Comment faire pour convertir les caractères Chinois pour le Pinyin

Pour le tri de la langue Chinoise de texte, je veux convertir les caractères Chinois pour le Pinyin, bien séparer chaque caractère Chinois et le groupement des caractères successifs ensemble.

Pouvez-vous svp m'aider dans cette tâche en fournissant de la logique ou de code source pour le faire?

S'il vous plaît laissez-moi savoir si tout open source ou lib déjà présent pour cette.

InformationsquelleAutor Ashish Yadav | 2011-01-27

cjk sorting

12

Réponse courte: vous n'avez pas.

Réponse longue: Il n'y a pas de one-to-one mapping pour 汉字 à 汉语拼音. Juste quelques exemples rapides:
- 把 peut être "ba" dans le ton de tiers ou le quart de ton.
- 了 peut être "le" toneless ou "liao" ton de tiers.
- 乐 peut être "le" ou "yue", à la fois dans le quatrième ton.
- 落 peut être "luo", "la" ou "lao", le tout dans le quatrième ton.
Et ainsi de suite. J'ai un débutants livre sur ce sujet qui a 207 exemples. Je tiens à souligner que c'est un débutants livre et n'est pas exhaustive. Chacun a une page ou deux exemples d'utilisation et des conditions dans lesquelles vous choisissez la prononciation. Il n'est pas quelque chose qui peut être facilement programmé (si).

Et ce n'est même pas l'adresse de l'autre glissant chose que vous voulez traiter: la séparation des caractères groupés mots. La notion même d'un mot est un peu glissant en Chinois. (Il y a deux termes qui correspondent, à peu près à la "parole" en Chinois, par exemple: 字 et 词. La première est le caractère, le second des groupes de personnages qui sont mis ensemble dans un seul concept. (J'ai fréquemment posées par les locuteurs Chinois, combien de "mots" je peux lire quand il veut dire vraiment "caractères".) Alors que dans certains cas, la distinction est claire (le 词 "乌鸦", par exemple, est "corbeau" - les deux 字 doivent être réunies pour exprimer l'idée correctement et il serait incorrect de le traduire par "noir corbeau"), dans d'autres, il n'est pas si clair. Ce n' "你好" traduire? Est-il un mot de sens, idiomatique, "bonjour"? Ou est-ce deux mots à traduire littéralement "bien"? Chacun des personnages impliqués, seul ou en groupe avec d'autres mots, mais ensemble, ils signifient quelque chose de totalement différent de leur sens. Compte tenu de cela, comment, précisément, envisagez-vous de groupe de la 汉语拼音 les translittérations (qui sont difficile, voire impossible, à obtenir le droit à la première place!) dans "les mots"?
- Réponse parfaite! Dans le cas des noms géographiques, ce problème peut-il être résolu d'une manière plus facile (c'est à dire à l'aide de la 2e colonne de la Koichi du tableau, par exemple)? Merci!
InformationsquelleAutor JUST MY correct OPINION
10

Un tableau contenant la correspondance entre unicode pour pinyin

ftp://ftp.cuhk.hk/pub/chinese/ifcss/software/data/Uni2Pinyin.gz

InformationsquelleAutor pierrotlefou

CoreFoundation fournit certaine méthode pour faire la conversion:

CFMutableStringRef string = CFStringCreateMutableCopy(NULL, 0, CFSTR("中文"));
CFStringTransform(string, NULL, kCFStringTransformMandarinLatin, NO);
CFStringTransform(string, NULL, kCFStringTransformStripDiacritics, NO);
NSLog(@"%@", string);

La sortie est

zhong wen

InformationsquelleAutor duan

4

Tout @JUSTE MON OPINION correcte de la réponse traite de certaines des difficultés de la conversion de caractères en pinyin, il n'est pas un problème impossible à résoudre.

J'ai écrit d'une bibliothèque (pinyinify) qui permet de résoudre cette tâche décent avec précision. Même s'il n'est pas un one-to-one mapping entre les personnages et le pinyin, ma bibliothèque pouvez généralement décider qui de la prononciation est correcte. Par exemple, "我受不了了" convertit correctement à "wǒ shòubùliǎo chier", avec deux différentes prononciations de 了.

