Look into it ~

present
随笔 - 32, 文章 - 0, 评论 - 3, 引用 - 0
数据加载中……

汉字转拼音

在网上参考了一些汉字转换到拼音的资料。思路应该只有以下两种。
1,查表法。这样做需要一个庞大的映射表,在j2me环境下不大合适。不过效果好,有些还支持多音字。
2,使用GB字库的映射关系。因为GB2312及其扩展GBK的汉字编码都根据区位于拼音存在映射关系。
实际上网络上的大部分文章都是根据第二种方法来实现的。

我也是采用这种方法,因为它基本上可以利用GB2312字库,直接映射成拼音。
如果遇到不支持GB2312的手机,请参考上一篇文章。
http://blog.csdn.net/hunhun1981/archive/2007/10/26/1845576.aspx

首先来介绍下原始的代码,由于这个代码在网上存在多个版本,并不知道原始作者是谁。
再次鄙视哪些剽窃人家东西不留名的人。
http://hibernate.blogdriver.com/hibernate/1036902.html
或者各位可以在百度中搜索“java 中文 拼音”,即可找到很多帖子,基本全是这份代码。

以下是一个重要片段。
 /**
     * 获得单个汉字的Ascii.
     * 
@param cn char
     * 汉字字符
     * 
@return int
     * 错误返回 0,否则返回ascii
     
*/
    
public static int getCnAscii(char cn) {
        
byte[] bytes = (String.valueOf(cn)).getBytes();
        
if (bytes == null || bytes.length > 2 || bytes.length <= 0) { //错误
            return 0;
        }
        
if (bytes.length == 1) { //英文字符
            return bytes[0];
        }
        
if (bytes.length == 2) { //中文字符
            int hightByte = 256 + bytes[0];
            
int lowByte = 256 + bytes[1];
            
int ascii = (256 * hightByte + lowByte) - 256 * 256;
            
//System.out.println("ASCII=" + ascii);
            return ascii;
        }
        
return 0; //错误
    }


这个方法中有一个片段大家需要注意,“(String.valueOf(cn)).getBytes();”这一句。
这里获得的应该是GBK编码,可不是unicode。
unicode是无法使用现在的方法来获取拼音的,只能用查表法,弄一张对于j2me来说很庞大的映射表。

