实现自动计算汉字对应声母的方法

摘要：提出了自动计算汉字对应声母编码的概念，分析了基于汉字ASCII码和汉字字符编码国标GB2312-80规则的具体实现思路及算法，并介绍了实现该算法的主要程序段。

关键词：数据字典；中文信息处理；声母检索；ASCII码

中图法分类号：TP311文献标识码：A 文章编号：1009-3044(2007)15-30803-02

The Method Of Realizing Automatic Calculating The Corresponding Initial Consonant Of Chinese Character

ZHU Kai-mei,TAN Peng

(Institute of Science & Technical Information of Yunnan, Kunming 650051, China）

Abstract:Have brought forward the concept of calculating the corresponding initial consonant of Chinese character voluntarily , have analysed the realizing thought and algorithm based on the Chinese character ASCII code and the Chinese character code national standard GB2312-80 regulation, have introduced main program section of realizing the algorithm.

Key words:Data dictionary;Chinese information processing;Search of initial consonant;ASCII code

1 引言

应用系统中涉及大量数据字典的检索问题，数据字典检索一般方式包括：按编码检索、按汉字检索、按汉字拼音声母检索和直接列表选择等方式。其中，按汉字拼音声母进行检索具有易用、方便的特点，与使用编码检索方式比较具有易记忆的优点，与使用汉字检索方式比较具有输入简单、方便、快捷的优点，是一种符合汉语使用习惯的较综合性、折中的字典检索方式。要使用汉字拼音声母进行字典检索，关键问题是需要在建立数据字典时，根据用户输入的中文信息自动计算出对应的声母，即自动进行汉字对应声母的编码，以透明的方式提供这一转换过程。

2 实现思路

2.1计算汉字的ASCII码

汉字字符在操作环境下是以Unicode双字节编码方式存在，每个汉字字符对应一个整数，在C# 中已经没有直接计算汉字ASCII码的函数，需要通过利用Encoding类的GetBytes进行间接计算：如下：

Byte[] b=Encoding.Default.GetBytes(“啊”)

b[0]: 176

b[1]: 161

int i=b[0]*256+b[1]-65536

2.2根据汉字字符编码国标GB2312-80规则确定ASCII码对应的声母

GB2312-80《信息交换用汉字编码字符集 基本集》，1980年，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。

一级字计算根据汉字ASCII码值可以方便地计算出来：其中

声母A对应ASCII码范围是：-20319至-20284

声母B对应ASCII码范围是：-19775 至-19219

……

声母Z对应ASCII码范围是：-11055 至-10247

二级字计算通过编码为固定的声母字符串，当汉字ASCII码值>-10079时，通过对应字符串获取。

3 实现方法

3.1 定义

引用命名空间：System.Text

定义类：Encoding

自定义方法：

（1）计算字符ASCII值函数：Asc

参数：pStr, 字符串型

返回值：Int，字符的ASC码

（2）计算汉字声母函数：Hzpy

参数：pStr，字符串型

返回值：String, 转换后的汉字声母字符串

3.2 算法流程图

3.3 算法描述

（1）判断输入参数字符串是否为空，若为空，则结束。

（2）初始化局部变量。

（3）使用For循环，逐字符进行计算。

（4）利用Asc函数计算当前字符的ASCII码。

（5）根据ASCII值分别计算字符的声母，其中：ASCII值在-10247到-20319，属于一级字库，按拼音顺序排列，可以通过判定值直接得到声母；ASCII值大于0，则取字母“A”到“Z”；ASCII值在0到-10079之间，则从预定义的声母表中获取。

3.4 主要程序段

//计算字符串首字符的ASCII码值

public int Asc(string pStr)

{ int _i=0;

if (pStr.Length > 0)

{ string _s = pStr.Substring (0,1);//取首字符

byte[] _b = System.Text.Encoding.Default.GetBytes (_s); //计算字符的Unicode码

if (_b.Length == 1)

_i = _b[0]; //西文ASCII

else

_i = _b[0]*256+_b[1]-65536; //汉字ASCII-65536 }

return _i; }

//计算字符串对应的声母

public string Hzpy(string pStr)

{ if (pStr.Length == 0){ return "" ;}//参数是空串

string sResult = ""; //定义返回字符串变量

int t; //字符的Ascii码

string gH0="";

gH0 = InputAscii2();//从文件中加载二级字库汉字声母表

pStr = pStr.ToUpper ();

for (int i = 0 ; i < pStr.Length; i++)

{ t = Asc(pStr.Substring (i, 1));

if (t < 0)

{ if ( t >= -10079) //计算二级字库汉字声母

if (gH0.Length > 10079+t)

sResult = sResult + gH0.Substring (10079 + t,1);

else

sResult = sResult + " ";

else //计算一级字库汉字声母

{ if (t>=-20319 && t

else if (t>=-20283 && t

else if (t>=-19775 && t

else if (t>=-19218 && t

else if (t>=-18710 && t

else if (t>=-18526 && t

else if (t>=-18239 && t

else if (t>=-17922 && t

else if (t>=-17417 && t

else if (t>=-16474 && t

else if (t>=-16212 && t

else if (t>=-15640 && t

else if (t>=-15165 && t

else if (t>=-14922 && t

else if (t>=-14914 && t

else if (t>=-14630 && t

else if (t>=-14149 && t

else if (t>=-14090 && t

else if (t>=-13318 && t

else if (t>=-12838 && t

else if (t>=-12556 && t

else if (t==-12080) sResult = sResult + "H";

else if (t>=-12079 && t

else if (t>=-11847 && t

else if (t>=-11055 && t

}}

else //字母和数字

{ if (t>=65 && t=48 && t

sResult = sResult + pStr.Substring (i, 1); } }

return sResult; }

4 实现结果

输入：Hzpy(“ab”) , 输出：“AB“

输入：Hzpy(“我们”)，输出：“WM”

输入：Hzpy(“驽一孥”)，输出：“NYN”

5 小结

通过这种方法计算汉字对应声母，其中一级字库近7000个汉字，只需要通过条件判断语句即可计算出来，二级字库3000多个汉字通过预编码，直接一一对应产生。与过去通过一个汉字对应一个字符的方式相比，这种方法不需要专门的数据文件进行存储，不仅大大提高了计算速度，而且十分容易在不同的开发语言中进行移植，具有非常显著的实用性。

参考文献：

[1]规范. GB2312-80《信息交换用汉字编码字符集 基本集》[S]. 北京: 中国标准出版,2003。

[2]葛季栋等. 利用数据字典创建维护数据库基表[J]. 北京: 微型机与应用,2002。

[3]美Jason Price Mike Gunderloy.《Visual C#.NET 从入门到精通》[M]. 北京: 电子工业出版社,2003。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。