Mon approche pour résoudre le problème est assez simple:
- Premier segment du texte en mots. Par exemple, 我喜欢旅游 serait divisé en trois mots: 我喜欢旅游. Cela n'est pas un processus simple, mais il existe de nombreuses bibliothèques pour elle. jieba est l'un des plus populaires de bibliothèques à cet effet.
- Utiliser un dictionnaire pour convertir les mots en pinyin.
- Si le mot n'est pas dans le dictionnaire, revenir à la conversion des caractères individuels à pinyin en utilisant le plus souvent la prononciation.
InformationsquelleAutor Peter Olson

le code suivant écrit en C# peut vous aider à convertir simplement les mots chinois qui, y compris dans gb2312 encodec(juste 2312 souvent utilisé Simplifié-mots Chinois) pour le pinyin.comme convertir "今天天气不错" à "JinTianTianQiBuCuo".

parfois un mot chinois n'est pas celui d'une carte à une pinyin,ça dépend du contexte, nous parlons.comme le "行" dans "自行车"(vélo) est prononcé "Xing",mais dans "银行"(banque), il se prononce "Accrocher".donc, si vous avez un problème avec cela,vous pouvez trouver plus complexes solution pour gérer cela.

désolé pour mon mauvais anglais.j'espère que cela pourrait vous donner un peu d'aide.

public class ChineseToPinYin
    {
        private static int[] pyValue = new int[]
    {
    -20319,-20317,-20304,-20295,-20292,-20283,-20265,-20257,-20242,-20230,-20051,-20036,
    -20032,-20026,-20002,-19990,-19986,-19982,-19976,-19805,-19784,-19775,-19774,-19763,
    -19756,-19751,-19746,-19741,-19739,-19728,-19725,-19715,-19540,-19531,-19525,-19515,
    -19500,-19484,-19479,-19467,-19289,-19288,-19281,-19275,-19270,-19263,-19261,-19249,
    -19243,-19242,-19238,-19235,-19227,-19224,-19218,-19212,-19038,-19023,-19018,-19006,
    -19003,-18996,-18977,-18961,-18952,-18783,-18774,-18773,-18763,-18756,-18741,-18735,
    -18731,-18722,-18710,-18697,-18696,-18526,-18518,-18501,-18490,-18478,-18463,-18448,
    -18447,-18446,-18239,-18237,-18231,-18220,-18211,-18201,-18184,-18183, -18181,-18012,
    -17997,-17988,-17970,-17964,-17961,-17950,-17947,-17931,-17928,-17922,-17759,-17752,
    -17733,-17730,-17721,-17703,-17701,-17697,-17692,-17683,-17676,-17496,-17487,-17482,
    -17468,-17454,-17433,-17427,-17417,-17202,-17185,-16983,-16970,-16942,-16915,-16733,
    -16708,-16706,-16689,-16664,-16657,-16647,-16474,-16470,-16465,-16459,-16452,-16448,
    -16433,-16429,-16427,-16423,-16419,-16412,-16407,-16403,-16401,-16393,-16220,-16216,
    -16212,-16205,-16202,-16187,-16180,-16171,-16169,-16158,-16155,-15959,-15958,-15944,
    -15933,-15920,-15915,-15903,-15889,-15878,-15707,-15701,-15681,-15667,-15661,-15659,
    -15652,-15640,-15631,-15625,-15454,-15448,-15436,-15435,-15419,-15416,-15408,-15394,
    -15385,-15377,-15375,-15369,-15363,-15362,-15183,-15180,-15165,-15158,-15153,-15150,
    -15149,-15144,-15143,-15141,-15140,-15139,-15128,-15121,-15119,-15117,-15110,-15109,
    -14941,-14937,-14933,-14930,-14929,-14928,-14926,-14922,-14921,-14914,-14908,-14902,
    -14894,-14889,-14882,-14873,-14871,-14857,-14678,-14674,-14670,-14668,-14663,-14654,
    -14645,-14630,-14594,-14429,-14407,-14399,-14384,-14379,-14368,-14355,-14353,-14345,
    -14170,-14159,-14151,-14149,-14145,-14140,-14137,-14135,-14125,-14123,-14122,-14112,
    -14109,-14099,-14097,-14094,-14092,-14090,-14087,-14083,-13917,-13914,-13910,-13907,
    -13906,-13905,-13896,-13894,-13878,-13870,-13859,-13847,-13831,-13658,-13611,-13601,
    -13406,-13404,-13400,-13398,-13395,-13391,-13387,-13383,-13367,-13359,-13356,-13343,
    -13340,-13329,-13326,-13318,-13147,-13138,-13120,-13107,-13096,-13095,-13091,-13076,
    -13068,-13063,-13060,-12888,-12875,-12871,-12860,-12858,-12852,-12849,-12838,-12831,
    -12829,-12812,-12802,-12607,-12597,-12594,-12585,-12556,-12359,-12346,-12320,-12300,
    -12120,-12099,-12089,-12074,-12067,-12058,-12039,-11867,-11861,-11847,-11831,-11798,
    -11781,-11604,-11589,-11536,-11358,-11340,-11339,-11324,-11303,-11097,-11077,-11067,
    -11055,-11052,-11045,-11041,-11038,-11024,-11020,-11019,-11018,-11014,-10838,-10832,
    -10815,-10800,-10790,-10780,-10764,-10587,-10544,-10533,-10519,-10331,-10329,-10328,
    -10322,-10315,-10309,-10307,-10296,-10281,-10274,-10270,-10262,-10260,-10256,-10254
    };

