PHP汉字转换为拼音字头原理

 

GB 2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。

　　　1）01-09区为特殊符号。

　　　2）16-55区为一级汉字，按拼音排序。 

　　　3）56-87区为二级汉字，按部首/笔画排序。

　　　4）10-15区及88-94区则未有编码。

　　　在使用GB2312的程序中，通常采用EUC储存方法，以便兼容于ASCII。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。

　　　每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）。

　　　“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上 0xA0)。由于一级汉字从16区起始，汉字区的“高位字节”的范围是0xB0-0xF7，“低位字节”的范围是0xA1-0xFE，占用的码位是 72*94=6768。其中有5个空位是D7FA-D7FE。

　　　例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。区位码=区字节+位字节（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）。

　　　设计：

　　　   用一个数组存放国标一级汉字不同读音的起始区位码 ：如

　　　  static final int[] secPosValueList = {   

　　　      1601, 1637, 1833, 2078, 2274, 2302, 2433, 2594, 2787, 3106, 3212, 3472,   

　　　      3635, 3722, 3730, 3858, 4027, 4086, 4390, 4558, 4684, 4925, 5249, 9999};   

　　　一个数据存放存放国标一级汉字不同读音的起始区位码对应读音 

　　　static final char[] firstLetter = {   

　　　      'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'l', 'm', 'n', 'o', 'p',   

　　　      'q', 'r', 's', 't', 'w', 'x', 'y', 'z'};   

　　　处理方法：

　　　1. 判断是否为英文之母

　　　2. 如果是，直接返回英文之母

　　　3. 取字符的编码值

　　　4. 比较判断其编码值在码表中的位置。

5. 根据位置值，返回之母表中相应值