PHPで漢字をピンインに変換する2つの方法 + PHPで漢字を抽出する方法(中国語)_PHPチュートリアル

方法 1: ASCII コード変換によれば、GB2312 ライブラリは多声文字については何もできません。

GB2312規格には、中国の元首相朱鎔基が書いた「镕」など、変換できない漢字が合計6763文字含まれています。

GB2312 では、収集された漢字が「分割」され、各ゾーンには 94 個の漢字/記号が含まれます。この表現は位置コードとも呼ばれます。
エリア 01 ～ 09 は特殊なシンボルです。
領域 16 ～ 55 は、ピンインでソートされた第 1 レベルの漢字です。 (3755)
56 ～ 87 の領域は、部首/画数ごとに分類された第 2 レベルの漢字です。 (3008)
エリア 10 ～ 15 および 88 ～ 94 はコード化されていません。
占有されるコード ビットは 72*94=6768 です。このうち空席はD7FA～D7FEの5名です。つまり、漢字は合計 6763 個あります。そのうち、第 1 水準漢字は 3755 字、第 2 水準漢字は 3008 字あります。このタイプのアルゴリズムでは、実際に変換できるのは 3755 文字の漢字のみです。


利点: 大規模なテキスト ライブラリは使用されず、ファイルは比較的小さく、正規表現は使用されず、パフォーマンスは比較的高くなります。頭文字変換をサポートします。
欠点: GB2312 に含まれていない漢字は変換できず、複数の発音文字は認識できません。
(ピンイン変換にそれほど高い要件がない場合は、これを使用することをお勧めします。)

[php] plaincopy を表示

// このタイプは ASCII コードに基づいて変換され、GB2312 ライブラリはポリフォニック文字を処理できません。

// GB2312 規格には、中国の元首相朱鎔基が書いた「镕」など、範囲外の漢字が合計 6763 文字含まれています。  

クラスピンイン{

パブリック 静的 関数 utf8_to($s, $isfirst = false) {

return self::to(self::utf8_to_gb2312($s), $isfirst);  

}

パブリック 静的 関数 utf8_to_gb2312($s) {

return iconv('UTF-8', 'GB2312//IGNORE', $s);  

}  

// 字符串必须はGB2312编码

public static function to($s, $isfirst = false) {

$res = '';  

$len = strlen($s);  

$pinyin_arr = self::get_pinyin_array();  

for($i=0; $i

$ascii = ord($s{$i});  

if($ascii > 0x80) {

$ascii2 = ord($s{++$i});  

$ascii = $ascii * 256 + $ascii2 - 65536;  

}  

if($ascii 0) {

if(($ascii >= 48 && $ascii = 97 && $ascii

$res .= $s{$i}; // 0-9 a-z

elseif($ascii >= 65 && $ascii

$res .= strto lower($s{$i}); // A-Z

}その他{

$res .= '_';  

}

}elseif($ascii -10247) {

$res .= '_';  

}その他{

foreach($pinyin_arr as $py=>$asc) {

if($asc

$res .= $isfirst ? $py{0} : $py;  

休憩;  

}

}

}

}

$res を返す;  

}  

パブリック 静的 関数 to_first($s) {

$ascii = ord($s{0});  

if($ascii > 0xE0) {

$s = self::utf8_to_gb2312($s{0}.$s{1}.$s{2});  

}elseif($ascii

if($ascii >= 65 && $ascii

return strto lower($s{0});  

}elseif($ascii >= 97 && $ascii

$s{0} を返します。  

}その他{

false を返します。  

}

}

if(strlen($s)

false を返します。  

}

$asc = ord($s{0}) * 256 + ord($s{1}) - 65536;  

if($asc>=-20319 && $asc

if($asc>=-20283 && $asc

if($asc>=-19775 && $asc

if($asc>=-19218 && $asc

if($asc>=-18710 && $asc

if($asc>=-18526 && $asc

if($asc>=-18239 && $asc

if($asc>=-17922 && $asc

if($asc>=-17417 && $asc

if($asc>=-16474 && $asc

if($asc>=-16212 && $asc

if($asc>=-15640 && $asc

if($asc>=-15165 && $asc

if($asc>=-14922 && $asc

if($asc>=-14914 && $asc

if($asc>=-14630 && $asc

if($asc>=-14149 && $asc

if($asc>=-14090 && $asc

if($asc>=-13318 && $asc

if($asc>=-12838 && $asc

if($asc>=-12556 && $asc

if($asc>=-11847 && $asc

if($asc>=-11055 && $asc

false を返します。  

}

パブリック静的関数 get_pinyin_array() {

静的$py_arr;

if(isset($py_arr)) return $py_arr;