    private static string[] pyName = new string[]
{
"A","Ai","An","Ang","Ao","Ba","Bai","Ban","Bang","Bao","Bei","Ben",
"Beng","Bi","Bian","Biao","Bie","Bin","Bing","Bo","Bu","Ba","Cai","Can",
"Cang","Cao","Ce","Ceng","Cha","Chai","Chan","Chang","Chao","Che","Chen","Cheng",
"Chi","Chong","Chou","Chu","Chuai","Chuan","Chuang","Chui","Chun","Chuo","Ci","Cong",
"Cou","Cu","Cuan","Cui","Cun","Cuo","Da","Dai","Dan","Dang","Dao","De",
"Deng","Di","Dian","Diao","Die","Ding","Diu","Dong","Dou","Du","Duan","Dui",
"Dun","Duo","E","En","Er","Fa","Fan","Fang","Fei","Fen","Feng","Fo",
"Fou","Fu","Ga","Gai","Gan","Gang","Gao","Ge","Gei","Gen","Geng","Gong",
"Gou","Gu","Gua","Guai","Guan","Guang","Gui","Gun","Guo","Ha","Hai","Han",
"Hang","Hao","He","Hei","Hen","Heng","Hong","Hou","Hu","Hua","Huai","Huan",
"Huang","Hui","Hun","Huo","Ji","Jia","Jian","Jiang","Jiao","Jie","Jin","Jing",
"Jiong","Jiu","Ju","Juan","Jue","Jun","Ka","Kai","Kan","Kang","Kao","Ke",
"Ken","Keng","Kong","Kou","Ku","Kua","Kuai","Kuan","Kuang","Kui","Kun","Kuo",
"La","Lai","Lan","Lang","Lao","Le","Lei","Leng","Li","Lia","Lian","Liang",
"Liao","Lie","Lin","Ling","Liu","Long","Lou","Lu","Lv","Luan","Lue","Lun",
"Luo","Ma","Mai","Man","Mang","Mao","Me","Mei","Men","Meng","Mi","Mian",
"Miao","Mie","Min","Ming","Miu","Mo","Mou","Mu","Na","Nai","Nan","Nang",
"Nao","Ne","Nei","Nen","Neng","Ni","Nian","Niang","Niao","Nie","Nin","Ning",
"Niu","Nong","Nu","Nv","Nuan","Nue","Nuo","O","Ou","Pa","Pai","Pan",
"Pang","Pao","Pei","Pen","Peng","Pi","Pian","Piao","Pie","Pin","Ping","Po",
"Pu","Qi","Qia","Qian","Qiang","Qiao","Qie","Qin","Qing","Qiong","Qiu","Qu",
"Quan","Que","Qun","Ran","Rang","Rao","Re","Ren","Reng","Ri","Rong","Rou",
"Ru","Ruan","Rui","Run","Ruo","Sa","Sai","San","Sang","Sao","Se","Sen",
"Seng","Sha","Shai","Shan","Shang","Shao","She","Shen","Sheng","Shi","Shou","Shu",
"Shua","Shuai","Shuan","Shuang","Shui","Shun","Shuo","Si","Song","Sou","Su","Suan",
"Sui","Sun","Suo","Ta","Tai","Tan","Tang","Tao","Te","Teng","Ti","Tian",
"Tiao","Tie","Ting","Tong","Tou","Tu","Tuan","Tui","Tun","Tuo","Wa","Wai",
"Wan","Wang","Wei","Wen","Weng","Wo","Wu","Xi","Xia","Xian","Xiang","Xiao",
"Xie","Xin","Xing","Xiong","Xiu","Xu","Xuan","Xue","Xun","Ya","Yan","Yang",
"Yao","Ye","Yi","Yin","Ying","Yo","Yong","You","Yu","Yuan","Yue","Yun",
"Za", "Zai","Zan","Zang","Zao","Ze","Zei","Zen","Zeng","Zha","Zhai","Zhan",
"Zhang","Zhao","Zhe","Zhen","Zheng","Zhi","Zhong","Zhou","Zhu","Zhua","Zhuai","Zhuan",
"Zhuang","Zhui","Zhun","Zhuo","Zi","Zong","Zou","Zu","Zuan","Zui","Zun","Zuo"
};