下面详细介绍一下我改进后的方法。并且对原始代码的作者表示感谢,虽然不知道他是谁。


public class HGB2PINYIN {
 
        
private String[] name = { "zuo", "zun", "zui", "zuan", "zu", "zou",
                
"zong", "zi", "zhuo", "zhun", "zhui", "zhuang", "zhuan",
                
"zhuai", "zhua", "zhu", "zhou", "zhong", "zhi", "zheng",
                
"zhen", "zhe", "zhao", "zhang", "zhan", "zhai", "zha", "zeng",
                
"zen", "zei", "ze", "zao", "zang", "zan", "zai", "za", "yun",
                
"yue", "yuan", "yu", "you", "yong", "yo", "ying", "yin", "yi",
                
"ye", "yao", "yang", "yan", "ya", "xun", "xue", "xuan", "xu",
                
"xiu", "xiong", "xing", "xin", "xie", "xiao", "xiang", "xian",
                
"xia", "xi", "wu", "wo", "weng", "wen", "wei", "wang", "wan",
                
"wai", "wa", "tuo", "tun", "tui", "tuan", "tu", "tou", "tong",
                
"ting", "tie", "tiao", "tian", "ti", "teng", "te", "tao",
                
"tang", "tan", "tai", "ta", "suo", "sun", "sui", "suan", "su",
                
"sou", "song", "si", "shuo", "shun", "shui", "shuang", "shuan",
                
"shuai", "shua", "shu", "shou", "shi", "sheng", "shen", "she",
                
"shao", "shang", "shan", "shai", "sha", "seng", "sen", "se",
                
"sao", "sang", "san", "sai", "sa", "ruo", "run", "rui", "ruan",
                
"ru", "rou", "rong", "ri", "reng", "ren", "re", "rao", "rang",
                
"ran", "qun", "que", "quan", "qu", "qiu", "qiong", "qing",
                
"qin", "qie", "qiao", "qiang", "qian", "qia", "qi", "pu", "po",
                
"ping", "pin", "pie", "piao", "pian", "pi", "peng", "pen",
                
"pei", "pao", "pang", "pan", "pai", "pa", "ou", "o", "nuo",
                
"nue", "nuan", "nv", "nu", "nong", "niu", "ning", "nin", "nie",
                
"niao", "niang", "nian", "ni", "neng", "nen", "nei", "ne",
                
"nao", "nang", "nan", "nai", "na", "mu", "mou", "mo", "miu",
                
"ming", "min", "mie", "miao", "mian", "mi", "meng", "men",
                
"mei", "me", "mao", "mang", "man", "mai", "ma", "luo", "lun",
                
"lue", "luan", "lv", "lu", "lou", "long", "liu", "ling", "lin",
                
"lie", "liao", "liang", "lian", "lia", "li", "leng", "lei",
                
"le", "lao", "lang", "lan", "lai", "la", "kuo", "kun", "kui",
                
"kuang", "kuan", "kuai", "kua", "ku", "kou", "kong", "keng",
                
"ken", "ke", "kao", "kang", "kan", "kai", "ka", "jun", "jue",
                
"juan", "ju", "jiu", "jiong", "jing", "jin", "jie", "jiao",
                
"jiang", "jian", "jia", "ji", "huo", "hun", "hui", "huang",
                
"huan", "huai", "hua", "hu", "hou", "hong", "heng", "hen",
                
"hei", "he", "hao", "hang", "han", "hai", "ha", "guo", "gun",
                
"gui", "guang", "guan", "guai", "gua", "gu", "gou", "gong",
                
"geng", "gen", "gei", "ge", "gao", "gang", "gan", "gai", "ga",
                
"fu", "fou", "fo", "feng", "fen", "fei", "fang", "fan", "fa",
                
"er", "en", "e", "duo", "dun", "dui", "duan", "du", "dou",
                
"****", "diu", "ding", "die", "diao", "dian", "di", "deng",
                
"de", "dao", "dang", "dan", "dai", "da", "cuo", "cun", "cui",
                
"cuan", "cu", "cou", "cong", "ci", "chuo", "chun", "chui",
                
"chuang", "chuan", "chuai", "chu", "chou", "chong", "chi",
                
"cheng", "chen", "che", "chao", "chang", "chan", "chai", "cha",
                
"ceng", "ce", "cao", "cang", "can", "cai", "ca", "bu", "bo",
                
"bing", "bin", "bie", "biao", "bian", "bi", "beng", "ben",
                
"bei", "bao", "bang", "ban", "bai", "ba", "ao", "ang", "an",
                
"ai", "a" };
 
