java 汉字转拼音

本次调研3种工具pinyin4j；jpinyin；hanlp。经过从 运行时间；词典维护代价;源代码社区活跃程度及更新速度 几方面考虑，推荐使用hanlp进行汉语转拼音。

 

1. Pinyin4j

虽然此jar包描述信息包括可以对多音字进行识别，但是其处理逻辑是对多音字取第一个拼音。例如”长”的拼音数组为 result=[“zhang”,”长”].其返回形式永远是result[0]

因此，此jar包支持通过添加词典的方式，对汉字进行转拼音。词典格式如下：

 

 

 

可以额外增加词典，使用时在程序前加入如下代码即可。字符串为词典的存储路径。

MultiPinyinConfig.multiPinyinPath="";

但是此jar包对此词典的存储方式为trie树，虽然效率也较高，相较以下两个效率较低。

此jar最近版本为16版本，较长时间没人维护。

 

2.  Jpinyin

此jar也支持通过添加词典的方式对汉字进行转拼音。词典的格式如下：

 

 

 

若需要添加词典，需要下载源码，将原词典的基础上进行添加。

此jar包对词典的存储采用的数据结构为doubleArrayTrie。相较于trie，效率明显提高。

3. Hanlp

此包支持原生的maven下jar包的使用，如用这种方式，无法进行词典的扩展。

因此推荐使用源代码+data的模式进行汉字转拼音。此词典的格式如下：

 

 

 

下载下源代码和data文件后，需在classpath下添加 hanlp.properties文件，通过root=的方式指明data文件夹的位置。

相对于前两个，此词典的维护方式类似于pinyin4j,十分方便。但是需要源代码的编译(此点又类似于Jpinyin)。但是这个在内存中存储字典采用了DoubleArrayTrie的数据结构+ac自动机的高效检索方式，效率远高于前两者。同时Hanlp也支持其余的nlp操作，为以后添加新功能做了一个小铺垫。同时hanlp.同时社区活跃人数多，更新快。

 

 

因此推荐hanlp进行