DIV CSS 佈局教程網

JavaScript 中文轉拼音實作:原理、字典建構與已知限制
編輯:關於JavaScript     

問題背景

做專案時遇到一個小需求:要在部門名稱旁顯示對應的拼音,但資料庫裡並沒有這個欄位,而部門數量又多,逐筆手填實在太耗時。於是想法就轉向前端——能不能在頁面中直接用 JavaScript 處理掉?

原理

思路其實很單純。網路上找得到漢字拼音的對照字典,而關鍵在於:GB2312 編碼中的漢字是按拼音順序排列的。因此只要知道「每個拼音起始位置對應的漢字編碼」,就能透過比較編碼大小,反推出任意漢字的拼音。

具體作法是三段式:自訂一個用來存放「拼音 ↔ ASCII 編碼」對應的字典,把待轉換的漢字取成兩位 ASCII 碼,最後查字典做匹配。

字典的建構

先定義兩個簡單的自訂物件,一個存 key-value 對,一個當容器:

function hash(_key, _value) {
    this.key   = _key;     /* 拼音 */
    this.value = _value;   /* ascii 碼 */
}

/* 自訂物件,用於存放漢字拼音數據字典 */
function dictionary() {
    this.items = [];
    this.add = function(_key, _value) {
        this.items[this.items.length] = new hash(_key, _value);
    };
}

接著建立字典。共 396 個條目,由聲母與韻母組合而成,每筆記錄「拼音」以及該拼音第一個漢字的 GB2312 編碼:

var d = new dictionary();
d.add("a",   -20319);
d.add("ai",  -20317);
d.add("an",  -20304);
d.add("ang", -20295);
d.add("ao",  -20292);
d.add("ba",  -20283);
d.add("bai", -20265);
// ...
d.add("zhong", -10544);
d.add("zhou",  -10533);
d.add("zhu",   -10519);
d.add("zhua",  -10331);
d.add("zhuai", -10329);
d.add("zhuan", -10328);
d.add("zhuang",-10322);
d.add("zhui",  -10315);
d.add("zhun",  -10309);
d.add("zhuo",  -10307);
d.add("zi",    -10296);
d.add("zong",  -10281);
d.add("zou",   -10274);
d.add("zu",    -10270);
d.add("zuan",  -10262);
d.add("zui",   -10260);
d.add("zun",   -10256);
d.add("zuo",   -10254);

這些負數就是 GB2312 編碼的內部表示。因為字典是依拼音排序、數值遞減排列的,查詢時從尾端往前掃,找到第一個「字典值小於等於目標碼」的條目,就是答案。

查詢與轉換

/* 透過查找字典得到與 ascii 碼對應的拼音 */
function getKey(code) {
    if ((code > 0) && (code < 160))
        return String.fromCharCode(code);   /* 半形字元直接轉 */
    else if ((code < -20319) || (code > -10247))
        return "";                          /* 超出漢字範圍 */
    else
        for (var i = d.items.length - 1; i >= 0; i--) {
            if (d.items[i].value <= code) break;
        }
    return d.items[i].key;
}

function myConvertToLower(str) {
    var result = "";
    for (var i = 1; i <= str.length; i++) {
        /* 執行 VBScript 取得字元的 ASCII 碼:
           Mid(str,i,1) 取第 i 個字元;asc(char) 取其 ASCII 碼 */
        execScript("ascCode=asc(mid(\"" + str + "\"," + i + ",1))", "vbscript");
        result = result + getKey(ascCode);
    }
    return result.toLowerCase();
}

呼叫方式很直觀,掛在輸入框離焦時觸發即可:

<input type="text" id="text" Onblur="alert(myConvertToUpper(this.value));" />

已知 bug 與限制

這份實作有幾個必須知道的問題,作者自己也標註了「有些 bug」:

  • 只能用於 IE。execScript(..., "vbscript") 是 IE 專屬 API,靠 VBScript 的 asc() 才能取到 GB2312 編碼。Firefox、Chrome 完全無法執行。
  • 多音字無解。字典是「編碼區間 → 單一拼音」的映射,像「重」「行」「長」這類多音字只能得到一個固定答案,無法依上下文判斷。
  • 生僻字會落空。超出字典編碼範圍的字元一律回傳空字串,不會報錯但會缺字。
  • 英數混排的處理粗糙:半形字元走 String.fromCharCode 直接返回,但全形標點與符號沒有特別處理。

現代替代方案

今天要做這件事,正確作法是把它放到後端或建置階段處理:Node.js 生態有 pinyin、pinyin-pro 這類成熟套件,字典完整、支援多音字、也不受瀏覽器限制。若堅持在前端執行,也應改用純 JavaScript 實作的字典查表版本,並搭配 Web Worker 避免大量字元運算阻塞 UI 執行緒。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved