一聚教程网:一个值得你收藏的教程网站

JavaScript300行代码 神级程序员搞定汉字转拼音

mg电子:大写的尴尬!巴黎洛杉矶拒绝平分奥运主办权ParisjoinsLosAngelesinrejecting2028OlympicbidParis2024OlympicbiddirectorsrejectedonWednesdaythenotionofhostingthe2028Games,sayingtheirtargetwasthe2024edition,reflectingthepositionofrivalbiddersLosAngeles.巴黎2024年夏季奥运会申办负责人本周三拒绝了举办2028年奥运会的提议,表示他们的目标就是申办2024年奥运会,竞争对手洛杉矶市也持同样态度.StatementsfromthetwobidderscomeinthewakeofreportstheIOChadbeenplanningtoresolvethe2024competitionbyofferingthelosingcandidatetheopportunitytohostanOlympiadbydolingoutthe2024and2028editionsatthesametimethisSeptember.此前有报道称,为了解决2024年两大城市的竞争难题,国际奥委会准备在今年九月同时揭晓2024年和2028年奥运会主办城市,2024年奥运会申办失利的一方将获得2028年奥运会主办权."Weareworkingon2024andthere'snoreasonforustotalkabout2028--wehavenothingtoofferforthat,noprojectandnoproposal,"EtienneThobois,theParis2024biddirectortoldAFP.巴黎奥申委负责人EtienneThobois告诉法新社:"我们正申办2024年奥运会,谈论2028年没有道理,我们没有什么可提供的,没有相关的项目,也没有提议.""WewouldhavetechnicaldifficultieswiththeOlympicVillagetostartwith,"Thoboissaid,explainingdealswereinplacefor2024forasitenexttothenationalstadiumthatwouldbecomplicatedtoextendbyfouryears.他说:"首先,在奥运村的准备上我们就会遇到技术难题."他解释说,巴黎已经准备在国家体育场附近开工建设,而再延后四年就会麻烦许多.Parisbidspokesmanandmulti-OlympicgoldmedallistsTonyEstanguetalsorejectedthenotionofhostingtheGamesin2028atameetinginLondononTuesday.巴黎奥运会申办发言人和多届奥运冠军托尼埃斯坦盖周二在伦敦的一次会晤上也拒绝了举办2028年奥运会的提议."TherewillbenoOlympicsinParisin2028,"theformerchampioncanoeistsaid.这位前皮划艇冠军说:"我们不能接受2028年奥运会.""Ithasalwaysbeenthedealwithourpartnersthatthisbidwasabout2024.Ourprojectisnon-transferableto2028.""我们和合作伙伴达成的协议一直就是申办2024年奥运会,我们的项目不能转到2028年去.""LosAngelesistherightcityatthiscriticaltimefortheOlympicMovementandisonlybiddingfor2024,"astatementfromLA2024saidonTuesday.洛杉矶奥申委周二也发表声明称,"洛杉矶才是在这个奥林匹克运动关键时刻的最适合城市,洛杉矶只申办2024年奥运会"."Withallpermanentvenuesalreadybuiltand88%publicsupport,onlyLA2024offersthelowest-riskandtrulysustainablesolutionforthefutureoftheOlympicMovementin2024andbeyond.""所有永久场馆均已建成,公众支持率也达到88%,只有洛杉矶举办2024年夏奥会才能为2024以及其后奥林匹克运动的未来提供风险最低和真正可持续的解决方案."英文来源:法新社  

时间:2017-05-22 00:00:00 编辑:简简单单 来源:转载

一.汉字转拼音的现状

首先应该说,汉字转拼音是个强需求,比如联系人按拼音字母排序/筛选;比如目的地(典型如机票购买)
按拼音首字母分类等等。但是这个需求的解决方案,但好像没听过什么巧妙的实现(特别是浏览器端),大概都需要一个庞大的字典。
具体到JavaScript,查查github和npm,比较优秀的处理汉字转拼音的库有pinyin
和pinyinjs,可以看到,两者都自带了庞大的字典。
这些字典动辄几十上百KB(有的甚至几MB),想在浏览器端使用还是需要一些勇气的。所以当我们碰到汉字转拼音的需求,也不怪我们第一反应就是拒绝需求(或者服务端实现)。
现在,如果我告诉你可以浏览器端300行代码实现汉字转拼音,是不是不可置信?

二.从安卓4.2.2联系人代码说起

再次强调这篇博客――利用Android源码,轻松实现汉字转拼音功能。
今天和大家分享一个从Android系统源代码提取出来的汉字转成拼音实现方案,只要一个类,560多行代码就可以让你轻松实现汉字转成拼音的功能,且无需其他任何第三方依赖。
是不是打破了你的思维定势:难道有什么强大的算法可以抛弃字典?
第一遍看完博客,稍有些失望,并没有什么算法解析,只是介绍了从安卓代码发现的这几百行代码。第二遍时带着移植到JavaScript的想法阅读代码,算是弄懂了原理,于是开始了踩坑的移植之旅。

