372 lines
11 KiB
JavaScript
372 lines
11 KiB
JavaScript
|
|
/**
|
|
* 汉字与拼音互转工具，根据导入的字典文件的不同支持不同
|
|
* 对于多音字目前只是将所有可能的组合输出，准确识别多音字需要完善的词库，而词库文件往往比字库还要大，所以不太适合web环境。
|
|
* @start 2016-09-26
|
|
* @last 2016-09-29
|
|
*/
|
|
;(function(global, factory) {
|
|
if (typeof module === "object" && typeof module.exports === "object") {
|
|
module.exports = factory(global);
|
|
} else {
|
|
factory(global);
|
|
}
|
|
})(typeof window !== "undefined" ? window : this, function(window) {
|
|
|
|
var toneMap =
|
|
{
|
|
"ā": "a1",
|
|
"á": "a2",
|
|
"ǎ": "a3",
|
|
"à": "a4",
|
|
"ō": "o1",
|
|
"ó": "o2",
|
|
"ǒ": "o3",
|
|
"ò": "o4",
|
|
"ē": "e1",
|
|
"é": "e2",
|
|
"ě": "e3",
|
|
"è": "e4",
|
|
"ī": "i1",
|
|
"í": "i2",
|
|
"ǐ": "i3",
|
|
"ì": "i4",
|
|
"ū": "u1",
|
|
"ú": "u2",
|
|
"ǔ": "u3",
|
|
"ù": "u4",
|
|
"ü": "v0",
|
|
"ǖ": "v1",
|
|
"ǘ": "v2",
|
|
"ǚ": "v3",
|
|
"ǜ": "v4",
|
|
"ń": "n2",
|
|
"ň": "n3",
|
|
"": "m2"
|
|
};
|
|
|
|
var dict = {}; // 存储所有字典数据
|
|
var pinyinUtil =
|
|
{
|
|
/**
|
|
* 解析各种字典文件，所需的字典文件必须在本JS之前导入
|
|
*/
|
|
parseDict: function()
|
|
{
|
|
// 如果导入了 pinyin_dict_firstletter.js
|
|
if(window.pinyin_dict_firstletter)
|
|
{
|
|
dict.firstletter = pinyin_dict_firstletter;
|
|
}
|
|
// 如果导入了 pinyin_dict_notone.js
|
|
if(window.pinyin_dict_notone)
|
|
{
|
|
dict.notone = {};
|
|
dict.py2hz = pinyin_dict_notone; // 拼音转汉字
|
|
for(var i in pinyin_dict_notone)
|
|
{
|
|
var temp = pinyin_dict_notone[i];
|
|
for(var j=0, len=temp.length; j<len; j++)
|
|
{
|
|
if(!dict.notone[temp[j]]) dict.notone[temp[j]] = i; // 不考虑多音字
|
|
}
|
|
}
|
|
}
|
|
// 如果导入了 pinyin_dict_withtone.js
|
|
if(window.pinyin_dict_withtone)
|
|
{
|
|
dict.withtone = {}; // 汉字与拼音映射，多音字用空格分开，类似这种结构：{'大': 'da tai'}
|
|
var temp = pinyin_dict_withtone.split(',');
|
|
for(var i=0, len = temp.length; i<len; i++)
|
|
{
|
|
// 这段代码耗时28毫秒左右，对性能影响不大，所以一次性处理完毕
|
|
dict.withtone[String.fromCharCode(i + 19968)] = temp[i]; // 这里先不进行split(' ')，因为一次性循环2万次split比较消耗性能
|
|
}
|
|
|
|
// 拼音 -> 汉字
|
|
if(window.pinyin_dict_notone)
|
|
{
|
|
// 对于拼音转汉字，我们优先使用pinyin_dict_notone字典文件
|
|
// 因为这个字典文件不包含生僻字，且已按照汉字使用频率排序
|
|
dict.py2hz = pinyin_dict_notone; // 拼音转汉字
|
|
}
|
|
else
|
|
{
|
|
// 将字典文件解析成拼音->汉字的结构
|
|
// 与先分割后逐个去掉声调相比，先一次性全部去掉声调然后再分割速度至少快了3倍，前者大约需要120毫秒，后者大约只需要30毫秒（Chrome下）
|
|
var notone = pinyinUtil.removeTone(pinyin_dict_withtone).split(',');
|
|
var py2hz = {}, py, hz;
|
|
