天天看点
返回

C#获取汉字拼音或首字母

C#获取汉字拼音或首字母

获取汉字拼音

直接上代码

/// <summary>
/// 在指定的字符串列表CnStr中检索符合拼音索引字符串
/// </summary>
/// <param name="CnStr">汉字字符串</param>
/// <returns>相对应的汉语拼音首字母串</returns>
public static string GetSpellCode(string CnStr)
{
  string strTemp = "";
  int iLen = CnStr.Length;
  int i = 0;

  for (i = 0; i <= iLen - 1; i++)
  {
    strTemp += GetCharSpellCode(CnStr.Substring(i, 1));
    break;
  }
  return strTemp;

}

/// <summary>
/// 得到一个汉字的拼音第一个字母，如果是一个英文字母则直接返回大写字母
/// </summary>
/// <param name="CnChar">单个汉字</param>
/// <returns>单个大写字母</returns>
private static string GetCharSpellCode(string CnChar)
{
  long iCnChar;
  byte[] ZW = System.Text.Encoding.Default.GetBytes(CnChar);
  //如果是字母，则直接返回首字母
  if (ZW.Length == 1)
  {
    return CommonMethod.CutString(CnChar.ToUpper(),1);
  }
  else
  {
    // get the array of byte from the single char
    int i1 = (short)(ZW[0]);
    int i2 = (short)(ZW[1]);
    iCnChar = i1 * 256 + i2;
  }

  // iCnChar match the constant
  if ((iCnChar >= 45217) && (iCnChar <= 45252))
  {
    return "A";
  }

  else if ((iCnChar >= 45253) && (iCnChar <= 45760))
  {
    return "B";
  }
  else if ((iCnChar >= 45761) && (iCnChar <= 46317))
  {
    return "C";
  }
  else if ((iCnChar >= 46318) && (iCnChar <= 46825))
  {
    return "D";
  }
  else if ((iCnChar >= 46826) && (iCnChar <= 47009))
  {
    return "E";
  }
  else if ((iCnChar >= 47010) && (iCnChar <= 47296))
  {
    return "F";
  }
  else if ((iCnChar >= 47297) && (iCnChar <= 47613))
  {
    return "G";
  }
  else if ((iCnChar >= 47614) && (iCnChar <= 48118))
  {
    return "H";
  }
  else if ((iCnChar >= 48119) && (iCnChar <= 49061))
  {
    return "J";
  }
  else if ((iCnChar >= 49062) && (iCnChar <= 49323))
  {
    return "K";
  }
  else if ((iCnChar >= 49324) && (iCnChar <= 49895))
  {
    return "L";
  }
  else if ((iCnChar >= 49896) && (iCnChar <= 50370))
  {
    return "M";
  }
  else if ((iCnChar >= 50371) && (iCnChar <= 50613))
  {
    return "N";
  }
  else if ((iCnChar >= 50614) && (iCnChar <= 50621))
  {
    return "O";
  }
  else if ((iCnChar >= 50622) && (iCnChar <= 50905))
  {
    return "P";
  }
  else if ((iCnChar >= 50906) && (iCnChar <= 51386))
  {
    return "Q";
  }
  else if ((iCnChar >= 51387) && (iCnChar <= 51445))
  {
    return "R";
  }
  else if ((iCnChar >= 51446) && (iCnChar <= 52217))
  {
    return "S";
  }
  else if ((iCnChar >= 52218) && (iCnChar <= 52697))
  {
    return "T";
  }
  else if ((iCnChar >= 52698) && (iCnChar <= 52979))
  {
    return "W";
  }
  else if ((iCnChar >= 52980) && (iCnChar <= 53640))
  {
    return "X";
  }
  else if ((iCnChar >= 53689) && (iCnChar <= 54480))
  {
    return "Y";
  }
  else if ((iCnChar >= 54481) && (iCnChar <= 55289))
  {
    return "Z";
  }
  else
    return ("?");

}

截取字符串的方法： 

#region 截取字符长度 static string CutString(string str, int len)
        /// <summary>
        /// 截取字符长度
        /// </summary>
        /// <param name="str">被截取的字符串</param>
        /// <param name="len">所截取的长度</param>
        /// <returns>子字符串</returns>
        public static string CutString(string str, int len)
        {
            if (str == null || str.Length == 0 || len <= 0)
            {
                return string.Empty;
            }

            int l = str.Length;

            #region 计算长度
            int clen = 0;
            while (clen < len && clen < l)
            {
                //每遇到一个中文，则将目标长度减一。
                if ((int)str[clen] > 128) { len--; }
                clen++;
            }
            #endregion

            if (clen < l)
            {
                return str.Substring(0, clen) + "...";
            }
            else
            {
                return str;
            }
        }

