将中文拼音转换为数字形式

Question

我正在寻找将音调标记用重音（例如：Nínhǎo）写成拼音的拼音，用数字/ ASCII形式写成的拼音（例如：Nin2 hao1）。

有没有人知道任何库，最好是PHP？或者对中文/拼音有充分的评论意见？

我自己开始写一篇相当简单的文章，但我不会说中文，也不完全理解文字应该用空格分开的规则。

我能够编写一个转换器来翻译：

Nín hǎo. Wǒ shì zhōng guó rén ==＆gt; Nin2 hao3. Wo3 shi4 zhong1 guo2 ren2

但是你如何处理如下的单词 - 他们是否将空格分成多个单词，或者你是否插入单词中的音调数字（如果是这样，在哪里？）： huā shíjiān，wèishénme，yuèláiyuè，shēngbìng等。

Answer 1

解析拼音而没有空格分隔每个单词的问题是会有歧义。以中国古代都城长安的名称为例：Cháng'ān（注意消歧的撇号）。如果我们删除撇号，但可以通过两种方式解释：Chán gān或Cháng ān。一个中国人会告诉你，第二个更可能，取决于当然的背景，但你的计算机无法做到这一点。

假设没有歧义，并且所有输入都是有效的，我会这样做的方式如下：

1. 创建重音折叠功能
2. 创建一个有效拼音数组（你应该从维基百科页面获取拼音）
3. 将每个单词与有效拼音列表相匹配
4. 如果对最后一个字符属于下一个单词的可能性存在歧义，请检查下一个单词，例如：
 

 shēngbìng
     ^ Does this 'g' belong to the next word?
 

无论如何，音调的数字表示的正确定位以及代表每个重音的正确数字在Wikipeda关于拼音的文章的这一部分中得到了很好的阐述：http://en.wikipedia.org/wiki/Pinyin#Numerals_in_place_of_tone_marks。您可能还想了解IMEs如何完成工作。

Answer 2

间距应该保持不变，但是你的音调编号不正确。 Nin2 hao3。 Wo3 shi4 zhong1 guo2 ren2。

wèishénme成为wei4shen2me。

1. 通过将“āáǎà”映射到“a”等来删除变音符号
2. 使用简单的最大匹配算法，将化合物分成音节（普通话音节只有418个左右）。
3. 附加数字（你必须记住你删除了哪种标记）并将音节重新加入到复合词中。