最近由于项目需要，对简体中文转拼音的算法作了一些了解，然而在google找到的大多是获得简体中文拼音首字母的算法，好不容易让我找到了一个sunrise.spell的类，专门用于中文转完整拼音，觉得的确做得不错，于是对它的算法作了一些分析，总的来说觉得还是比较简单的，拿出来与大家分享。
我们先来学习一些准备知识。GB2312编码对于我们中国人是再熟悉不过了，我先简单的分析一下它的编码规则。GB2312编码包括符号、数字、字母、日文、制表符等，当然最主要的部分还是中文，它采用16位编码方式，简体中文的编码范围从B0A1一直到F7FE，完整编码表可以参考http://ash.jp/code/cn/gb2312tbl.htm。如果我们把该编码的每8位用十进制来表示就是[176 | 161]到[247 | 254]，这样对于每个中文字符，我们都可以通过两个值来表示它，如“啊”就是[176 | 161]，“我”则是[206 | 210]。
通过上面的方法，我们就可以通过一个二维坐标对每一个中文字进行定位，从而建立一个二维表来实现中文和拼音的对应关系。当然我们会忽略一些特殊情况，比如汉字的多音字问题。由于一个拼音可能对应多个汉字，而拼音的组合本来就不多，因此我们首先建立一个拼音音节表，代码如下，里面列出了所有可能的组合情况，该表是一维数组。
readonly
static
string
[] _spellMusicCode
=
new
string
[]{
"
a
"
,
"
ai
"
,
"
an
"
,
"
ang
"
,
"
ao
"
,
"
ba
"
,
"
bai
"
,
"
ban
"
,
"
bang
"
,
"
bao
"
,
"
bei
"
,
"
ben
"
,
"
beng
"
,
"
bi
"
,
"
bian
"
,
"
biao
"
,
"
bie
"
,
"
bin
"
,
"
bing
"
,
"
bo
"
,
"
bu
"
,
"
ca
"
,
"
cai
"
,
"
can
"
,
"
cang
"
,
"
cao
"
,
"
ce
"
,
"
ceng
"
,
"
cha
"
,
"
chai
"
,
"
chan
"
,
"
chang
"
,
"
chao
"
,
"
che
"
,
"
chen
"
,
"
cheng
"
,
"
chi
"
,
"
chong
"
,
"
chou
"
,
"
chu
"
,
"
chuai
"
,
"
chuan
"
,
"
chuang
"
,
"
chui
"
,
"
chun
"
,
"
chuo
"
,
"
ci
"
,
"
cong
"
,
"
cou
"
,
"
cu
"
,
"
cuan
"
,
"
cui
"
,
"
cun
"
,
"
cuo
"
,
"
da
"
,
"
dai
"
,
"
dan
"
,
"
dang
"
,
"
dao
"
,
"
de
"
,
"
deng
"
,
"
di
"
,
"
dian
"
,
"
diao
"
,
"
die
"
,
"
ding
"
,
"
diu
"
,
"
dong
"
,
"
dou
"
,
"
du
"
,
"
duan
"
,
"
dui
"
,
"
dun
"
,
"
duo
"
,
"
e
"
,
"
en
"
,
"
er
"
,
"
fa
"
,
"
fan
"
,
"
fang
"
,
"
fei
"
,
"
fen
"
,
"
feng
"
,
"
fu
"
,
"
fou
"
,
"
ga
"
,
"
gai
"
,
"
gan
"
,
"
gang
"
,
"
gao
"
,
"
ge
"
,
"
ji
"
,
"
gen
"
,
"
geng
"
,
"
gong
"
,
"
gou
"
,
"
gu
"
,
"
gua
"
,
"
guai
"
,
"
guan
"
,
"
guang
"
,
"
gui
"
,
"
gun
"
,
"
guo
"
,
"
ha
"
,
"
hai
"
,
"
han
"
,
"
hang
"
,
"
hao
"
,
"
he
"
,
"
hei
"
,
"
hen
"
,
"
heng
"
,
"
hong
"
,
