漢字轉拼音是個經典需求:搜尋框的拼音檢索、網址別名自動生成、報表排序等等。原理其實不神秘——本質上就是「查表」:把每個漢字對應到它的拼音首字母分組,再逐一比對。
做法是把所有讀音相同的漢字,編碼後串成一個長字串,以拼音作為鍵值存進物件。原始碼中的 PinYin 就是這樣一個對照表,結構如下(節錄前幾項示意):
var PinYin = {
"a": "阿啊呵",
"ai": "埃挨哎唉哀皑癌蔼矮艾隘碍",
"an": "鞍氨安俺按暗岸胺案",
"ang": "肮昂盎",
"ao": "凹敖熬翱袄傲奥懊澳",
"ba": "芭捌扒叭吧笆八疤巴拔跋靶把耙坝霸罢爸",
"bai": "白柏百摆佰败拜稗斑",
// ……以此類推,涵蓋約四百個音節與兩萬多個漢字
};
資料表本身沒有邏輯,重點是如何使用它。
給定一個漢字,找出它屬於哪個拼音:
function arraySearch(l1, l2) {
for (var name in PinYin) {
if (PinYin[name].indexOf(l1) !== -1) {
return name;
}
}
return false;
}
邏輯很直白:遍歷 PinYin 的每個鍵(拼音),檢查該鍵對應的字串裡有沒有這個漢字,找到就回傳拼音。找不到(例如輸入的是英文字母或符號)就回傳 false。
function Cn2PinYin(l1) {
var l2 = l1.length;
var result = "";
var reg = new RegExp('[a-zA-Z0-9- ]');
for (var i = 0; i < l2; i++) {
var val = l1.substr(i, 1);
var name = arraySearch(val, PinYin);
if (reg.test(val)) {
result += val; // 英數與空白原樣保留
} else if (name !== false) {
result += name; // 漢字換成拼音
}
}
result = result.replace(/ /g, '-'); // 空白轉為連字號
while (result.indexOf('--') > 0) {
result = result.replace('--', '-'); // 合併連續的連字號
}
return result;
}
整體流程是:逐字取出 → 若是英數或空白則保留 → 若是漢字則查表替換 → 最後把空白統一轉成連字號,並清掉重複產生的 --。這個輸出格式很適合直接用作 URL slug 或檔名前綴。
必須誠實指出:上面的 arraySearch 每次都要遍歷整個 PinYin 物件,並對每個字串做 indexOf。轉換一千個字,就等於做上千次全表掃描,在實務上會明顯卡住。改進方向有兩個:
方案一:反建索引。 程式啟動時先跑一次,建立「漢字 → 拼音」的直接對照表,之後查詢就是 O(1):
var charMap = {};
for (var py in PinYin) {
for (var i = 0; i < PinYin[py].length; i++) {
charMap[PinYin[py][i]] = py;
}
}
// 查詢
console.log(charMap['我']); // "wo"
方案二:用現成方案。 若專案允許引入套件,pinyin-pro 這類輕量庫能直接處理多音字、詞庫分詞與數字輸出格式,準確度與效能都遠優於手寫查表。此外,瀏覽器原生的 Intl.Collator('zh-u-co-pinyin') 也能提供拼音排序能力,雖然不能取出拼音字串本身,但足以應付排序需求。
查表法的先天限制是「一字的音是固定的」。但中文裡「重」可以是 zhong 也可以是 chong,「行」可以是 xing 也可以是 hang。要處理多音字,必須先分詞再決定讀音,這已經超出單純查表的能力範圍,需要詞庫與語言模型的協助。若你的場景是產生搜尋索引或 URL,通常取最常見讀音即可;若是正式的文字轉寫,建議直接採用成熟套件。