【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《拼音和谐音字解决方案》，欢迎阅读！
如文档对你有用，请下载支持！
Lucene搜索——拼音、模糊音解决方案
Lucene全文搜索引擎，在我们的使用中已经能很好的解决中文的搜索功能。我们可以方便的利用现在网上比较流行的两种开源lucene中文分词插件“庖丁解牛”和“IKAnalyzer”来实现我们想要的结果。但是在中文拼音和谐音字方面无论是这两个插件还是现在lucene官方的支持都没提供很好的分词器插件和解决方案。
经过大家的一起讨论，最后在拼音和谐音方面准备下面方式来实现该功能。下面我描述一下解决思路和算法，及一些问题。
一．总体思路
a) 建立索引文件：建立索引文件时保存两部分内容，汉字和汉字的拼音，其中
拼音中间要加上空格。例如：成都市天府广场——>cheng du shi tian fu guang chang。索引文件中内容就是
“成都市天府广场 cheng du shi tian fu guang chang ”
对于汉字翻译成带空格的拼音用数据库语法不好实现，我们可以使用java拼音插件。
b) 处理用户输入内容：用户输入的内容分为两种情况 i. 中文汉字：例如：“成都天府”这种情况可以通过“IKAnalyzer“和“庖
丁解牛”完全解决 ii. 同音字：例如“程度天府”不是完全错误时分词器可以通过正确的微量
匹配，同音字的我们就可以把汉字翻译成拼音再进行搜索。“cheng du “ 两个“单词”我们在分词时已经加入到索引中所以是可以搜到的。
iii. 谐音和拼音。(这里是本文档的重点)
1. 拼音
例如输入：chengdutianfuguangchang
也有两种种情况输入很正确和输入拼音中有错误，无论哪种情况我们都必须把这个巨大的字符串给拆分了。 拆分算法：
首先我们要建立一个汉字拼字对照表。 例如：
A Ai An Ang Ao Ba Bai ban bang bao be bei ben Beng bi bia等
将所有的拼音组合都放到一个集合里面，所有的组合并不是非常大。 下面我们进行拆分： 以成都天府广场为例：
******************************************************************** c h e n g d u t i a n f u g u a n g c h a n g c
h che
ng堵 che
chen
gd堵 chen cheng
du
如文档对你有用，请下载支持！
ti
a
an
nf堵 cheng du ti a fu gu a
ng堵 cheng du ti an fu gu a
gua
ng堵 cheng du ti an fu gua guan
gc堵死 cheng du ti an fu guan
tian
fu gu a
ng堵死 cheng du tian fu gu a gua
ng堵死 cheng du tian fu gua guan gc堵死
guang c h cha
ng堵死cheng du tian fu guang cha chan
g堵死 cheng du tian fu guang chan chang cheng du tian fu guang chang ************************************************************************
通过上面分析我们分析到最后找到了一个结果cheng du tian fu guang chang 其他结果都在半路终止了（例子太特殊了只有一种情况），这样我们就把把拼音字符串给拆分了，我们先考虑拼写完全正确的情况，再有拼音书写错误的我们再进一步的进行考虑（可以采用跳过无匹配的字符重新组合）。最后得到拼音分词结果我们再进行搜索。
这样在效率上肯定是不好的。在lucene官方包中中文分词就是将每个字都分开，这在搜索界已经完全否定了这种对中文的分词，于是产生了插件“庖丁解牛”和“IKAnalyzer”等分词方式，
例如“IKAnalyzer”分词：
是一个开源的——>是|一|个|开源|的
这样根据词组减少了分词的数量，分词少了要搜索的少了，自然在搜索时效率就提高了。我们的拼音也是基本的拆分实现后我们再考虑将拼音组成词，来提高效率。
2．谐音拼音和谐音汉字
本文来源：https://www.wddqxz.cn/08dd62baf08583d049649b6648d7c1c709a10bc4.html
2023-03-15