"
hou
"
,
"
hu
"
,
"
hua
"
,
"
huai
"
,
"
huan
"
,
"
huang
"
,
"
hui
"
,
"
hun
"
,
"
huo
"
,
"
jia
"
,
"
jian
"
,
"
jiang
"
,
"
qiao
"
,
"
jiao
"
,
"
jie
"
,
"
jin
"
,
"
jing
"
,
"
jiong
"
,
"
jiu
"
,
"
ju
"
,
"
juan
"
,
"
jue
"
,
"
jun
"
,
"
ka
"
,
"
kai
"
,
"
kan
"
,
"
kang
"
,
"
kao
"
,
"
ke
"
,
"
ken
"
,
"
keng
"
,
"
kong
"
,
"
kou
"
,
"
ku
"
,
"
kua
"
,
"
kuai
"
,
"
kuan
"
,
"
kuang
"
,
"
kui
"
,
"
kun
"
,
"
kuo
"
,
"
la
"
,
"
lai
"
,
"
lan
"
,
"
lang
"
,
"
lao
"
,
"
le
"
,
"
lei
"
,
"
leng
"
,
"
li
"
,
"
lia
"
,
"
lian
"
,
"
liang
"
,
"
liao
"
,
"
lie
"
,
"
lin
"
,
"
ling
"
,
"
liu
"
,
"
long
"
,
"
lou
"
,
"
lu
"
,
"
luan
"
,
"
lue
"
,
"
lun
"
,
"
luo
"
,
"
ma
"
,
"
mai
"
,
"
man
"
,
"
mang
"
,
"
mao
"
,
"
me
"
,
"
mei
"
,
"
men
"
,
"
meng
"
,
"
mi
"
,
"
mian
"
,
"
miao
"
,
"
mie
"
,
"
min
"
,
"
ming
"
,
"
miu
"
,
"
mo
"
,
"
mou
"
,
"
mu
"
,
"
na
"
,
"
nai
"
,
"
nan
"
,
"
nang
"
,
"
nao
"
,
"
ne
"
,
"
nei
"
,
"
nen
"
,
"
neng
"
,
"
ni
"
,
"
nian
"
,
"
niang
"
,
"
niao
"
,
"
nie
"
,
"
nin
"
,
"
ning
"
,
"
niu
"
,
"
nong
"
,
"
nu
"
,
"
nuan
"
,
"
nue
"
,
"
yao
"
,
"
nuo
"
,
"
o
"
,
"
ou
"
,
"
pa
"
,
"
pai
"
,
"
pan
"
,
"
pang
"
,
"
pao
"
,
"
pei
"
,
"
pen
"
,
"
peng
"
,
"
pi
"
,
"
pian
"
,
"
piao
"
,
"
pie
"
,
"
pin
"
,
"
ping
"
,
"
po
"
,
"
pou
"
,
"
pu
"
,
"
qi
"
,
"
qia
"
,
"
qian
"
,
"
qiang
"
,
"
qie
"
,
"
qin
"
,
"
qing
"
,
"
qiong
"
,
"
qiu
"
,
"
qu
"
,
"
quan
"
,
"
que
"
,
"
qun
"
,
"
ran
"
,
"
rang
"
,
"
rao
"
,
"
re
"
,
"
ren
"
,
"
reng
"
,
"
ri
"
,
"
rong
"
,
"
rou
"
,
"
ru
"
,
"
ruan
"
,
"
rui
"
,
"
run
"
,
"
ruo
"
,
"
sa
"
,
"
sai
"
,
"
san
"
,
"
sang
"
,
"
sao
"
,
"
se
"
,
"
sen
"
,
"
seng
"
,
"
sha
"
,
"
shai
"
,
"
shan
"
,
"
shang
"
,
"
shao
"
,
"
she
"
,
"
shen
"
,
"
sheng
"
,
"
shi
"
,
"
shou
"
,
"
shu
"
,
"
shua
"
,
"
shuai
"
,
"
shuan
"
