如何将汉字音译为注音（Java）

Question

如何将中文繁体字或简体字转换为注音注音？

示例

# simplified
没关系 --> ㄇㄟˊㄍㄨㄢㄒㄧ

# traditional
沒關係 --> ㄇㄟˊㄍㄨㄢㄒㄧ

Answer 1

使用Python

dragonmapper模块进行汉字到注音的转换（在内部它首先转换为拼音，然后转换为注音）：

# install dependencies: pip install dragonmapper

from dragonmapper import hanzi

hanzi.to_zhuyin('太阳')
>>> 'ㄊㄞˋ ㄧㄤ˙'

使用Java

可能的顺序：

1. 使用 pinyin4j (java)、pypinyin (python) 等将中文文本（简体或繁体）转换为拼音
2. 使用根据此逻辑创建的正则表达式对编号拼音进行标记（生成最终正则表达式）。
3. 使用记录的映射将拼音标记替换为注音，例如 http://www.pinyin.info/romanization/bopomofo/basic.html 或 https://terpconnect.umd.edu/~nsw/chinese/pinyin.htm .

步骤 #1 的可能场景：

Java代码

HanyuPinyinOutputFormat outputFormat = new HanyuPinyinOutputFormat();
outputFormat.setToneType(HanyuPinyinToneType.WITH_TONE_NUMBER);
outputFormat.setVCharType(HanyuPinyinVCharType.WITH_U_AND_COLON);
outputFormat.setCaseType(HanyuPinyinCaseType.LOWERCASE);

String[] pinyin = PinyinHelper.toHanyuPinyinStringArray(chineseText, outputFormat);

Python代码

from pypinyin import pinyin

hanzi_text = '當然可以'
pinyin_text = ' '.join([seg[0] for seg in pinyin(hanzi_text)])
print(pinyin_text)

步骤 #2 的场景：

如果您在第 1 步中生成了拼音段列表，您现在可以将拼音分成段并使用诸如 this one 或 this one（js 格式）之类的映射来替换它们。

替代方法

另一种解决方案是使用任何可用的映射将汉字直接映射到注音，例如：https://github.com/osfans/rime-tool/blob/master/data/y/taiwan.dict.yaml 。缺点是（使用这个特定的源）这只会处理简体中文，而不会处理繁体字符。

更新： libchewing 项目的映射涵盖简体和繁体字符（加上频率数据和多个字符的特殊情况）：https://github.com/chewing/libchewing/blob/master/data/tsi.src（4.9MB） ）。为了能够处理分段，您可能还需要寻找一个像样的中文分段库，例如 jieba (python)、jieba-analysis (java) 等。