoutputformat;
import net.sourceforge.pinyin4j.format.hanyupinyintonetype;
import net.sourceforge.pinyin4j.format.exception.badhanyupinyinoutputformatcombination;
import java.util.arraylist;
import java.util.hashtable;
import java.util.list;
import java.util.map;
/**
 * 汉语拼音工具类
 * created by pengsonghe on 2017/2/9 0009.
 */
public class pinyin4jutil {
 public static void main(string[] args) {
  string str = "测试";
  string pinyin = pinyin4jutil.convertertospell(str);
  system.out.println(str + " pin yin :" + pinyin);
  pinyin = pinyin4jutil.convertertofirstspell(str);
  system.out.println(str + " short pin yin :" + pinyin);
 }
 /**
  * 汉字转换位汉语拼音首字母,英文字符不变,特殊字符丢失 支持多音字,生成方式如(长沙市长:cssc,zssz,zssc,cssz)
  *
  * @param chines 汉字
  * @return 拼音
  */
 public static string convertertofirstspell(string chines) {
  stringbuffer pinyinname = new stringbuffer();
  char[] namechar = chines.tochararray();
  hanyupinyinoutputformat defaultformat = new hanyupinyinoutputformat();
  defaultformat.setcasetype(hanyupinyincasetype.lowercase);
  defaultformat.settonetype(hanyupinyintonetype.without_tone);
  for (int i = 0; i < namechar.length; i++) {
   if (namechar[i] > 128) {
    try {
     // 取得当前汉字的所有全拼
     string[] strs = pinyinhelper.tohanyupinyinstringarray(
       namechar[i], defaultformat);
     if (strs != null) {
      for (int j = 0; j < strs.length; j++) {
       // 取首字母
       pinyinname.append(strs[j].charat(0));
       if (j != strs.length - 1) {
        pinyinname.append(",");
       }
      }
     }
     // else {
     // pinyinname.append(namechar[i]);
     // }
    } catch (badhanyupinyinoutputformatcombination e) {
     e.printstacktrace();
    }
   } else {
    pinyinname.append(namechar[i]);
   }
   pinyinname.append(" ");
  }
  // return pinyinname.tostring();
  return parsethechinesebyobject(discountthechinese(pinyinname.tostring()));
 }
 /**
  * 汉字转换位汉语全拼,英文字符不变,特殊字符丢失
  * 支持多音字,生成方式如(重当参:zhongdangcen,zhongdangcan,chongdangcen
  * ,chongdangshen,zhongdangshen,chongdangcan)
  *
  * @param chines 汉字
  * @return 拼音
  */
 public static string convertertospell(string chines) {
  stringbuffer pinyinname = new stringbuffer();
  char[] namechar = chines.tochararray();
  hanyupinyinoutputformat defaultformat = new hanyupinyinoutputformat();
  defaultformat.setcasetype(hanyupinyincasetype.lowercase);
  defaultformat.settonetype(hanyupinyintonetype.without_tone);
  for (int i = 0; i < namechar.length; i++) {
   if (namechar[i] > 128) {
    try {
     // 取得当前汉字的所有全拼
     string[] strs = pinyinhelper.tohanyupinyinstringarray(
       namechar[i], defaultformat);
     if (strs != null) {
      for (int j = 0; j < strs.length; j++) {
       pinyinname.append(strs[j]);
       if (j != strs.length - 1) {
        pinyinname.append(",");
       }
      }
     }
    } catch (badhanyupinyinoutputformatcombination e) {
     e.printstacktrace();
    }
   } else {
    pinyinname.append(namechar[i]);
   }
   pinyinname.append(" ");
  }
  // return pinyinname.tostring();
  return parsethechinesebyobject(discountthechinese(pinyinname.tostring()));
 }
 /**
  * 去除多音字重复数据
  *
  * @param thestr
  * @return
  */
 private static list<map<string, integer>> discountthechinese(string thestr) {
  // 去除重复拼音后的拼音列表
  list<map<string, integer>> maplist = new arraylist<map<string, integer>>();
  // 用于处理每个字的多音字,去掉重复
  map<string, integer> onlyone = null;
  string[] firsts = thestr.split(" ");
  // 读出每个汉字的拼音
  for (string str : firsts) {
   onlyone = new hashtable<string, integer>();
   string[] china = str.split(",");
   // 多音字处理
   for (string s : china) {
    integer count = onlyone.get(s);
    if (count == null) {
     onlyone.put(s, new integer(1));
    } else {
     onlyone.remove(s);
     count++;
     onlyone.put(s, count);
    }
   }
   maplist.add(onlyone);
  }
  return maplist;
 }
 /**
  * 解析并组合拼音,对象合并方案(推荐使用)
  *
  * @return
  */
 private static string parsethechinesebyobject(
   list<map<string, integer>> list) {
  map<string, integer> first = null; // 用于统计每一次,集合组合数据
  // 遍历每一组集合
  for (int i = 0; i < list.size(); i++) {
   // 每一组集合与上一次组合的map
   map<string, integer> temp = new hashtable<string, integer>();
   // 第一次循环,first为空
   if (first != null) {
    // 取出上次组合与此次集合的字符,并保存
    for (string s : first.keyset()) {
     for (string s1 : list.get(i).keyset()) {
      string str = s + s1;
      temp.put(str, 1);
     }
    }
    // 清理上一次组合数据
    if (temp != null && temp.size() > 0) {
     first.clear();
    }
   } else {
    for (string s : list.get(i).keyset()) {
     string str = s;
     temp.put(str, 1);
    }
   }
   // 保存组合数据以便下次循环使用
   if (temp != null && temp.size() > 0) {
    first = temp;
   }
  }
  string returnstr = "";
  if (first != null) {
   // 遍历取出组合字符串
   for (string str : first.keyset()) {
    returnstr += (str + ",");
   }
  }
  if (returnstr.length() > 0) {
   returnstr = returnstr.substring(0, returnstr.length() - 1);
  }
  return returnstr;
 }
}

以上这篇使用pinyin4j进行拼音分词的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

上一篇:

下一篇: