论文部分内容阅读
摘要：提出了自动计算汉字对应声母编码的概念，分析了基于汉字ASCII码和汉字字符编码国标GB2312-80规则的具体实现思路及算法，并介绍了实现该算法的主要程序段。
关键词：数据字典；中文信息处理；声母检索；ASCII码
中图法分类号：TP311文献标识码：A 文章编号：1009-3044(2007)15-30803-02
The Method Of Realizing Automatic Calculating The Corresponding Initial Consonant Of Chinese Character
ZHU Kai-mei,TAN Peng
(Institute of Science & Technical Information of Yunnan, Kunming 650051, China）
Abstract:Have brought forward the concept of calculating the corresponding initial consonant of Chinese character voluntarily , have analysed the realizing thought and algorithm based on the Chinese character ASCII code and the Chinese character code national standard GB2312-80 regulation, have introduced main program section of realizing the algorithm.
Key words:Data dictionary;Chinese information processing;Search of initial consonant;ASCII code
1 引言
应用系统中涉及大量数据字典的检索问题，数据字典检索一般方式包括：按编码检索、按汉字检索、按汉字拼音声母检索和直接列表选择等方式。其中，按汉字拼音声母进行检索具有易用、方便的特点，与使用编码检索方式比较具有易记忆的优点，与使用汉字检索方式比较具有输入简单、方便、快捷的优点，是一种符合汉语使用习惯的较综合性、折中的字典检索方式。要使用汉字拼音声母进行字典检索，关键问题是需要在建立数据字典时，根据用户输入的中文信息自动计算出对应的声母，即自动进行汉字对应声母的编码，以透明的方式提供这一转换过程。
2 实现思路
2.1计算汉字的ASCII码
汉字字符在操作环境下是以Unicode双字节编码方式存在，每个汉字字符对应一个整数，在C# 中已经没有直接计算汉字ASCII码的函数，需要通过利用Encoding类的GetBytes进行间接计算：如下：
Byte[] b=Encoding.Default.GetBytes(“啊”)
b[0]: 176
b[1]: 161
int i=b[0]*256+b[1]-65536
2.2根据汉字字符编码国标GB2312-80规则确定ASCII码对应的声母
GB2312-80《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。
一级字计算根据汉字ASCII码值可以方便地计算出来：其中
声母A对应ASCII码范围是：-20319至-20284
声母B对应ASCII码范围是：-19775 至-19219
……
声母Z对应ASCII码范围是：-11055 至-10247
二级字计算通过编码为固定的声母字符串，当汉字ASCII码值>-10079时，通过对应字符串获取。
3 实现方法
3.1 定义
引用命名空间：System.Text
定义类：Encoding
自定义方法：
（1）计算字符ASCII值函数：Asc
参数：pStr, 字符串型
返回值：Int，字符的ASC码
（2）计算汉字声母函数：Hzpy
参数：pStr，字符串型
返回值：String, 转换后的汉字声母字符串
3.2 算法流程图
3.3 算法描述
（1）判断输入参数字符串是否为空，若为空，则结束。
（2）初始化局部变量。
（3）使用For循环，逐字符进行计算。
（4）利用Asc函数计算当前字符的ASCII码。
（5）根据ASCII值分别计算字符的声母，其中：ASCII值在-10247到-20319，属于一级字库，按拼音顺序排列，可以通过判定值直接得到声母；ASCII值大于0，则取字母“A”到“Z”；ASCII值在0到-10079之间，则从预定义的声母表中获取。
3.4 主要程序段
//计算字符串首字符的ASCII码值
public int Asc(string pStr)
{ int _i=0;
if (pStr.Length > 0)
{ string _s = pStr.Substring (0,1);//取首字符
byte[] _b = System.Text.Encoding.Default.GetBytes (_s); //计算字符的Unicode码
if (_b.Length == 1)
_i = _b[0]; //西文ASCII
else
_i = _b[0]*256+_b[1]-65536; //汉字ASCII-65536 }
return _i; }
//计算字符串对应的声母
public string Hzpy(string pStr)
{ if (pStr.Length == 0){ return "" ;}//参数是空串
string sResult = ""; //定义返回字符串变量
int t; //字符的Ascii码
string gH0="";
gH0 = InputAscii2();//从文件中加载二级字库汉字声母表
pStr = pStr.ToUpper ();
for (int i = 0 ; i < pStr.Length; i++)
{ t = Asc(pStr.Substring (i, 1));
if (t < 0)
{ if ( t >= -10079) //计算二级字库汉字声母
if (gH0.Length > 10079+t)
sResult = sResult + gH0.Substring (10079 + t,1);
else
sResult = sResult + " ";
else //计算一级字库汉字声母
{ if (t>=-20319 && t<=-20284) sResult = sResult + "A";
else if (t>=-20283 && t<=-19776) sResult = sResult + "B";
else if (t>=-19775 && t<=-19219) sResult = sResult + "C";
else if (t>=-19218 && t<=-18711) sResult = sResult + "D";
else if (t>=-18710 && t<=-18527) sResult = sResult + "E";
else if (t>=-18526 && t<=-18240) sResult = sResult + "F";
else if (t>=-18239 && t<=-17923) sResult = sResult + "G";
else if (t>=-17922 && t<=-17418) sResult = sResult + "H";
else if (t>=-17417 && t<=-16475) sResult = sResult + "J";
else if (t>=-16474 && t<=-16213) sResult = sResult + "K";
else if (t>=-16212 && t<=-15641) sResult = sResult + "L";
else if (t>=-15640 && t<=-15166) sResult = sResult + "M";
else if (t>=-15165 && t<=-14923) sResult = sResult + "N";
else if (t>=-14922 && t<=-14915) sResult = sResult + "O";
else if (t>=-14914 && t<=-14631) sResult = sResult + "P";
else if (t>=-14630 && t<=-14150) sResult = sResult + "Q";
else if (t>=-14149 && t<=-14091) sResult = sResult + "R";
else if (t>=-14090 && t<=-13319) sResult = sResult + "S";
else if (t>=-13318 && t<=-12839) sResult = sResult + "T";
else if (t>=-12838 && t<=-12557) sResult = sResult + "W";
else if (t>=-12556 && t<=-12081) sResult = sResult + "X";
else if (t==-12080) sResult = sResult + "H";
else if (t>=-12079 && t<=-11848) sResult = sResult + "X";
else if (t>=-11847 && t<=-11056) sResult = sResult + "Y";
else if (t>=-11055 && t<=-10247) sResult = sResult + "Z";
}}
else //字母和数字
{ if (t>=65 && t<=90|| t>=48 && t<=57)
sResult = sResult + pStr.Substring (i, 1); } }
return sResult; }
4 实现结果
输入：Hzpy(“ab”) , 输出：“AB“
输入：Hzpy(“我们”)，输出：“WM”
输入：Hzpy(“驽一孥”)，输出：“NYN”
5 小结
通过这种方法计算汉字对应声母，其中一级字库近7000个汉字，只需要通过条件判断语句即可计算出来，二级字库3000多个汉字通过预编码，直接一一对应产生。与过去通过一个汉字对应一个字符的方式相比，这种方法不需要专门的数据文件进行存储，不仅大大提高了计算速度，而且十分容易在不同的开发语言中进行移植，具有非常显著的实用性。
参考文献：
[1]规范. GB2312-80《信息交换用汉字编码字符集 基本集》[S]. 北京: 中国标准出版,2003。
[2]葛季栋等. 利用数据字典创建维护数据库基表[J]. 北京: 微型机与应用,2002。
[3]美Jason Price Mike Gunderloy.《Visual C#.NET 从入门到精通》[M]. 北京: 电子工业出版社,2003。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
关键词：数据字典；中文信息处理；声母检索；ASCII码
中图法分类号：TP311文献标识码：A 文章编号：1009-3044(2007)15-30803-02
The Method Of Realizing Automatic Calculating The Corresponding Initial Consonant Of Chinese Character
ZHU Kai-mei,TAN Peng
(Institute of Science & Technical Information of Yunnan, Kunming 650051, China）
Abstract:Have brought forward the concept of calculating the corresponding initial consonant of Chinese character voluntarily , have analysed the realizing thought and algorithm based on the Chinese character ASCII code and the Chinese character code national standard GB2312-80 regulation, have introduced main program section of realizing the algorithm.
Key words:Data dictionary;Chinese information processing;Search of initial consonant;ASCII code
1 引言
应用系统中涉及大量数据字典的检索问题，数据字典检索一般方式包括：按编码检索、按汉字检索、按汉字拼音声母检索和直接列表选择等方式。其中，按汉字拼音声母进行检索具有易用、方便的特点，与使用编码检索方式比较具有易记忆的优点，与使用汉字检索方式比较具有输入简单、方便、快捷的优点，是一种符合汉语使用习惯的较综合性、折中的字典检索方式。要使用汉字拼音声母进行字典检索，关键问题是需要在建立数据字典时，根据用户输入的中文信息自动计算出对应的声母，即自动进行汉字对应声母的编码，以透明的方式提供这一转换过程。
2 实现思路
2.1计算汉字的ASCII码
汉字字符在操作环境下是以Unicode双字节编码方式存在，每个汉字字符对应一个整数，在C# 中已经没有直接计算汉字ASCII码的函数，需要通过利用Encoding类的GetBytes进行间接计算：如下：
Byte[] b=Encoding.Default.GetBytes(“啊”)
b[0]: 176
b[1]: 161
int i=b[0]*256+b[1]-65536
2.2根据汉字字符编码国标GB2312-80规则确定ASCII码对应的声母
GB2312-80《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。
一级字计算根据汉字ASCII码值可以方便地计算出来：其中
声母A对应ASCII码范围是：-20319至-20284
声母B对应ASCII码范围是：-19775 至-19219
……
声母Z对应ASCII码范围是：-11055 至-10247
二级字计算通过编码为固定的声母字符串，当汉字ASCII码值>-10079时，通过对应字符串获取。
3 实现方法
3.1 定义
引用命名空间：System.Text
定义类：Encoding
自定义方法：
（1）计算字符ASCII值函数：Asc
参数：pStr, 字符串型
返回值：Int，字符的ASC码
（2）计算汉字声母函数：Hzpy
参数：pStr，字符串型
返回值：String, 转换后的汉字声母字符串
3.2 算法流程图
3.3 算法描述
（1）判断输入参数字符串是否为空，若为空，则结束。
（2）初始化局部变量。
（3）使用For循环，逐字符进行计算。
（4）利用Asc函数计算当前字符的ASCII码。
（5）根据ASCII值分别计算字符的声母，其中：ASCII值在-10247到-20319，属于一级字库，按拼音顺序排列，可以通过判定值直接得到声母；ASCII值大于0，则取字母“A”到“Z”；ASCII值在0到-10079之间，则从预定义的声母表中获取。
3.4 主要程序段
//计算字符串首字符的ASCII码值
public int Asc(string pStr)
{ int _i=0;
if (pStr.Length > 0)
{ string _s = pStr.Substring (0,1);//取首字符
byte[] _b = System.Text.Encoding.Default.GetBytes (_s); //计算字符的Unicode码
if (_b.Length == 1)
_i = _b[0]; //西文ASCII
else
_i = _b[0]*256+_b[1]-65536; //汉字ASCII-65536 }
return _i; }
//计算字符串对应的声母
public string Hzpy(string pStr)
{ if (pStr.Length == 0){ return "" ;}//参数是空串
string sResult = ""; //定义返回字符串变量
int t; //字符的Ascii码
string gH0="";
gH0 = InputAscii2();//从文件中加载二级字库汉字声母表
pStr = pStr.ToUpper ();
for (int i = 0 ; i < pStr.Length; i++)
{ t = Asc(pStr.Substring (i, 1));
if (t < 0)
{ if ( t >= -10079) //计算二级字库汉字声母
if (gH0.Length > 10079+t)
sResult = sResult + gH0.Substring (10079 + t,1);
else
sResult = sResult + " ";
else //计算一级字库汉字声母
{ if (t>=-20319 && t<=-20284) sResult = sResult + "A";
else if (t>=-20283 && t<=-19776) sResult = sResult + "B";
else if (t>=-19775 && t<=-19219) sResult = sResult + "C";
else if (t>=-19218 && t<=-18711) sResult = sResult + "D";
else if (t>=-18710 && t<=-18527) sResult = sResult + "E";
else if (t>=-18526 && t<=-18240) sResult = sResult + "F";
else if (t>=-18239 && t<=-17923) sResult = sResult + "G";
else if (t>=-17922 && t<=-17418) sResult = sResult + "H";
else if (t>=-17417 && t<=-16475) sResult = sResult + "J";
else if (t>=-16474 && t<=-16213) sResult = sResult + "K";
else if (t>=-16212 && t<=-15641) sResult = sResult + "L";
else if (t>=-15640 && t<=-15166) sResult = sResult + "M";
else if (t>=-15165 && t<=-14923) sResult = sResult + "N";
else if (t>=-14922 && t<=-14915) sResult = sResult + "O";
else if (t>=-14914 && t<=-14631) sResult = sResult + "P";
else if (t>=-14630 && t<=-14150) sResult = sResult + "Q";
else if (t>=-14149 && t<=-14091) sResult = sResult + "R";
else if (t>=-14090 && t<=-13319) sResult = sResult + "S";
else if (t>=-13318 && t<=-12839) sResult = sResult + "T";
else if (t>=-12838 && t<=-12557) sResult = sResult + "W";
else if (t>=-12556 && t<=-12081) sResult = sResult + "X";
else if (t==-12080) sResult = sResult + "H";
else if (t>=-12079 && t<=-11848) sResult = sResult + "X";
else if (t>=-11847 && t<=-11056) sResult = sResult + "Y";
else if (t>=-11055 && t<=-10247) sResult = sResult + "Z";
}}
else //字母和数字
{ if (t>=65 && t<=90|| t>=48 && t<=57)
sResult = sResult + pStr.Substring (i, 1); } }
return sResult; }
4 实现结果
输入：Hzpy(“ab”) , 输出：“AB“
输入：Hzpy(“我们”)，输出：“WM”
输入：Hzpy(“驽一孥”)，输出：“NYN”
5 小结
通过这种方法计算汉字对应声母，其中一级字库近7000个汉字，只需要通过条件判断语句即可计算出来，二级字库3000多个汉字通过预编码，直接一一对应产生。与过去通过一个汉字对应一个字符的方式相比，这种方法不需要专门的数据文件进行存储，不仅大大提高了计算速度，而且十分容易在不同的开发语言中进行移植，具有非常显著的实用性。
参考文献：
[1]规范. GB2312-80《信息交换用汉字编码字符集 基本集》[S]. 北京: 中国标准出版,2003。
[2]葛季栋等. 利用数据字典创建维护数据库基表[J]. 北京: 微型机与应用,2002。
[3]美Jason Price Mike Gunderloy.《Visual C#.NET 从入门到精通》[M]. 北京: 电子工业出版社,2003。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。