$k = 'a|ai|an|ang|ao|ba|bai|ban|bang|bao|bei|ben|beng|bi|bian|biao|bie|bin|bing|bo|bu|ca|cai |can|cang|cao|ce|ceng|cha|chai|chan|chang|chao|che|chen|cheng|chi|chong|chou|chu|chuai|chuan|chuang|chui|chun|chuo|ci|cong |クー|クー|キュアン|キュイ|クン|クオ|ダ|ダイ|ダン|ダン|ダオ|デ|デン|ディ|ディアン|ディアオ|ダイ|ディン|ディウ|ドン|ドゥ|ドゥ|ドゥアン|ドゥイ|ドゥン|duo|e|en|er|fa|fan|fang|fei|fen|feng|fo|fou|fu|ga|gai|gan|gang|gao|gei|gen|geng|gong|gou|gu |gua|guai|guan|guang|gui|gun|guo|ha|hai|han|hang|hao|he|hei|hen|hen|hong|hou|hu|hua|huai|huan|huang|hui|hun |huo|ji|jia|jian|jiang|jiao|jie|jin|jing|jiong|jiu|ju|juan|jue|jun|ka|kai|kan|kang|kao|ke|ken|keng|kong| Kou |ク|クア|クアイ|クアン|クアン|クイ|クン|クオ|ラ|ライ|ラン|ラン|ラオ|ル|レイ|レン|リ|リア|リャン|リャオ|嘘|リン|リン|リウ|long|lou|lu|lv|luan|lue|lun|luo|ma|mai|man|mang|mao|me|mei|men|meng|mi|mian|miao|mie|min|ming|miu|mo |mou|mu|na|nai|nan|nang|nao|ne|nei|nen|neng|ni|nian|niang|niao|nie|nin|ning|niu|nong|nu|nv|nuan|nue|nuo |o|ou|pa|pai|pan|pang|pao|pei|pen|peng|pi|pian|piao|pie|pin|ping|po|pu|qi|qia|qian|qiang|qiao|qie|qin |qing|qiong|qiu|qu|quan|que|qun|ran|rang|rao|re|ren|ren|ren|ri|rong|rou|ru|ruan|rui|run|ruo|sa|sai|san|sang |サオ|セ|セン|セン|シャ|シャイ|シャン|シャン|シャオ|シェ|シェン|シェン|シ|ショウ|シュア|シュア|シュアイ|シュアン|シュアン|シュイ|シュン|シュオ|シ|ソン|ソウ|su|suan|sui|sun|suo|ta|tai|tan|tang|tao|te|teng|ti|tian|tiao|tie|ting|tong|tou|tu|tuan|tui|tun|tuo|wa |ワイ|ワン|ワン|ウェイ|ウェン|ウェン|ウォ|呉|西|夏|西安|翔|シャオ|謝|新|興|雄|秀|徐|玄|シュエ|シュン|ヤ|ヤン|ヤン|ヤオ|イェ|イー|イン|イン|ヨ|ヨン|あなた|ユ|ユアン|ユエ|ユン|ザ|ザイ|ザン|ザン|ザオ|ゼ|ゼイ|ゼン|ゼン|ザ|ザ|ザイ|ザン|チャン|zhao|zhe|zhen|zheng|zhi|zhong|zhou|zhu|zhua|zhuai|zhuan|zhuang|zhui|zhun|zhuo|zi|zong|zou|zu|zuan|zui|zun|zuo

