中文拼音分词

package NaturalLanguageProcessing;import java.util.ArrayList;
/*** 搜索中的分词器有很多种&＃xff0c;包括中文、英文&＃xff0c;一般的网站都会有站内搜索功能&＃xff0c;也就是对用户输入的内容进行处理&＃xff0c;本文对中文的全拼实现了一个分词器&＃xff0c;原理很简单&＃xff0c;就是模式匹配。根据中文全拼的特点&＃xff0c;即声母和韵母配对&＃xff0c;首先列举出所有的声母&＃xff0c;再分别列举出所有声母对应的韵母集&＃xff0c;分词的过程就是遍历匹配的过程。具体代码如下&＃xff1a;* &＃64;author mawei**/
public class ChineseSpellTool {static String result &＃61; "";// 最后要显示的结果private static ArrayList> ym &＃61; new ArrayList>();// 单字集合private static ArrayList sm &＃61; new ArrayList();// 声母集合private static ArrayList yy &＃61; new ArrayList();// 单字集合private static ArrayList ym_b &＃61; new ArrayList();// 声母b的韵母集合private static ArrayList ym_c &＃61; new ArrayList();// 声母c的韵母集合private static ArrayList ym_d &＃61; new ArrayList();// 声母d的韵母集合private static ArrayList ym_f &＃61; new ArrayList();// 声母f的韵母集合private static ArrayList ym_g &＃61; new ArrayList();// 声母g的韵母集合private static ArrayList ym_h &＃61; new ArrayList();// 声母h的韵母集合private static ArrayList ym_j &＃61; new ArrayList();// 声母j的韵母集合private static ArrayList ym_k &＃61; new ArrayList();// 声母k的韵母集合private static ArrayList ym_l &＃61; new ArrayList();// 声母l的韵母集合private static ArrayList ym_m &＃61; new ArrayList();// 声母m的韵母集合private static ArrayList ym_n &＃61; new ArrayList();// 声母n的韵母集合private static ArrayList ym_p &＃61; new ArrayList();// 声母p的韵母集合private static ArrayList ym_q &＃61; new ArrayList();// 声母q的韵母集合private static ArrayList ym_r &＃61; new ArrayList();// 声母r的韵母集合private static ArrayList ym_s &＃61; new ArrayList();// 声母s的韵母集合private static ArrayList ym_t &＃61; new ArrayList();// 声母t的韵母集合private static ArrayList ym_w &＃61; new ArrayList();// 声母w的韵母集合private static ArrayList ym_x &＃61; new ArrayList();// 声母x的韵母集合private static ArrayList ym_y &＃61; new ArrayList();// 声母y的韵母集合private static ArrayList ym_z &＃61; new ArrayList();// 声母z的韵母集合private static ArrayList ym_sh &＃61; new ArrayList();// 声母sh的韵母集合private static ArrayList ym_zh &＃61; new ArrayList();// 声母zh的韵母集合private static ArrayList ym_ch &＃61; new ArrayList();// 声母ch的韵母集合static {sm.add("b");//sm.add("c");sm.add("d");sm.add("f");sm.add("g");sm.add("h");sm.add("j");sm.add("k");sm.add("l");sm.add("m");sm.add("n");sm.add("p");sm.add("q");sm.add("r");sm.add("s");sm.add("t");sm.add("w");sm.add("x");sm.add("y");sm.add("z");sm.add("sh");sm.add("zh");sm.add("ch");yy.add("a");//yy.add("ai");yy.add("an");yy.add("ang");yy.add("ao");yy.add("e");yy.add("en");yy.add("eng");yy.add("er");yy.add("o");yy.add("ou");yy.add("ong");ym_b.add("a");//ym_b.add("ai");ym_b.add("an");ym_b.add("ang");ym_b.add("ao");ym_b.add("ei");ym_b.add("en");ym_b.add("eng");ym_b.add("i");ym_b.add("ian");ym_b.add("iao");ym_b.add("ie");ym_b.add("in");ym_b.add("ing");ym_b.add("o");ym_b.add("u");ym_c.add("a");// cym_c.add("ai");ym_c.add("an");ym_c.add("ang");ym_c.add("ao");ym_c.add("e");ym_c.add("en");ym_c.add("eng");ym_c.add("i");ym_c.add("ong");ym_c.add("ou");ym_c.add("u");ym_c.add("uan");ym_c.add("ui");ym_c.add("un");ym_c.add("uo");ym_d.add("a");// dym_d.add("ai");ym_d.add("an");ym_d.add("ang");ym