拼音和谐音字解决方案

【#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！



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 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

本文来源：https://www.wddqxz.cn/7a02a9365aeef8c75fbfc77da26925c52cc591dd.html