    ///<summary>
    ///把汉字转换成拼音(全拼)
    ///</summary>
    ///<param name="hzString">汉字字符串</param>
    ///<returns>转换后的拼音(全拼)字符串</returns>
    public static string Convert(string hzString)
    {
        //匹配中文字符
        Regex regex = new Regex("^[\u4e00-\u9fa5]$");
        byte[] array = new byte[2];
        string pyString = "";
        int chrAsc = 0;
        int i1 = 0;
        int i2 = 0;
        char[] noWChar = hzString.ToCharArray();

        for (int j = 0; j < noWChar.Length; j++)
        {
            //中文字符
            if (regex.IsMatch(noWChar[j].ToString()))
            {
                array = System.Text.Encoding.Default.GetBytes(noWChar[j].ToString());
                i1 = (short)(array[0]);
                i2 = (short)(array[1]);
                chrAsc = i1 * 256 + i2 - 65536;
                if (chrAsc > 0 && chrAsc < 160)
                {
                    pyString += noWChar[j];
                }
                else
                {
                    //修正部分文字
                    if (chrAsc == -9254) //修正“圳”字
                        pyString += "Zhen";
                    else
                    {
                        for (int i = (pyValue.Length - 1); i >= 0; i--)
                        {
                            if (pyValue[i] <= chrAsc)
                            {
                                pyString += pyName[i];
                                break;
                            }
                        }
                    }
                }
            }
            //非中文字符
            else
            {
                pyString += noWChar[j].ToString();
            }
        }
        return pyString;
    }
}

Remarque seul le premier avion de GB2312 caractères Chinois sont organisées par Pinyin, où le simple code ci-dessus fonctionne. Cela signifie que le code ne couvre que 3755 les personnages, pour d'autres 3008 caractères dans GB2312 et bien plus de caractères en unicode, il ne fonctionne pas (une dictée est nécessaire).

InformationsquelleAutor Roc Ho

j'ai eu ce problème et j'ai trouvé une solution en PHP (ce qui pourrait être plus propre, je suppose, mais ça fonctionne). J'ai eu des soucis parce que le fichier donné dans ce sujet est de l'hexa unicode.