for(var i=0, len = notone.length; i<len; i++)
|
|
{
|
|
hz = String.fromCharCode(i + 19968); // 汉字
|
|
py = notone[i].split(' '); // 去掉了声调的拼音数组
|
|
for(var j=0; j<py.length; j++)
|
|
{
|
|
py2hz[py[j]] = (py2hz[py[j]] || '') + hz;
|
|
}
|
|
}
|
|
dict.py2hz = py2hz;
|
|
}
|
|
}
|
|
},
|
|
/**
|
|
* 根据汉字获取拼音，如果不是汉字直接返回原字符
|
|
* @param chinese 要转换的汉字
|
|
* @param splitter 分隔字符，默认用空格分隔
|
|
* @param withtone 返回结果是否包含声调，默认是
|
|
* @param polyphone 是否支持多音字，默认否
|
|
*/
|
|
getPinyin: function(chinese, splitter, withtone, polyphone)
|
|
{
|
|
if(!chinese || /^ +$/g.test(chinese)) return '';
|
|
splitter = splitter == undefined ? ' ' : splitter;
|
|
withtone = withtone == undefined ? true : withtone;
|
|
polyphone = polyphone == undefined ? false : polyphone;
|
|
var result = [];
|
|
if(dict.withtone) // 优先使用带声调的字典文件
|
|
{
|
|
var noChinese = '';
|
|
for (var i=0, len = chinese.length; i < len; i++)
|
|
{
|
|
var pinyin = dict.withtone[chinese[i]];
|
|
if(pinyin)
|
|
{
|
|
// 如果不需要多音字，默认返回第一个拼音，后面的直接忽略
|
|
// 所以这对数据字典有一定要求，常见字的拼音必须放在最前面
|
|
if(!polyphone) pinyin = pinyin.replace(/ .*$/g, '');
|
|
if(!withtone) pinyin = this.removeTone(pinyin); // 如果不需要声调
|
|
//空格，把noChinese作为一个词插入
|
|
noChinese && ( result.push( noChinese), noChinese = '' );
|
|
result.push( pinyin );
|
|
}
|
|
else if ( !chinese[i] || /^ +$/g.test(chinese[i]) ){
|
|
//空格，把noChinese作为一个词插入
|
|
noChinese && ( result.push( noChinese), noChinese = '' );
|
|
}
|
|
else{
|
|
noChinese += chinese[i];
|
|
}
|
|
}
|
|
if ( noChinese ){
|
|
result.push( noChinese);
|
|
noChinese = '';
|
|
}
|
|
}
|
|
else if(dict.notone) // 使用没有声调的字典文件
|
|
{
|
|
if(withtone) console.warn('pinyin_dict_notone 字典文件不支持声调！');
|
|
if(polyphone) console.warn('pinyin_dict_notone 字典文件不支持多音字！');
|
|
var noChinese = '';
|
|
for (var i=0, len = chinese.length; i < len; i++)
|
|
{
|
|
var temp = chinese.charAt(i),
|
|
pinyin = dict.notone[temp];
|
|
if ( pinyin ){ //插入拼音
|
|
//空格，把noChinese作为一个词插入
|
|
noChinese && ( result.push( noChinese), noChinese = '' );
|
|
result.push( pinyin );
|
|
}
|
|
else if ( !temp || /^ +$/g.test(temp) ){
|
|
//空格，插入之前的非中文字符
|
|
noChinese && ( result.push( noChinese), noChinese = '' );
|
|
}
|
|
else {
|
|
//非空格，关联到noChinese中
|
|
noChinese += temp;
|
|
}
|
|
}
|
|
|
|
if ( noChinese ){
|
|
result.push( noChinese );
|
|
noChinese = '';
|
|
}
|
|
}
|
|
else
|
|
{
|
|
throw '抱歉，未找到合适的拼音字典文件！';
|
|
}
|
|