_d.add("ao");ym_d.add("e");ym_d.add("ei");ym_d.add("en");ym_d.add("eng");ym_d.add("i");ym_d.add("ia");ym_d.add("ian");ym_d.add("iao");ym_d.add("ie");ym_d.add("ing");ym_d.add("iu");ym_d.add("ong");ym_d.add("ou");ym_d.add("u");ym_d.add("uan");ym_d.add("ui");ym_d.add("un");ym_d.add("uo");ym_f.add("a");// fym_f.add("an");ym_f.add("ang");ym_f.add("ei");ym_f.add("en");ym_f.add("eng");ym_f.add("iao");ym_f.add("o");ym_f.add("ou");ym_f.add("u");ym_g.add("a");// gym_g.add("ai");ym_g.add("an");ym_g.add("ang");ym_g.add("ao");ym_g.add("e");ym_g.add("ei");ym_g.add("en");ym_g.add("eng");ym_g.add("ong");ym_g.add("ou");ym_g.add("u");ym_g.add("uai");ym_g.add("uan");ym_g.add("uang");ym_g.add("ui");ym_g.add("un");ym_g.add("uo");ym_h.add("a");// hym_h.add("ai");ym_h.add("an");ym_h.add("ang");ym_h.add("ao");ym_h.add("e");ym_h.add("ei");ym_h.add("en");ym_h.add("eng");ym_h.add("ong");ym_h.add("ou");ym_h.add("u");ym_h.add("ua");ym_h.add("uai");ym_h.add("uan");ym_h.add("uang");ym_h.add("ui");ym_h.add("un");ym_h.add("uo");ym_j.add("i");// jym_j.add("ia");ym_j.add("ian");ym_j.add("iang");ym_j.add("iao");ym_j.add("ie");ym_j.add("in");ym_j.add("ing");ym_j.add("iong");ym_j.add("iu");ym_j.add("u");ym_j.add("uan");ym_j.add("ue");ym_j.add("un");ym_k.add("a");//ym_k.add("ai");ym_k.add("an");ym_k.add("ang");ym_k.add("ao");ym_k.add("e");ym_k.add("en");ym_k.add("eng");ym_k.add("ong");ym_k.add("ou");ym_k.add("u");ym_k.add("ui");ym_k.add("un");ym_k.add("uo");ym_l.add("a");// lym_l.add("ai");ym_l.add("an");ym_l.add("ang");ym_l.add("ao");ym_l.add("e");ym_l.add("ei");ym_l.add("eng");ym_l.add("i");ym_l.add("ia");ym_l.add("ian");ym_l.add("iao");ym_l.add("ie");ym_l.add("in");ym_l.add("ing");ym_l.add("iu");ym_l.add("o");ym_l.add("ong");ym_l.add("ou");ym_l.add("u");ym_l.add("uan");ym_l.add("un");ym_l.add("uo");ym_l.add("v");ym_l.add("ve");ym_m.add("a");// mym_m.add("ai");ym_m.add("an");ym_m.add("ang");ym_m.add("ao");ym_m.add("e");ym_m.add("ei");ym_m.add("en");ym_m.add("eng");ym_m.add("i");ym_m.add("ian");ym_m.add("iao");ym_m.add("ie");ym_m.add("in");ym_m.add("ing");ym_m.add("iu");ym_m.add("o");ym_m.add("ou");ym_m.add("u");ym_n.add("a");// nym_n.add("ai");ym_n.add("an");ym_n.add("ang");ym_n.add("ao");ym_n.add("e");ym_n.add("ei");ym_n.add("en");ym_n.add("eng");ym_n.add("i");ym_n.add("ian");ym_n.add("iang");ym_n.add("iao");ym_n.add("ie");ym_n.add("in");ym_n.add("ing");ym_n.add("iu");ym_n.add("ong");ym_n.add("ou");ym_n.add("u");ym_n.add("uan");ym_n.add("un");ym_n.add("uo");ym_n.add("v");ym_n.add("ve");ym_p.add("a");// pym_p.add("ai");ym_p.add("an");ym_p.add("ang");ym_p.add("ao");ym_p.add("e");ym_p.add("ei");ym_p.add("en");ym_p.add("eng");ym_p.add("i");ym_p.add("ian");ym_p.add("iao");ym_p.add("ie");ym_p.add("in");ym_p.add("ing");ym_p.add("o");ym_p.add("ou");ym_p.add("u");ym_q.add("i");// qym_q.add("ia");ym_q.add("ian");ym_q.add("iang");ym_q.add("iao");ym_q.add("ie");ym_q.add("in");ym_q.add("ing");ym_q.add("iong");ym_q.add("iu");ym_q.add("u");ym_q.add("uan");ym_q.add("ue");ym_q.add("un");ym_r.add("an");// rym_r.add("ang");