$v = '-20319|-20317|-20304|-20295|-20292|-20283|-20265|-20257|-20242|-20230|-20051|-20036|-20032|-20026|-2000 2| -19990|-19986|-19982|-19976|-19805|-19784|-19775|-19774|-19763|-19756|-19751|-19746|-19741|-19739|-19728|-19725|-19715 |-19540|-19531|-19525|-19515|-19500|-19484|-19479|-19467|-19289|-19288|-19281|-19275|-19270|-19263|-19261|-19249|- 19243|-19242|-19238|-19235|-19227|-19224|-19218|-19212|-19038|-19023|-19018|-19006|-19003|-18996|-18977|-18961|-18952| -18783|-18774|-18773|-18763|-18756|-18741|-18735|-18731|-18722|-18710|-18697|-18696|-18526|-18518|-18501|-18490|-18478 |-18463|-18448|-18447|-18446|-18239|-18237|-18231|-18220|-18211|-18201|-18184|-18183|-18181|-18012|-17997|-17988|- 17970|-17964|-17961|-17950|-17947|-17931|-17928|-17922|-17759|-17752|-17733|-17730|-17721|-17703|-17701|-17697|-17692| -17683|-17676|-17496|-17487|-17482|-17468|-17454|-17433|-17427|-17417|-17202|-17185|-16983|-16970|-16942|-16915|-16733 |-16708|-16706|-16689|-16664|-16657|-16647|-16474|-16470|-16465|-16459|-16452|-16448|-16433|-16429|-16427|-16423|- 16419|-16412|-16407|-16403|-16401|-16393|-16220|-16216|-16212|-16205|-16202|-16187|-16180|-16171|-16169|-16158|-16155| -15959|-15958|-15944|-15933|-15920|-15915|-15903|-15889|-15878|-15707|-15701|-15681|-15667|-15661|-15659|-15652|-15640 |-15631|-15625|-15454|-15448|-15436|-15435|-15419|-15416|-15408|-15394|-15385|-15377|-15375|-15369|-15363|-15362|- 15183|-15180|-15165|-15158|-15153|-15150|-15149|-15144|-15143|-15141|-15140|-15139|-15128|-15121|-15119|-15117|-15110| -15109|-14941|-14937|-14933|-14930|-14929|-14928|-14926|-14922|-14921|-14914|-14908|-14902|-14894|-14889|-14882|-14873 |-14871|-14857|-14678|-14674|-14670|-14668|-14663|-14654|-14645|-14630|-14594|-14429|-14407|-14399|-14384|-14379|- 14368|-14355|-14353|-14345|-14170|-14159|-14151|-14149|-14145|-14140|-14137|-14135|-14125|-14123|-14122|-14112|-14109| -14099|-14097|-14094|-14092|-14090|-14087|-14083|-13917|-13914|-13910|-13907|-13906|-13905|-13896|-13894|-13878|-13870 |-13859|-13847|-13831|-13658|-13611|-13601|-13406|-13404|-13400|-13398|-13395|-13391|-13387|-13383|-13367|-13359|- 13356|-13343|-13340|-13329|-13326|-13318|-13147|-13138|-13120|-13107|-13096|-13095|-13091|-13076|-13068|-13063|-13060| -12888|-12875|-12871|-12860|-12858|-12852|-12849|-12838|-12831|-12829|-12812|-12802|-12607|-12597|-12594|-12585|-12556 |-12359|-12346|-12320|-12300|-12120|-12099|-12089|-12074|-12067|-12058|-12039|-11867|-11861|-11847|-11831|-11798|- 11781|-11604|-11589|-11536|-11358|-11340|-11339|-11324|-11303|-11097|-11077|-11067|-11055|-11052|-11045|-11041|-11038| -11024|-11020|-11019|-11018|-11014|-10838|-10832|-10815|-10800|-10790|-10780|-10764|-10587|-10544|-10533|-10519|-10331 |-10329|-10328|-10322|-10315|-10309|-10307|-10296|-10281|-10274|-10270|-10262|-10260|-10256|-10254';  

$key = explode('|', $k);  

$val = explode('|', $v);  

$py_arr = array_combine($key, $val);  

arsort($py_arr);  

戻る

}

}

/*

var_dump(0xE0);

for($i=0; $i var_dump("$i :".chr($i));

}

*/

var_dump(pinyin::utf8_to('PHP の中国語文字をピンインに'));

var_dump(pinyin::utf8_to('GB2312 標準には、合計 6763 個の漢字が含まれています。中国の元首相、朱鎔基の「镕」など、範囲外の漢字は変換できません。')); var_dump(pinyin::utf8_to(''1234567890-=QWERTYUIOP[]ASDFGHJKL;ZXCVBNM,./abcdefghijklmnopqrstuvwxyz'));

var_dump(pinyin::utf8_to('PHP 中国語文字からピンイン型へ', 1));

var_dump(pinyin::utf8_to('GB2312 標準には合計 6763 文字の漢字が含まれています。範囲内にない漢字は変換できません。たとえば、中国の元首相、朱鎔基の「镕」という単語。', 1 ));

var_dump(pinyin::utf8_to(''1234567890-=QWERTYUIOP[]ASDFGHJKL;ZXCVBNM,./abcdefghijklmnopqrstuvwxyz', 1));

var_dump(pinyin::to_first('PHP の中国語文字をピンイン型に変換'));

var_dump(pinyin::to_first('GB2312 標準には合計 6763 個の漢字が含まれています。範囲内にない漢字は変換できません。たとえば、中国の元首相、朱鎔基の「镕」という単語。') );

var_dump(ピンイン::to_first('▂`1234567890-=QWERTYUIOP[]ASDFGHJKL;ZXCVBNM,./abcdefghijklmnopqrstuvwxyz'));

?>

方法 2: ピンインの組み合わせ配列に基づいて検索する

[php] plaincopy を表示

クラスピンイン{

プライベート $d=array(

array("a",-20319),

array("ai",-20317),

array("an",-20304),

array("ang",-20295),

array("ao",-20292),

array("ba",-20283),

array("bai",-20265),

array("ban",-20257),

array("bang",-20242),

array("bao",-20230),

array("bei",-20051),

array("ben",-20036),

array("beng",-20032),

array("bi",-20026),

array("bian",-20002),

array("biao",-19990),

array("bie",-19986),

array("bin",-19982),

array("bing",-19976),

array("bo",-19805),

array("bu",-19784),