【Java習作】提取漢字拼音首字母（Java版）

作者：gnuhpc
出處：http://www.cnblogs.com/gnuhpc/

package info.gnuhpc;

/**
 * @author gnuhpc email: [e-mail] blog: http://gnuhpc.info
 * @date 2010-1-22
 * @bugs 不支持多音字處理 
 */
public class PinyinConv {
    // 簡體中文的編碼范圍從B0A1（45217）一直到F7FE（63486）
    private static int BEGIN = 45217;
    private static int END = 63486;

    // 按照聲母表示，這個表是在GB2312中的出現的第一個漢字，也就是說“啊”是代表首字母a的第一個漢字。
    // i, u, v都不做聲母, 自定規則跟隨前面的字母
    private static char[] chartable = { '啊', '芭', '擦', '搭', '蛾', '發', '噶', '哈',
            '哈', '擊', '喀', '垃', '媽', '拿', '哦', '啪', '期', '然', '撒', '塌', '塌',
            '塌', '挖', '昔', '壓', '匝', };

    // 二十六個字母區間對應二十七個端點
    // GB2312碼漢字區間十進制表示
    private static int[] table = new int[27];

    // 對應首字母區間表
    private static char[] initialtable = { 'a', 'b', 'c', 'd', 'e', 'f', 'g',
            'h', 'h', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't',
            't', 't', 'w', 'x', 'y', 'z', };

    // 初始化
    static {
        for (int i = 0; i < 26; i++) {
            table[i] = gbValue(chartable[i]);// 得到GB2312碼的首字母區間端點表，十進制。
        }
        table[26] = END;// 區間表結尾
    }

    // ------------------------public方法區------------------------
    /**
     * 根據一個包含漢字的字符串返回一個漢字拼音首字母的字符串 最重要的一個方法，思路如下：一個個字符讀入、判斷、輸出
     */
    public static String cn2py(String SourceStr) {
        String Result = "";
        int StrLength = SourceStr.length();
        int i;
        try {
            for (i = 0; i < StrLength; i++) {
                Result += Char2Initial(SourceStr.charAt(i));
            }
        } catch (Exception e) {
            Result = "";
        }
        return Result;
    }

    // ------------------------private方法區------------------------
    /**
     * 輸入字符,得到他的聲母,英文字母返回對應的大寫字母,其他非簡體漢字返回 '0'
     * 
     */
    private static char Char2Initial(char ch) {
        // 對英文字母的處理：小寫字母轉換為大寫，大寫的直接返回
        if (ch >= 'a' && ch <= 'z')
            return (char) (ch - 'a' + 'A');
        if (ch >= 'A' && ch <= 'Z')
            return ch;

        // 對非英文字母的處理：轉化為首字母，然后判斷是否在碼表范圍內，
        // 若不是，則直接返回。
        // 若是，則在碼表內的進行判斷。
        int gb = gbValue(ch);// 漢字轉換首字母

        if ((gb < BEGIN) || (gb > END))// 在碼表區間之前，直接返回
            return ch;

        int i;
        for (i = 0; i < 26; i++) {// 判斷匹配碼表區間，匹配到就break,判斷區間形如“[,)”
                if ((gb >= table[i]) && (gb < table[i+1]))
                    break;
        }
        
        if (gb==END) {//補上GB2312區間最右端
            i=25;
        }
        return initialtable[i]; // 在碼表區間中，返回首字母
    }

    /**
     * 取出漢字的編碼 cn 漢字
     */
    private static int gbValue(char ch) {// 將一個漢字（GB2312）轉換為十進制表示。
        String str = new String();
        str += ch;
        try {
            byte[] bytes = str.getBytes("GB2312");
            if (bytes.length < 2)
                return 0;
            return (bytes[0] << 8 & 0xff00) + (bytes[1] & 0xff);
        } catch (Exception e) {
            return 0;
        }
    }

    public static void main(String[] args) throws Exception {
        System.out.println(cn2py("重慶重視發展IT行業，大多數外企，如，IBM等進駐山城"));
    }
}

作者：gnuhpc
出處：http://www.cnblogs.com/gnuhpc/