        
private int[] code = { -10254, -10256, -10260, -10262, -10270, -10274,
                
-10281, -10296, -10307, -10309, -10315, -10322, -10328, -10329,
                
-10331, -10519, -10533, -10544, -10587, -10764, -10780, -10790,
                
-10800, -10815, -10832, -10838, -11014, -11018, -11019, -11020,
                
-11024, -11038, -11041, -11045, -11052, -11055, -11067, -11077,
                
-11097, -11303, -11324, -11339, -11340, -11358, -11536, -11589,
                
-11604, -11781, -11798, -11831, -11847, -11861, -11867, -12039,
                
-12058, -12067, -12074, -12089, -12099, -12120, -12300, -12320,
                
-12346, -12359, -12556, -12585, -12594, -12597, -12607, -12802,
                
-12812, -12829, -12831, -12838, -12849, -12852, -12858, -12860,
                
-12871, -12875, -12888, -13060, -13063, -13068, -13076, -13091,
                
-13095, -13096, -13107, -13120, -13138, -13147, -13318, -13326,
                
-13329, -13340, -13343, -13356, -13359, -13367, -13383, -13387,
                
-13391, -13395, -13398, -13400, -13404, -13406, -13601, -13611,
                
-13658, -13831, -13847, -13859, -13870, -13878, -13894, -13896,
                
-13905, -13906, -13907, -13910, -13914, -13917, -14083, -14087,
                
-14090, -14092, -14094, -14097, -14099, -14109, -14112, -14122,
                
-14123, -14125, -14135, -14137, -14140, -14145, -14149, -14151,
                
-14159, -14170, -14345, -14353, -14355, -14368, -14379, -14384,
                
-14399, -14407, -14429, -14594, -14630, -14645, -14654, -14663,
                
-14668, -14670, -14674, -14678, -14857, -14871, -14873, -14882,
                
-14889, -14894, -14902, -14908, -14914, -14921, -14922, -14926,
                
-14928, -14929, -14930, -14933, -14937, -14941, -15109, -15110,
                
-15117, -15119, -15121, -15128, -15139, -15140, -15141, -15143,
                
-15144, -15149, -15150, -15153, -15158, -15165, -15180, -15183,
                
-15362, -15363, -15369, -15375, -15377, -15385, -15394, -15408,
                
-15416, -15419, -15435, -15436, -15448, -15454, -15625, -15631,
                
-15640, -15652, -15659, -15661, -15667, -15681, -15701, -15707,
                
-15878, -15889, -15903, -15915, -15920, -15933, -15944, -15958,
                
-15959, -16155, -16158, -16169, -16171, -16180, -16187, -16202,
                
-16205, -16212, -16216, -16220, -16393, -16401, -16403, -16407,
                
-16412, -16419, -16423, -16427, -16429, -16433, -16448, -16452,
                
-16459, -16465, -16470, -16474, -16647, -16657, -16664, -16689,
                
-16706, -16708, -16733, -16915, -16942, -16970, -16983, -17185,
                
-17202, -17417, -17427, -17433, -17454, -17468, -17482, -17487,
                
-17496, -17676, -17683, -17692, -17697, -17701, -17703, -17721,
                
-17730, -17733, -17752, -17759, -17922, -17928, -17931, -17947,
                
-17950, -17961, -17964, -17970, -17988, -17997, -18012, -18181,
                
-18183, -18184, -18201, -18211, -18220, -18231, -18237, -18239,
                
-18446, -18447, -18448, -18463, -18478, -18490, -18501, -18518,
                
-18526, -18696, -18697, -18710, -18722, -18731, -18735, -18741,
                
-18756, -18763, -18773, -18774, -18783, -18952, -18961, -18977,
                
-18996, -19003, -19006, -19018, -19023, -19038, -19212, -19218,
                
-19224, -19227, -19235, -19238, -19242, -19243, -19249, -19261,
                
-19263, -19270, -19275, -19281, -19288, -19289, -19467, -19479,
                
-19484, -19500, -19515, -19525, -19531, -19540, -19715, -19725,
                
-19728, -19739, -19741, -19746, -19751, -19756, -19763, -19774,
                
-19775, -19784, -19805, -19976, -19982, -19986, -19990, -20002,
                
-20026, -20032, -20036, -20051, -20230, -20242, -20257, -20265,
                
-20283, -20292, -20295, -20304, -20317, -20319 };
 
        
public String getPinyin(String gb2312) {
            
if (null == gb2312 || "".equals(gb2312.trim())) {
                
return gb2312;
            }
            
char[] chars = gb2312.toCharArray();
            StringBuffer retuBuf 
= new StringBuffer();
            
for (int i = 0, Len = chars.length; i < Len; i++) {
                retuBuf.append(getPinyin(chars[i]));
            } 
// end of for
            return retuBuf.toString();
        }
 
        
public String getPinyin(char gb2312) {
            
int ascii = getCnAscii(gb2312);
            
if (ascii == 0) { // 取ascii时出错
                return String.valueOf(gb2312);
            } 
else {
                String spell 
= getSpellByAscii(ascii);
                
if (spell == null) {
                    
return String.valueOf(gb2312);
                } 
else {
                    
return spell;
                } 
// end of if spell == null
            }
        }
 