,
"
shuang
"
,
"
shui
"
,
"
shun
"
,
"
shuo
"
,
"
si
"
,
"
song
"
,
"
sou
"
,
"
su
"
,
"
suan
"
,
"
sui
"
,
"
sun
"
,
"
suo
"
,
"
ta
"
,
"
tai
"
,
"
tan
"
,
"
tang
"
,
"
tao
"
,
"
te
"
,
"
teng
"
,
"
ti
"
,
"
tian
"
,
"
tiao
"
,
"
tie
"
,
"
ting
"
,
"
tong
"
,
"
tou
"
,
"
tu
"
,
"
tuan
"
,
"
tui
"
,
"
tun
"
,
"
tuo
"
,
"
wa
"
,
"
wai
"
,
"
wan
"
,
"
wang
"
,
"
wei
"
,
"
wen
"
,
"
weng
"
,
"
wo
"
,
"
wu
"
,
"
xi
"
,
"
xia
"
,
"
xian
"
,
"
xiang
"
,
"
xiao
"
,
"
xie
"
,
"
xin
"
,
"
xing
"
,
"
xiong
"
,
"
xiu
"
,
"
xu
"
,
"
xuan
"
,
"
xue
"
,
"
xun
"
,
"
ya
"
,
"
yan
"
,
"
yang
"
,
"
ye
"
,
"
yi
"
,
"
yin
"
,
"
ying
"
,
"
yo
"
,
"
yong
"
,
"
you
"
,
"
yu
"
,
"
yuan
"
,
"
yue
"
,
"
yun
"
,
"
za
"
,
"
zai
"
,
"
zan
"
,
"
zang
"
,
"
zao
"
,
"
ze
"
,
"
zei
"
,
"
zen
"
,
"
zeng
"
,
"
zha
"
,
"
zhai
"
,
"
zhan
"
,
"
zhang
"
,
"
zhao
"
,
"
zhe
"
,
"
zhen
"
,
"
zheng
"
,
"
zhi
"
,
"
zhong
"
,
"
zhou
"
,
"
zhu
"
,
"
zhua
"
,
"
zhuai
"
,
"
zhuan
"
,
"
zhuang
"
,
"
zhui
"
,
"
zhun
"
,
"
zhuo
"
,
"
zi
"
,
"
zong
"
,
"
zou
"
,
"
zu
"
,
"
zuan
"
,
"
zui
"
,
"
zun
"
,
"
zuo
"
,
""
,
"
ei
"
,
"
m
"
,
"
n
"
,
"
dia
"
,
"
cen
"
,
"
nou
"
,
"
jv
"
,
"
qv
"
,
"
xv
"
,
"
lv
"
,
"
nv
"
};
在上面提到的二维表中，我们会保存音节表的索引值，来对应一个音节组合，如bao
，而不是直接把音节组合保存在二维数组中，这样可以有效减少内存消耗。因此，二位数组中的所有值都应该是索引值，如数组元素[176][161]
对应的应该是ａ的索引值０。值得注意的是由于ＧＢ２３１２对应的字符量比较大，而且半角字符不需要做转换，sunrise
的类把其中的半角部分全部省略掉了，因此它的实际值是从[129 | 64]
开始的，即8140
开始的。
至此，我已经把原理解释了一遍，可能不是很容易理解，下面我们来举个例子说明一下程序流程。
首先输入汉字“我”，首先程序初始化一个GB2312编码对象
System.Text.Encoding encoding = System.Text.Encoding.GetEncoding("GB2312");
然后通过该对象获得“我”的编码数组
byte[] local = encoding.GetBytes(“我”);
local中的值应该是local[0]=206; local[1]=210
假设我们的二维数组叫_spellCodeIndex那么我们就通过_spellCodeIndex[local[0]－129,local[1]-64]获得“我”对应的拼音音节索引值，即327
再查音节组合表，得索引327对应的是＂ｗｏ＂，这样就完成了中文到拼音的转换
完整c#类可以在这里下载。
