【算法】拼音匹配算法（支持多音字）

之前講過漢字注音問題，也發過關於拼音匹配問題，但是沒法處理多音字問題

例如：

　　漢字：不能說的秘密

　　拼音：bu|fou nai|neng shuo|shui|yue de|di bi|mi mi

　　　　當我們輸入：bunengshuodebimi，bunegnshuodemimi，bnsdmm，bnengyuedebimi，buneshdimmi等都可以匹配成功　　

 

　　這里很多字都有多音字，要判斷出每個字的確切的讀音比較困難。這里我們就對每一種讀音都進行匹配

　思路：

　　這里對每個字的拼音首字母進行匹配

　　每個字的首字母為：　　b|f n s|y d b|m m

　　　　這里假設模式串為：nengshuodemimi　　（假設為target）

　　　　　　在首字母中找到 target[0]，匹配后面的首字母

                    

　　　　　　然后找到匹配的首字母，遍歷一遍拼音，看是否包含模式串，如果包含，則返回真

       

　　　　說的不是很清楚，看代碼把

 

先發一個獲取漢字拼音的類，拼音數據文件在后面

        public static class PinyinHelper
        {
            private static Dictionary<int, string> pinyindictionary = new Dictionary<int, string>();

            //問題：如何初始化靜態類的成員？？
            public static void Init()
            {
                using (StreamReader reader = new StreamReader("Data/pinyindata.txt", Encoding.UTF8))
                {
                    string content = reader.ReadToEnd();
                    StringReader stringreader = new StringReader(content);

                    string readline = string.Empty;
                    string[] lines = new string[2];
                    while ((readline = stringreader.ReadLine()) != null)
                    {
                        lines = readline.Split(' ');
                        pinyindictionary.Add(Convert.ToInt32(lines[0], 16), lines[1]);
                    }
                }
            }

            private static string GetPinyin(char ch)
            {
                return pinyindictionary[ch];
            }

            public static string GetPinyin(string hanzis)
            {
                StringBuilder builder = new StringBuilder();
                for (int i = 0; i < hanzis.Length - 1; i++)
                {
                    builder.Append(GetPinyin(hanzis[i]));
                    builder.Append(' ');
                }
                builder.Append(GetPinyin(hanzis[hanzis.Length - 1]));
                return builder.ToString();
            }
            
            //是否是漢字
            private static bool IsCharChinese(char c)
            {
                if (0x4e00 < c && c < 0x9fa5)
                {
                    return true;
                }
                return false;
            }
        }

接下來是匹配算法

        private bool IsFirstPinyinContains(string pinyin, char ch)
        {
            string[] pinyins = pinyin.Split(',');
            foreach (string py in pinyins)
            {
                if (py[0] == ch)
                {
                    return true;
                }
            }
            return false;
        }
        private bool IsPinyinContainTarget(string[] pinyins, string target, int start, int end)
        {
            int k = 0;
            for (int i = start; i < end; i++)
            {
                foreach (char ch in pinyins[i])
                {
                    if (ch == target[k])
                    {
                        k++;
                        if (k == target.Length)
                        {
                            return true;
                        }
                    }
                }
            }
            return false;
        }
        private bool PinyinMatch(string[] pinyins, string target)
        {
            int start, end;
            for (int i = 0; i < pinyins.Length; i++)
            {
                if (pinyins[i][0] == target[0])     //找到第一個
                {
                    start = i;
                    int j = i + 1;
                    for (int k = 1; k < target.Length; k++)
                    {
                        if (j < pinyins.Length && IsFirstPinyinContains(pinyins[j], target[k]))
                        {
                            j++;
                        }
                    }
                    end = j;

                    //判斷從start到end的拼音是否包含target
                    if (IsPinyinContainTarget(pinyins, target, start, end))
                    {
                        return true;
                    }
                }
            }
            return false;
        }

  算法有些不足，大家有什么建議不

拼音數據文件：http://files.cnblogs.com/bomo/pinyindata.zip