        
private int getCnAscii(char cn) {
            
byte[] bytes = null;
            
try {
                bytes 
= (String.valueOf(cn)).getBytes("GB2312");
            } 
catch (Exception e) {
                e.printStackTrace();
            }
            
if (bytes == null || bytes.length > 2 || bytes.length <= 0) {
                
return 0;
            }
            
if (bytes.length == 1) {
                
return bytes[0];
            } 
else {
                
int hightByte = 256 + bytes[0];
                
int lowByte = 256 + bytes[1];
                
int ascii = (256 * hightByte + lowByte) - 256 * 256;
                
return ascii;
            }
        }
 
        
private String getSpellByAscii(int ascii) {
            
if (ascii > 0 && ascii < 160) { // 单字符
                return String.valueOf((char) ascii);
            }
            
if (ascii < -20319 || ascii > -10247) { // 不知道的字符
                return "?";
            }
            
int ind;
            
for (ind = 0; ind < code.length; ind++) {
                
if (ascii > code[ind]) {
                    
break;
                }
            }
            
return name[ind];
        }
    }

首先我去除了比较多余的LinkedHashMap,同时解决了原始代码中查询时比较弱的查询方式。直接通过数组索引做判断(参考 getSpellByAscii函数,如果有兴趣,各位可以把循环判断区间改为二分法,效果会好很多,毕竟是395的数组,要找到区间最坏情况下要遍历整 个数组并判断395次)。

如果手机不支持GB2312,那么可以参考我以前的文章,修改getCnAscii函数,使用我提供的库将编码转换位GB2312。

感谢各位的阅读,转贴请注明出处。
欢迎有兴趣的朋友多多指点交流经验。

上一篇文章介绍了j2me环境下汉字转换为拼音的方法。
http://blog.csdn.net/hunhun1981/archive/2007/10/27/1846778.aspx

后来又完善了一下,追加了汉字转换为拼音首字母的方法。
来源是网上出现频率比较高的汉字转拼音的java代码。
但是我都做了优化,修正了一些小缺陷,使用数组替代容器,并且将编码转换的步骤省略,直接制作成映射表。而且,查找汉字编码区间的时候使用了类似二分查找的方法。所以速度快了很多很多。
当然,要文字足够多才能看出来。

在nokia5300上进行了测试,300字175毫秒。还算不错吧。

具体就不多说了。
大家可以直接使用getFirstPY()和getAllPY()方法获得字符串或者单个字符的全拼活着拼音首字母。
    public class HGB2PINYIN {
 
        
private final int[] FIRST_TABLE = { 45217, 45253, 45761, 46318, 46826,
                
47010, 47297, 47614, 47614, 48119, 49062, 49324, 49896, 50371,
                
50614, 50622, 50906, 51387, 51446, 52218, 52218, 52218, 52698,
                
52980, 53689, 54481, 55289 };
 