1) Importer les données à partir de ftp://ftp.cuhk.hk/pub/chinese/ifcss/software/data/Uni2Pinyin.gz (merci pierr) à votre base de données ou que ce soit

2) Importer vos données dans un tableau comme $pinyinArray[$hexaUnicode] = $pinyin;

3) Utilisez ce code:

/*
 * Decimal representation of $c
 * function found there: http://www.cantonese.sheik.co.uk/phorum/read.php?2,19594
 */
function uniord($c)
{
$ud = 0;
if (ord($c{0})>=0 && ord($c{0})<=127)
    $ud = $c{0};
if (ord($c{0})>=192 && ord($c{0})<=223)
    $ud = (ord($c{0})-192)*64 + (ord($c{1})-128);
if (ord($c{0})>=224 && ord($c{0})<=239)
    $ud = (ord($c{0})-224)*4096 + (ord($c{1})-128)*64 + (ord($c{2})-128);
if (ord($c{0})>=240 && ord($c{0})<=247)
    $ud = (ord($c{0})-240)*262144 + (ord($c{1})-128)*4096 + (ord($c{2})-128)*64 + (ord($c{3})-128);
if (ord($c{0})>=248 && ord($c{0})<=251)
    $ud = (ord($c{0})-248)*16777216 + (ord($c{1})-128)*262144 + (ord($c{2})-128)*4096 + (ord($c{3})-128)*64 + (ord($c{4})-128);
if (ord($c{0})>=252 && ord($c{0})<=253)
    $ud = (ord($c{0})-252)*1073741824 + (ord($c{1})-128)*16777216 + (ord($c{2})-128)*262144 + (ord($c{3})-128)*4096 + (ord($c{4})-128)*64 + (ord($c{5})-128);
if (ord($c{0})>=254 && ord($c{0})<=255) //error
    $ud = false;
return $ud;
}
/*
 * Translate the $string string of a single chinese charactere to unicode
 */
function chineseToHexaUnicode($string) {
    return strtoupper(dechex(uniord($string)));
}
/*
 * 
 */
function convertChineseToPinyin($string,$pinyinArray) {
    $pinyinValue = '';
    for ($i = 0; $i < mb_strlen($string);$i++)
        $pinyinValue.=$pinyinArray[chineseToHexaUnicode(mb_substr($string, $i, 1))];
    return $pinyinValue;
}

$string = '龙江省五大';
echo convertChineseToPinyin($string,$pinyinArray);

echo: (long2)(jiang1)(sheng3,xing3)(wu3)(da4,dai4)

Bien sûr, $pinyinArray est votre tableau de données (hexoUnicode => pinyin)

Espère que ça aidera quelqu'un.

InformationsquelleAutor dyesdyes

Vous pouvez utiliser la méthode suivante:

from __future__ import unicode_literals
from pypinyin import lazy_pinyin

hanzi_list = ['如何', '将', '汉字','转为', '拼音']
pinyin_list = [''.join(lazy_pinyin(_)) for _ in hanzi_list]

De sortie:

['ruhe', 'jiang', 'hanzi', 'zhuanwei', 'pinyin']

InformationsquelleAutor Camilla

0

Si vous utilisez Visual Studio, ce pourrait être une option:

Microsoft.International.Convertisseurs de.PinYinConverter

Comment faire pour installer:

Tout d'abord, télécharger le Visual Studio International Pack 2.0, Officiel de Téléchargement. Une fois le téléchargement terminé, installez le fichier exécutable VSIPSetup.installation msi (x86 de système d'exploitation sur le répertoire d'installation par défaut (C:\Program Files\Microsoft Visual Studio International Feature Pack 2.0).
Après l'installation, vous devez ajouter une référence dans VS, respectivement de référence:
C:\Program Files\Microsoft Visual Studio International Pack\Chinois Simplifié Pinyin Bibliothèque De Conversion (Pinyin)
et
C:\Program Files\Microsoft Visual Studio International Pack\Chinois Traditionnel Chinois Simplifié Bibliothèque de Conversion et De complément de l'Outil (Traditionnel et Simplifié Huzhuan d')

Comment utiliser:
```
public static string GetPinyin(string str)
    {
        string r = string.Empty;
        foreach (char obj in str)
        {
            try
            {
                ChineseChar chineseChar = new ChineseChar(obj);
                string t = chineseChar.Pinyins[0].ToString();
                r += t.Substring(0, t.Length - 1);
            }
            catch
            {
                r += obj.ToString();
            }
        }
        return r;
    }
```
Source:
http://www.programering.com/a/MzM3cTMwATA.html

InformationsquelleAutor Sebbas

Vous devez vous connecter pour publier un commentaire.