if(!polyphone) return result.join(splitter);
|
|
else
|
|
{
|
|
if(window.pinyin_dict_polyphone) return parsePolyphone(chinese, result, splitter, withtone);
|
|
else return handlePolyphone(result, ' ', splitter);
|
|
}
|
|
},
|
|
/**
|
|
* 获取汉字的拼音首字母
|
|
* @param str 汉字字符串，如果遇到非汉字则原样返回
|
|
* @param polyphone 是否支持多音字，默认false，如果为true，会返回所有可能的组合数组
|
|
*/
|
|
getFirstLetter: function(str, polyphone)
|
|
{
|
|
polyphone = polyphone == undefined ? false : polyphone;
|
|
if(!str || /^ +$/g.test(str)) return '';
|
|
if(dict.firstletter) // 使用首字母字典文件
|
|
{
|
|
var result = [];
|
|
for(var i=0; i<str.length; i++)
|
|
{
|
|
var unicode = str.charCodeAt(i);
|
|
var ch = str.charAt(i);
|
|
if(unicode >= 19968 && unicode <= 40869)
|
|
{
|
|
ch = dict.firstletter.all.charAt(unicode-19968);
|
|
if(polyphone) ch = dict.firstletter.polyphone[unicode] || ch;
|
|
}
|
|
result.push(ch);
|
|
}
|
|
if(!polyphone) return result.join(''); // 如果不用管多音字，直接将数组拼接成字符串
|
|
else return handlePolyphone(result, '', ''); // 处理多音字，此时的result类似于：['D', 'ZC', 'F']
|
|
}
|
|
else
|
|
{
|
|
var py = this.getPinyin(str, ' ', false, polyphone);
|
|
py = py instanceof Array ? py : [py];
|
|
var result = [];
|
|
for(var i=0; i<py.length; i++)
|
|
{
|
|
result.push(py[i].replace(/(^| )(\w)\w*/g, function(m,$1,$2){return $2.toUpperCase();}));
|
|
}
|
|
if(!polyphone) return result[0];
|
|
else return simpleUnique(result);
|
|
}
|
|
},
|
|
/**
|
|
* 拼音转汉字，只支持单个汉字，返回所有匹配的汉字组合
|
|
* @param pinyin 单个汉字的拼音，可以包含声调
|
|
*/
|
|
getHanzi: function(pinyin)
|
|
{
|
|
if(!dict.py2hz)
|
|
{
|
|
throw '抱歉，未找到合适的拼音字典文件！';
|
|
}
|
|
return dict.py2hz[this.removeTone(pinyin)] || '';
|
|
},
|
|
/**
|
|
* 获取某个汉字的同音字，本方法暂时有问题，待完善
|
|
* @param hz 单个汉字
|
|
* @param sameTone 是否获取同音同声调的汉字，必须传进来的拼音带声调才支持，默认false
|
|
*/
|
|
getSameVoiceWord: function(hz, sameTone)
|
|
{
|
|
sameTone = sameTone || false
|
|
return this.getHanzi(this.getPinyin(hz, ' ', false))
|
|
},
|
|
/**
|
|
* 去除拼音中的声调，比如将 xiǎo míng tóng xué 转换成 xiao ming tong xue
|
|
* @param pinyin 需要转换的拼音
|
|
*/
|
|
removeTone: function(pinyin)
|
|
{
|
|
return pinyin.replace(/[āáǎàōóǒòēéěèīíǐìūúǔùüǖǘǚǜńň]/g, function(m){ return toneMap[m][0]; });
|
|
},
|
|
/**
|
|
* 将数组拼音转换成真正的带标点的拼音
|
|
* @param pinyinWithoutTone 类似 xu2e这样的带数字的拼音
|
|
*/
|
|
getTone: function(pinyinWithoutTone)
|
|
{
|
|
var newToneMap = {};
|
|
for(var i in toneMap) newToneMap[toneMap[i]] = i;
|
|