        
private final String[] ALL_VALUE = { "zuo", "zun", "zui", "zuan", "zu",
                
"zou", "zong", "zi", "zhuo", "zhun", "zhui", "zhuang", "zhuan",
                
"zhuai", "zhua", "zhu", "zhou", "zhong", "zhi", "zheng",
                
"zhen", "zhe", "zhao", "zhang", "zhan", "zhai", "zha", "zeng",
                
"zen", "zei", "ze", "zao", "zang", "zan", "zai", "za", "yun",
                
"yue", "yuan", "yu", "you", "yong", "yo", "ying", "yin", "yi",
                
"ye", "yao", "yang", "yan", "ya", "xun", "xue", "xuan", "xu",
                
"xiu", "xiong", "xing", "xin", "xie", "xiao", "xiang", "xian",
                
"xia", "xi", "wu", "wo", "weng", "wen", "wei", "wang", "wan",
                
"wai", "wa", "tuo", "tun", "tui", "tuan", "tu", "tou", "tong",
                
"ting", "tie", "tiao", "tian", "ti", "teng", "te", "tao",
                
"tang", "tan", "tai", "ta", "suo", "sun", "sui", "suan", "su",
                
"sou", "song", "si", "shuo", "shun", "shui", "shuang", "shuan",
                
"shuai", "shua", "shu", "shou", "shi", "sheng", "shen", "she",
                
"shao", "shang", "shan", "shai", "sha", "seng", "sen", "se",
                
"sao", "sang", "san", "sai", "sa", "ruo", "run", "rui", "ruan",
                
"ru", "rou", "rong", "ri", "reng", "ren", "re", "rao", "rang",
                
"ran", "qun", "que", "quan", "qu", "qiu", "qiong", "qing",
                
"qin", "qie", "qiao", "qiang", "qian", "qia", "qi", "pu", "po",
                
"ping", "pin", "pie", "piao", "pian", "pi", "peng", "pen",
                
"pei", "pao", "pang", "pan", "pai", "pa", "ou", "o", "nuo",
                
"nue", "nuan", "nv", "nu", "nong", "niu", "ning", "nin", "nie",
                
"niao", "niang", "nian", "ni", "neng", "nen", "nei", "ne",
                
"nao", "nang", "nan", "nai", "na", "mu", "mou", "mo", "miu",
                
"ming", "min", "mie", "miao", "mian", "mi", "meng", "men",
                
"mei", "me", "mao", "mang", "man", "mai", "ma", "luo", "lun",
                
"lue", "luan", "lv", "lu", "lou", "long", "liu", "ling", "lin",
                
"lie", "liao", "liang", "lian", "lia", "li", "leng", "lei",
                
"le", "lao", "lang", "lan", "lai", "la", "kuo", "kun", "kui",
                
"kuang", "kuan", "kuai", "kua", "ku", "kou", "kong", "keng",
                
"ken", "ke", "kao", "kang", "kan", "kai", "ka", "jun", "jue",
                
"juan", "ju", "jiu", "jiong", "jing", "jin", "jie", "jiao",
                
"jiang", "jian", "jia", "ji", "huo", "hun", "hui", "huang",
                
"huan", "huai", "hua", "hu", "hou", "hong", "heng", "hen",
                
"hei", "he", "hao", "hang", "han", "hai", "ha", "guo", "gun",
                
"gui", "guang", "guan", "guai", "gua", "gu", "gou", "gong",
                
"geng", "gen", "gei", "ge", "gao", "gang", "gan", "gai", "ga",
                
"fu", "fou", "fo", "feng", "fen", "fei", "fang", "fan", "fa",
                
"er", "en", "e", "duo", "dun", "dui", "duan", "du", "dou",
                
"****", "diu", "ding", "die", "diao", "dian", "di", "deng",
                
"de", "dao", "dang", "dan", "dai", "da", "cuo", "cun", "cui",
                
"cuan", "cu", "cou", "cong", "ci", "chuo", "chun", "chui",
                
"chuang", "chuan", "chuai", "chu", "chou", "chong", "chi",
                
"cheng", "chen", "che", "chao", "chang", "chan", "chai", "cha",
                
"ceng", "ce", "cao", "cang", "can", "cai", "ca", "bu", "bo",
                
"bing", "bin", "bie", "biao", "bian", "bi", "beng", "ben",
                
"bei", "bao", "bang", "ban", "bai", "ba", "ao", "ang", "an",
                
"ai", "a" };
 
