使用Microsoft Visual Studio International Pack获得中文字符串的所有拼音组合（处理多音字）

最近一个项目中客户需要做人名的拼音检索，就像QQ好友那样，输入拼音就提示符合的联系人。上网找了一下，发现微软已经发布了相关的支持库，不仅可以处理拼音，还能处理笔画、简繁体转换等。csdn上有一篇博客介绍了基本的使用方法，微软发布的库也包含了比较全面的文档。但实际使用过程中发现了几个问题：

1. 多音字的处理，当人名中含有多音字时，处理会变得相对复杂。
2. 汉字拼音边界的处理，比如人名为“小明”，拼音为"XIAOMING"，当输入"AOM"时，客户可能不希望看到“小明”这个结果。

本文分析第一个问题。此问题的目标是对于特定的字符串，生成其对应拼音列表。比如“重”有"CHONG2"、"ZHONG4"两个音，“量”有"LIANG2"、"LIANG4"、"LIANG5"三个音（5代表轻声）。最后生成的列表应该是"CHONGLIANG"、"ZHONGLIANG"。由于使用微软的国际化库ChineseChar类的Pinyins属性得到的事一个元素个数固定为8的ReadOnlyCollection<string>类型，其中元素包含读音，而且集合会包含null元素，所以必须先做一步处理，取得无音标的拼音。为ChineseChar添加一个扩展方法如下：

public static class ChineseCharExtension
{
    /// <summary>
    /// Get the distinct pinyins of a <see cref="ChineseChar"/> without the sound indicator.<para />
    /// The result strings are upper case.
    /// For example, "重" will get a result of "ZHONG" and "CHONG", 
    /// while "量" will only get "LIANG".
    /// </summary>
    /// <param name="chineseChar"></param>
    /// <returns></returns>
    public static IEnumerable<string> PinyinsWithoutSound (this ChineseChar chineseChar)
    {
        return chineseChar.Pinyins.Where (p => p != null).Select (p => p.Substring (0, p.Length - 1)).Distinct ();
    }
}

然后是取得整个字符串的拼音组合，这本质上就是个回溯算法，我用了递归来实现，为了方便使用，直接做成了string的扩展方法。

public static class ChineseString
{
    /// <summary>
    /// Get pinyins of a string containing chinese characters.
    /// </summary>
    /// <param name="chinese">The input string.</param>
    /// <returns>The pinyin combinations.</returns>
    public static IEnumerable<string> GetPinyins (this string chinese)
    {
        Char[] chineseChars = chinese.ToCharArray ();

        return chineseChars.GetPinyins (0);
    }

    private static IEnumerable<string> GetPinyins (this char[] chinese, int startIndex)
    {
        //If the start index is beyond the string length, just yield return an empty string.
        if (startIndex == chinese.Length)
        {
            yield return string.Empty;
        }
        else
        {
            //If this char is a chinese char.
            if (ChineseChar.IsValidChar (chinese[startIndex]))
            {
                foreach (var charPinyin in (new ChineseChar (chinese[startIndex])).PinyinsWithoutSound ())
                {
                    foreach (var remainingPinyins in chinese.GetPinyins (startIndex + 1))
                    {
                        yield return charPinyin + remainingPinyins;
                    }
                }
            }
            else
            {
                //Is not chinese, just concat it with the remaining pinyins.
                foreach (var remainingPinyins in chinese.GetPinyins (startIndex + 1))
                {
                    yield return chinese[startIndex] + remainingPinyins;
                }
            }
        }
    }
}

这样，要判断用户输入的字符串是不是中文字符串"name"的拼音的一部分，只要用

name.GetPinyins().Any(p => p.ToUpper ().Contains (inputStr.ToUpper ()))

就行了。

 

Microsoft Visual Studio International Pack 下载地址：http://www.microsoft.com/downloads/details.aspx?FamilyID=44cac7f0-633b-477d-aed2-99aee642fc10&DisplayLang=zh-cn

注意下面有个2.0的下载，但那个只是个Feature Pack，主要功能还在1.0中。