return (pinyinWithoutTone || '').replace(/[a-z]\d/g, function(m) {
|
|
return newToneMap[m] || m;
|
|
});
|
|
}
|
|
};
|
|
|
|
|
|
/**
|
|
* 处理多音字，将类似['D', 'ZC', 'F']转换成['DZF', 'DCF']
|
|
* 或者将 ['chang zhang', 'cheng'] 转换成 ['chang cheng', 'zhang cheng']
|
|
*/
|
|
function handlePolyphone(array, splitter, joinChar)
|
|
{
|
|
splitter = splitter || '';
|
|
var result = [''], temp = [];
|
|
for(var i=0; i<array.length; i++)
|
|
{
|
|
temp = [];
|
|
var t = array[i].split(splitter);
|
|
for(var j=0; j<t.length; j++)
|
|
{
|
|
for(var k=0; k<result.length; k++)
|
|
temp.push(result[k] + (result[k]?joinChar:'') + t[j]);
|
|
}
|
|
result = temp;
|
|
}
|
|
return simpleUnique(result);
|
|
}
|
|
|
|
/**
|
|
* 根据词库找出多音字正确的读音
|
|
* 这里只是非常简单的实现，效率和效果都有一些问题
|
|
* 推荐使用第三方分词工具先对句子进行分词，然后再匹配多音字
|
|
* @param chinese 需要转换的汉字
|
|
* @param result 初步匹配出来的包含多个发音的拼音结果
|
|
* @param splitter 返回结果拼接字符
|
|
*/
|
|
function parsePolyphone(chinese, result, splitter, withtone)
|
|
{
|
|
var poly = window.pinyin_dict_polyphone;
|
|
var max = 7; // 最多只考虑7个汉字的多音字词，虽然词库里面有10个字的，但是数量非常少，为了整体效率暂时忽略之
|
|
var temp = poly[chinese];
|
|
if(temp) // 如果直接找到了结果
|
|
{
|
|
temp = temp.split(' ');
|
|
for(var i=0; i<temp.length; i++)
|
|
{
|
|
result[i] = temp[i] || result[i];
|
|
if(!withtone) result[i] = pinyinUtil.removeTone(result[i]);
|
|
}
|
|
return result.join(splitter);
|
|
}
|
|
for(var i=0; i<chinese.length; i++)
|
|
{
|
|
temp = '';
|
|
for(var j=0; j<max && (i+j)<chinese.length; j++)
|
|
{
|
|
if(!/^[\u2E80-\u9FFF]+$/.test(chinese[i+j])) break; // 如果碰到非汉字直接停止本次查找
|
|
temp += chinese[i+j];
|
|
var res = poly[temp];
|
|
if(res) // 如果找到了多音字词语
|
|
{
|
|
res = res.split(' ');
|
|
for(var k=0; k<=j; k++)
|
|
{
|
|
if(res[k]) result[i+k] = withtone ? res[k] : pinyinUtil.removeTone(res[k]);
|
|
}
|
|
break;
|
|
}
|
|
}
|
|
}
|
|
// 最后这一步是为了防止出现词库里面也没有包含的多音字词语
|
|
for(var i=0; i<result.length; i++)
|
|
{
|
|
result[i] = result[i].replace(/ .*$/g, '');
|
|
}
|
|
return result.join(splitter);
|
|
}
|
|
|
|
// 简单数组去重
|
|
function simpleUnique(array)
|
|
{
|
|
var result = [];
|
|
var hash = {};
|
|
for(var i=0; i<array.length; i++)
|
|
{
|
|
var key = (typeof array[i]) + array[i];
|
|
if(!hash[key])
|
|
{
|
|
result.push(array[i]);
|
|
hash[key] = true;
|
|
}
|
|
}
|
|
return result;
|
|
}
|
|
|
|
pinyinUtil.parseDict();
|
|
pinyinUtil.dict = dict;
|
|
window.pinyinUtil = pinyinUtil;
|
|
|
|
}); |