三.手把手教你300行JavaScript代码实现汉字转拼音

首先直指核心:为什么有汉字转拼音必须有庞大字典的思维定势?
因为汉字的排布和拼音并有什么关联,比如在汉字区间\u4E00-\u9FFF,前一个可能是ha,后一个可能就是ze,没有办法从汉字的unicode关联到拼音,所以只能有一个庞大的字典记录每个汉字(或常用汉字)的拼音。
但是,假设我们可以把所有汉字按拼音排序,比如按'A','AI','AN','ANG','AO','BA',...,'ZUI','ZUN','ZUO'排序,那么,我们只需要记住每个相同拼音的汉字队列的第一个汉字就好了。那么,所需要的字典就会很小(覆盖所有拼音即可,拼音数量本身不多)。
现在,难点就是把汉字按拼音排序了。很幸运,ICU/本地化相关的API提供了这个排序API(如果没有方便的排序/比较方法,那么本篇文章可能就不会出现了)。

所以,这就是为什么300行可以实现汉字转拼音:Intl.CollatorAPI:Intl.Collator内部实现了本土化相关的字符串排序。我们通过Intl.Collator.prototype.compare可以把所有汉字基本按照拼音来排序。
边界汉字表:记录了排序的边界点。该汉字表的每个汉字都是排序后相同拼音的汉字集合的首个汉字(Eachunihansisthefirstonewithinsamepinyinwhencollatoriszh_CN)。
说到这里,可能仍然有没说清楚的地方,所以直接上一段代码:

 JavaScript300行代码  神级程序员搞定汉字转拼音

JavaScript300行代码  神级程序员搞定汉字转拼音

有兴趣的同学可以执行node--icu-data-dir=node_modules/full-icu上面的脚本.js看看,然后看看是不是得到了基本按照拼音排序的汉字表。

这里有几点要注意:

我再次加粗了“基本”,因为我们得到的汉字列表并没有完全按照拼音来排序,中间偶尔有一些其它拼音的汉字插入,这点在制作边界表时要额外注意。
上面脚本里得出的表是所有汉字的排序,其中有些和安卓代码里HanziToPinyin.java的表有不同,所以需要更新HanziToPinyin.java的表。(从Java转到JavaScript的最大的坑和工作量:更正边界表)
相信大家都看到了核心代码:constCOLLATOR=newIntl.Collator(['zh-Hans-CN']),Intl.Collator
(这里指定locale是中国zh-Hans-CN)正是能把汉字按拼音排序的关键,它是按locale-specific顺序,排序字符串的InternationalizationAPI。
执行脚本时请先npmifull-icu,这个依赖会自动安装缺失的中文支持并提示如何指定ICU数据文件来执行脚本。
1.ICUICU即InternationalComponentsforUnicode,为应用提供Unicode和国际化支持。
ICUisamature,widelyusedsetofC/C++andJavalibrariesprovidingUnicodeandGlobalizationsupportforsoftwareapplications.ICUiswidelyportableandgivesapplicationsthesameresultsonallplatformsandbetweenC/C++andJavasoftware.
并且ICU提供了本地化字符串比较服务(UnicodeCollationAlgorithm+本地特定的比较规则):
Collation:Comparestringsaccordingtotheconventionsandstandardsofaparticularlanguage,regionorcountry.ICU'scollationisbasedontheUnicodeCollationAlgorithmpluslocale-specificcomparisonrulesfromtheCommonLocaleDataRepository,acomprehensivesourceforthistypeofdata.
在现代浏览器上,一般ICU内置了对用户本地语言的支持,我们直接使用即可。
但对node.js来说,通常情况下,ICU只包含了一个子集(通常是英语),所以我们需要自行添加对中文的支持。一般来说,可以通过npminstallfull-icu安装full-icu
来安装缺失的中文支持。(参见上面node--icu-data-dir=node_modules/full-icu)。
2.IntlAPI上一小节应该基本讲清楚了国际化/本地化相关的知识,这里再补充一下内置API的使用。怎么查看用户语言和Runtime是否支持这个语言?Intl.Collator.supportedLocalesOf(array|string)
返回包含支持(不用回退到默认locale)的locales的数组,参数可以是数组或字符串,为想要测试的locales(即BCP47languagetag)。

JavaScript300行代码  神级程序员搞定汉字转拼音

构造Collator对象和排序字符串

JavaScript300行代码  神级程序员搞定汉字转拼音

通过Intl.Collator.prototype.compare,我们可以按语言指定的顺序来排序字符串。而中文中,这个排序恰好绝大多数都是按拼音的顺序来的,'A','AI','AN','ANG','AO','BA','BAI','BAN','BANG','BAO','BEI','BEN','BENG','BI','BIAN','BIAO','BIE','BIN','BING','BO','BU','CA','CAI','CAN',...
,这正是我们上面提到的汉字转拼音的关键。

四.边界表更正

JavaScript300行代码  神级程序员搞定汉字转拼音

 显然,这个边界表是有问题的,需要更正。
我们可看到,大部分的汉字被转成了qing,可见,qing这个拼音对应的汉字有问题。
找到这个汉字,是'\u72c5'/'??',加上前后各一个字,['\u4eb2','\u72c5','\u828e']/["亲","??quot;,"芎"]

搜索,'\u72c5'/'??'可以读qing,但现在多读kuang,这应该就是错误的原因了。
根据最初得到那张所有汉字的排序表,qing的第一个汉字是'\u9751'/'?'。
改动后,转换失败的只剩104了。

 JavaScript300行代码  神级程序员搞定汉字转拼音

文章评论

热门栏目

合作: 现金博彩 澳门真人平台 mg电子