用于匹配拼音的正则表达式

Question

我正在寻找能够正确匹配有效拼音的正则表达式（例如“sheng”，“sou”（同时忽略无效的拼音，例如“shong”，“sei”）。大多数正则表达式提供在顶部在某些情况下，Google搜索结果与无效拼音匹配。

显然，无论采用何种方法，这将是一个怪物正则表达式，我对解决这个问题可以采取的不同方法特别感兴趣。例如，“Optimizing a regular expression to parse chinese pinyin”使用了回溯。

可在此处找到有效拼音表： http://pinyin.info/rules/initials_finals.html

Answer 1

我去了一个正则表达式，用拼音的首字母（通常是第一个字母）分组较小的正则表达式。所以，第一组包括所有“b”，“p”和“m”声音，然后是“f”，然后是“d”和“t”等。

这种方法似乎易于阅读，并且应该易于编辑（如果需要更正或添加）。我还为群体的乞讨添加了例外以提高可读性。

([mM]iu|[pmPM]ou|[bpmBPM](o|e(i|ng?)?|a(ng?|i|o)?|i(e|ng?|a[no])?|u))|
([fF](ou?|[ae](ng?|i)?|u))|([dD](e(i|ng?)|i(a[on]?|u))|
[dtDT](a(i|ng?|o)?|e(i|ng)?|i(a[on]?|e|ng|u)?|o(ng?|u)|u(o|i|an?|n)?))|
([nN]eng?|[lnLN](a(i|ng?|o)?|e(i|ng)?|i(ang|a[on]?|e|ng?|u)?|o(ng?|u)|u(o|i|an?|n)?|ve?))|
([ghkGHK](a(i|ng?|o)?|e(i|ng?)?|o(u|ng)|u(a(i|ng?)?|i|n|o)?))|
([zZ]h?ei|[czCZ]h?(e(ng?)?|o(ng?|u)?|ao|u?a(i|ng?)?|u?(o|i|n)?))|
([sS]ong|[sS]hua(i|ng?)?|[sS]hei|[sS][h]?(a(i|ng?|o)?|en?g?|ou|u(a?n|o|i)?|i))|
([rR]([ae]ng?|i|e|ao|ou|ong|u[oin]|ua?n?))|
([jqxJQX](i(a(o|ng?)?|[eu]|ong|ng?)?|u(e|a?n)?))|
(([aA](i|o|ng?)?|[oO]u?|[eE](i|ng?|r)?))|
([wW](a(i|ng?)?|o|e(i|ng?)?|u))|
[yY](a(o|ng?)?|e|in?g?|o(u|ng)?|u(e|a?n)?)

这是我创建的Debuggex example。

Answer 2

我会使用不仅仅是正则表达式的组合方法。

检查有效的拼音：

1. 抓住词语

2. 只要它们是辅音，就从单词的开头抓取字母。这将初始声音与最终声音分开。

3. 检查初始和最终是否有效......

4. ...如果是这样，看看是否允许他们的组合（通过像this这样的表，但条目只是1和0）。