ym_r.add("ao");ym_r.add("e");ym_r.add("en");ym_r.add("eng");ym_r.add("i");ym_r.add("ong");ym_r.add("ou");ym_r.add("u");ym_r.add("ua");ym_r.add("uan");ym_r.add("ui");ym_r.add("un");ym_r.add("uo");ym_s.add("a");// sym_s.add("ai");ym_s.add("an");ym_s.add("ang");ym_s.add("ao");ym_s.add("e");ym_s.add("en");ym_s.add("eng");ym_s.add("i");ym_s.add("ong");ym_s.add("ou");ym_s.add("u");ym_s.add("uan");ym_s.add("ui");ym_s.add("un");ym_s.add("uo");ym_t.add("a");// tym_t.add("ai");ym_t.add("an");ym_t.add("ang");ym_t.add("ao");ym_t.add("e");ym_t.add("ei");ym_t.add("eng");ym_t.add("i");ym_t.add("ian");ym_t.add("iao");ym_t.add("ie");ym_t.add("ing");ym_t.add("ong");ym_t.add("ou");ym_t.add("u");ym_t.add("uan");ym_t.add("ui");ym_t.add("un");ym_t.add("uo");ym_w.add("a");// wym_w.add("ai");ym_w.add("an");ym_w.add("ang");ym_w.add("ei");ym_w.add("en");ym_w.add("eng");ym_w.add("o");ym_w.add("u");ym_x.add("i");// xym_x.add("ia");ym_x.add("ian");ym_x.add("iang");ym_x.add("iao");ym_x.add("ie");ym_x.add("in");ym_x.add("ing");ym_x.add("iong");ym_x.add("iu");ym_x.add("u");ym_x.add("uan");ym_x.add("ue");ym_x.add("un");ym_y.add("a");// yym_y.add("an");ym_y.add("ang");ym_y.add("ao");ym_y.add("e");ym_y.add("i");ym_y.add("in");ym_y.add("ing");ym_y.add("o");ym_y.add("ong");ym_y.add("ou");ym_y.add("u");ym_y.add("uan");ym_y.add("ue");ym_y.add("un");ym_z.add("a");//ym_z.add("ai");ym_z.add("an");ym_z.add("ang");ym_z.add("ao");ym_z.add("e");ym_z.add("ei");ym_z.add("en");ym_z.add("eng");ym_z.add("i");ym_z.add("ong");ym_z.add("ou");ym_z.add("u");ym_z.add("uan");ym_z.add("ui");ym_z.add("un");ym_z.add("uo");ym_ch.add("a");// chym_ch.add("ai");ym_ch.add("an");ym_ch.add("ang");ym_ch.add("ao");ym_ch.add("e");ym_ch.add("en");ym_ch.add("eng");ym_ch.add("i");ym_ch.add("ong");ym_ch.add("ou");ym_ch.add("u");ym_ch.add("ua");ym_ch.add("uai");ym_ch.add("uan");ym_ch.add("uang");ym_ch.add("ui");ym_ch.add("un");ym_ch.add("uo");ym_sh.add("a");// shym_sh.add("ai");ym_sh.add("an");ym_sh.add("ang");ym_sh.add("ao");ym_sh.add("e");ym_sh.add("ei");ym_sh.add("en");ym_sh.add("eng");ym_sh.add("i");ym_sh.add("ou");ym_sh.add("u");ym_sh.add("ua");ym_sh.add("uai");ym_sh.add("uan");ym_sh.add("uang");ym_sh.add("ui");ym_sh.add("un");ym_sh.add("uo");ym_zh.add("a");// zhym_zh.add("ai");ym_zh.add("an");ym_zh.add("ang");ym_zh.add("ao");ym_zh.add("e");ym_zh.add("ei");ym_zh.add("en");ym_zh.add("eng");ym_zh.add("i");ym_zh.add("ong");ym_zh.add("ou");ym_zh.add("u");ym_zh.add("ua");ym_zh.add("uai");ym_zh.add("uan");ym_zh.add("uang");ym_zh.add("ui");ym_zh.add("un");ym_zh.add("uo");ym.add(yy);ym.add(ym_b);ym.add(ym_c);ym.add(ym_d);ym.add(ym_f);ym.add(ym_g);ym.add(ym_h);ym.add(ym_j);ym.add(ym_k);ym.add(ym_l);ym.add(ym_m);ym.add(ym_n);ym.add(ym_p);ym.add(ym_q);ym.add(ym_r);ym.add(ym_s);ym.add(ym_t);ym.add(ym_w);ym.add(ym_x);ym.add(ym_y);ym.add(ym_z);ym.add(ym_ch);ym.add(ym_sh);ym.add(ym_zh);}public static String findsm(String py) {char[] py2 &＃61; py.toCharArray();// 将读入字符转为char数组int temp &＃61; 0;int index &＃61; 0;//// 遍历声母集合&＃xff0c;匹对for (int i &＃61; 0; i }