        
private final int[] ALL_CODE = { -10254, -10256, -10260, -10262,
                
-10270, -10274, -10281, -10296, -10307, -10309, -10315, -10322,
                
-10328, -10329, -10331, -10519, -10533, -10544, -10587, -10764,
                
-10780, -10790, -10800, -10815, -10832, -10838, -11014, -11018,
                
-11019, -11020, -11024, -11038, -11041, -11045, -11052, -11055,
                
-11067, -11077, -11097, -11303, -11324, -11339, -11340, -11358,
                
-11536, -11589, -11604, -11781, -11798, -11831, -11847, -11861,
                
-11867, -12039, -12058, -12067, -12074, -12089, -12099, -12120,
                
-12300, -12320, -12346, -12359, -12556, -12585, -12594, -12597,
                
-12607, -12802, -12812, -12829, -12831, -12838, -12849, -12852,
                
-12858, -12860, -12871, -12875, -12888, -13060, -13063, -13068,
                
-13076, -13091, -13095, -13096, -13107, -13120, -13138, -13147,
                
-13318, -13326, -13329, -13340, -13343, -13356, -13359, -13367,
                
-13383, -13387, -13391, -13395, -13398, -13400, -13404, -13406,
                
-13601, -13611, -13658, -13831, -13847, -13859, -13870, -13878,
                
-13894, -13896, -13905, -13906, -13907, -13910, -13914, -13917,
                
-14083, -14087, -14090, -14092, -14094, -14097, -14099, -14109,
                
-14112, -14122, -14123, -14125, -14135, -14137, -14140, -14145,
                
-14149, -14151, -14159, -14170, -14345, -14353, -14355, -14368,
                
-14379, -14384, -14399, -14407, -14429, -14594, -14630, -14645,
                
-14654, -14663, -14668, -14670, -14674, -14678, -14857, -14871,
                
-14873, -14882, -14889, -14894, -14902, -14908, -14914, -14921,
                
-14922, -14926, -14928, -14929, -14930, -14933, -14937, -14941,
                
-15109, -15110, -15117, -15119, -15121, -15128, -15139, -15140,
                
-15141, -15143, -15144, -15149, -15150, -15153, -15158, -15165,
                
-15180, -15183, -15362, -15363, -15369, -15375, -15377, -15385,
                
-15394, -15408, -15416, -15419, -15435, -15436, -15448, -15454,
                
-15625, -15631, -15640, -15652, -15659, -15661, -15667, -15681,
                
-15701, -15707, -15878, -15889, -15903, -15915, -15920, -15933,
                
-15944, -15958, -15959, -16155, -16158, -16169, -16171, -16180,
                
-16187, -16202, -16205, -16212, -16216, -16220, -16393, -16401,
                
-16403, -16407, -16412, -16419, -16423, -16427, -16429, -16433,
                
-16448, -16452, -16459, -16465, -16470, -16474, -16647, -16657,
                
-16664, -16689, -16706, -16708, -16733, -16915, -16942, -16970,
                
-16983, -17185, -17202, -17417, -17427, -17433, -17454, -17468,
                
-17482, -17487, -17496, -17676, -17683, -17692, -17697, -17701,
                
-17703, -17721, -17730, -17733, -17752, -17759, -17922, -17928,
                
-17931, -17947, -17950, -17961, -17964, -17970, -17988, -17997,
                
-18012, -18181, -18183, -18184, -18201, -18211, -18220, -18231,
                
-18237, -18239, -18446, -18447, -18448, -18463, -18478, -18490,
                
-18501, -18518, -18526, -18696, -18697, -18710, -18722, -18731,
                
-18735, -18741, -18756, -18763, -18773, -18774, -18783, -18952,
                
-18961, -18977, -18996, -19003, -19006, -19018, -19023, -19038,
                
-19212, -19218, -19224, -19227, -19235, -19238, -19242, -19243,
                
-19249, -19261, -19263, -19270, -19275, -19281, -19288, -19289,
                
-19467, -19479, -19484, -19500, -19515, -19525, -19531, -19540,
                
-19715, -19725, -19728, -19739, -19741, -19746, -19751, -19756,
                
-19763, -19774, -19775, -19784, -19805, -19976, -19982, -19986,
                
-19990, -20002, -20026, -20032, -20036, -20051, -20230, -20242,
                
-20257, -20265, -20283, -20292, -20295, -20304, -20317, -20319 };
 
        
public String getAllPY(String gb2312) {
            
if (null == gb2312 || "".equals(gb2312.trim())) {
                
return gb2312;
            }
            
char[] chars = gb2312.toCharArray();
            StringBuffer retuBuf 
= new StringBuffer();
            
for (int i = 0, Len = chars.length; i < Len; i++) {
                retuBuf.append(getAllPY(chars[i]));
            } 
// end of for
            return retuBuf.toString();
        }
 