        /// <summary>
        /// //截取字符串中文 字母
        /// </summary>
        /// <param name="content">源字符串</param>
        /// <param name="length">截取长度！</param>
        /// <returns></returns>
        public static string SubTrueString(object content, int length)
        {
            string strContent = NoHTML(content.ToString());

            bool isConvert = false;
            int splitLength = 0;
            int currLength = 0;
            int code = 0;
            int chfrom = Convert.ToInt32("4e00", 16);    //范围（0x4e00～0x9fff）转换成int（chfrom～chend）
            int chend = Convert.ToInt32("9fff", 16);
            for (int i = 0; i < strContent.Length; i++)
            {
                code = Char.ConvertToUtf32(strContent, i);
                if (code >= chfrom && code <= chend)
                {
                    currLength += 2; //中文
                }
                else
                {
                    currLength += 1;//非中文
                }
                splitLength = i + 1;
                if (currLength >= length)
                {
                    isConvert = true;
                    break;
                }
            }
            if (isConvert)
            {
                return strContent.Substring(0, splitLength);
            }
            else
            {
                return strContent;
            }
        }

        public static int GetStringLenth(object content)
        {
            string strContent = NoHTML(content.ToString());
            int currLength = 0;
            int code = 0;
            int chfrom = Convert.ToInt32("4e00", 16);    //范围（0x4e00～0x9fff）转换成int（chfrom～chend）
            int chend = Convert.ToInt32("9fff", 16);
            for (int i = 0; i < strContent.Length; i++)
            {
                code = Char.ConvertToUtf32(strContent, i);
                if (code >= chfrom && code <= chend)
                {
                    currLength += 2; //中文
                }
                else
                {
                    currLength += 1;//非中文
                }
               
            }
            return currLength;
        }
#endregion

数据库按照汉字首字母进行排序的方法：

oracle ：

在oracle9i中新增了按照拼音、部首、笔画排序功能。设置NLS_SORT值

SCHINESE_RADICAL_M 按照部首（第一顺序）、笔划（第二顺序）排序

SCHINESE_STROKE_M 按照笔划（第一顺序）、部首（第二顺序）排序

SCHINESE_PINYIN_M 按照拼音排序，系统的默认排序方式为拼音排序

举例如下：

表名为 dept ，其中name字段是中文，下面分别实现按照单位名称的笔划、部首和拼音排序。

//按照笔划排序

select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_STROKE_M');

 //按照部首排序

 select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_RADICAL_M');

//按照拼音排序，此为系统的默认排序方式

select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_PINYIN_M');

sqlserver

select * from table order by name collate Chinese_PRC_CS_AS_KS_WS 

其实在sql2012 中 select * from table order by name asc 效果同上面一样，其它版本未测试

执行结果：select * from Table where cateFid=0 order by cateName collate Chinese_PRC_CS_AS_KS_WS

编码知识补充：

1. ASCII码

我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

2、非ASCII编码

英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。比如，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。中文编码的问题需要专文讨论，这篇笔记不涉及。这里只指出，虽然都是用多个字节表示一个符号，但是GB类的汉字编码与后文的Unicode和UTF-8是毫无关系的。

3.Unicode

正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。

4. Unicode的问题

需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

比如，汉字“严”的unicode是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

这里就有两个严重的问题，第一个问题是，如何才能区别unicode和ascii？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。

它们造成的结果是：1）出现了unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示unicode。2）unicode在很长一段时间内无法推广，直到互联网的出现。

5.UTF-8

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

代码二：用第三方库获取汉字的拼音首字母和全拼 

static void Main(string[] args)
    {
      string[] maxims = new string[]{
        "事常与人违，事总在人为",
        "骏马是跑出来的，强兵是打出来的",
        "驾驭命运的舵是奋斗。不抱有一丝幻想，不放弃一点机会，不停止一日努力。 ",
        "如果惧怕前面跌宕的山岩，生命就永远只能是死水一潭", 
        "懦弱的人只会裹足不前，莽撞的人只能引为烧身，只有真正勇敢的人才能所向披靡"
      };


      string[] medicines = new string[] {
        "聚维酮碘溶液",
        "开塞露",
        "炉甘石洗剂",
        "苯扎氯铵贴",
        "鱼石脂软膏",
        "莫匹罗星软膏",
        "红霉素软膏",
        "氢化可的松软膏",
        "曲安奈德软膏",
        "丁苯羟酸乳膏",
        "双氯芬酸二乙胺乳膏",
        "冻疮膏",
        "克霉唑软膏",
        "特比奈芬软膏",
        "酞丁安软膏",
        "咪康唑软膏、栓剂",
        "甲硝唑栓",
        "复方莪术油栓"
      };

      Console.WriteLine("UTF8句子拼音：");
      foreach (string s in maxims)
      {
        Console.WriteLine("汉字：{0}\n拼音：{1}\n", s, Pinyin.GetPinyin(s));
      }

      Encoding gb2312 = Encoding.GetEncoding("GB2312");
      Console.WriteLine("GB2312拼音简码：");
      foreach (string m in medicines)
      {
        string s = Pinyin.ConvertEncoding(m, Encoding.UTF8, gb2312);
        Console.WriteLine("药品：{0}\n简码：{1}\n", s, Pinyin.GetInitials(s, gb2312));
      }

      Console.ReadKey();
    }

如图：

C#获取汉字拼音或首字母

上面用到的Pinyin这个类库的原代码在：http://code.google.com/p/npinyin/

其实在nuget管理器里搜索 pinying也可以找到其它可有的拼音转换的库

ico 编码方式 字符串
上一篇: 【DP】区间DP入门
下一篇: Doris开发手记1：解决蛋疼的MySQL 8.0连接问题

继续阅读