        
public String getAllPY(char gb2312) {
            
int ascii = getCnAscii(gb2312);
            
if (ascii == 0) { // 取ascii时出错
                return String.valueOf(gb2312);
            } 
else {
                String spell 
= getSpellByAscii(ascii);
                
if (spell == null) {
                    
return String.valueOf(gb2312);
                } 
else {
                    
return spell;
                } 
// end of if spell == null
            }
        }
 
        
public char getFirstPY(char ch) {
            
if (ch >= 0 && ch <= 0x7F) {
                
return ch;
            }
            
int gb = 0;
            
try {
                
byte[] bytes = String.valueOf(ch).getBytes("GB2312");
                
if (bytes.length < 2) {
                    gb 
= byte2Int(bytes[0]);
                }
                gb 
= (bytes[0] << 8 & 0xff00) + (bytes[1] & 0xff);
            } 
catch (Exception e) {
                
return ch;
            }
            
if (gb < FIRST_TABLE[0])
                
return ch;
            
int i;
            
for (i = 0; i < 26; ++i) {
                
if (match(i, gb))
                    
break;
            }
            
if (i >= 26)
                
return ch;
            
else
                
return (char) (65 + i);
        }
 
        
public String getFirstPY(String src) {
            StringBuffer sb 
= new StringBuffer();
            
int len = src.length();
            
int i;
            
for (i = 0; i < len; i++) {
                sb.append(getFirstPY(src.charAt(i)));
            }
            
return sb.toString();
        }
 
        
private int getCnAscii(char cn) {
            
byte[] bytes = null;
            
try {
                bytes 
= (String.valueOf(cn)).getBytes("GB2312");
            } 
catch (Exception e) {
                e.printStackTrace();
            }
            
if (bytes == null || bytes.length > 2 || bytes.length <= 0) {
                
return 0;
            }
            
if (bytes.length == 1) {
                
return bytes[0];
            } 
else {
                
int hightByte = 256 + bytes[0];
                
int lowByte = 256 + bytes[1];
                
int ascii = (256 * hightByte + lowByte) - 256 * 256;
                
return ascii;
            }
        }
 
        
private String getSpellByAscii(int ascii) {
            
if (ascii > 0 && ascii < 160) { // 单字符
                return String.valueOf((char) ascii);
            }
            
if (ascii < -20319 || ascii > -10247) { // 不知道的字符
                return null;
            }
            
int first = 0;
            
int sLast = ALL_CODE.length - 1;
            
int last = ALL_CODE.length - 1;
            
int mid;
            
int temp;
            
while (true) {
                mid 
= (first + last) >> 1;
                
if (ascii == ALL_CODE[mid]) {
                    
return ALL_VALUE[mid];
                } 
else if (ascii > ALL_CODE[mid]) {
                    temp 
= mid - 1;
                    
if (temp >= 0) {
                        
if (ascii < ALL_CODE[temp]) {
                            
return ALL_VALUE[mid];
                        } 
else {
                            last 
= mid;
                        }
                    } 
else {
                        
return ALL_VALUE[0];
                    }
                } 
else {
                    
if (mid + 1 <= sLast) {
                        first 
= mid + 1;
                    } 
else {
                        
return ALL_VALUE[sLast];
                    }
                }
            }
        }
 
        
private boolean match(int i, int gb) {
            
if (gb < FIRST_TABLE[i]) {
                
return false;
            }
            
int j = i + 1;
            
// 字母Z使用了两个标签
            while (j < 26 && (FIRST_TABLE[j] == FIRST_TABLE[i])) {
                
++j;
            }
            
if (j == 26)
                
return gb <= FIRST_TABLE[j];
            
else
                
return gb < FIRST_TABLE[j];
        }
 
        
private int byte2Int(byte b) {
            
if (b < 0) {
                
return 256 + b;
            } 
else {
                
return b;
            }
        }
    }


posted on 2008-08-15 15:15 LukeW 阅读(446) 评论(0)  编辑  收藏 所属分类: Tips, Tricks, Hints & Code