將帶有口音的漢語拼音轉換爲數字形式

Question

我期待將帶有重音符號（例如：Nínhǎo）的拼音轉換爲以數字/ ASCII形式（例如：Nin2 hao1）書寫的拼音。

有沒有人知道任何圖書館，最好是PHP？或者熟悉中文/拼音足以發表評論？

我開始自己寫一篇比較簡單的文章，但我不會說中文，也不完全理解單詞分隔時應該怎樣劃分的規則。

我能寫，其轉換譯者：

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

但你如何處理的話像下面這樣 - 他們得到了空間分成多個單詞，或你插嘴的字中的音色編號（如果有，在哪裏？）： huā shíjiān，wèishénme，yuèláiyuè，shēngbìng等

Answer 1

解析拼音時沒有空格分隔每個單詞的問題是會有歧義。例如，以中國古代首都的名字長安：Cháng'ān（注意消歧義撇號）。如果我們去掉撇號，但是這可以用兩種方式解釋：Chán gān或Cháng ān。一箇中國人會告訴你，第二個更有可能，這取決於當然的背景，但是你的計算機無法做到這一點。

假設沒有歧義，和所有的輸入都有效，我會做它的方式會是這個樣子：

1. 創建口音摺疊功能
2. 創建有效拼音的數組（你應該好好利用它從維基百科頁面拼音）
3. 匹配每個單詞有效拼音
4. 檢查名單提前到下一個字時，有關於屬於下一個單詞的最後一個字符的可能性不確定性，如：
：

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

無論如何，音調的數值表示，並且正確的標號來表示每個口音的正確定位在上拼音Wikipeda文章的這一部分覆蓋相當好。您可能還想看看IMEs如何完成他們的工作。

Answer 2

間距應保持不變，但你有色調的編號不正確。 nin2 hao3。 Wo3 shi4 zhong1 guo2 ren2。

wèishénme變成wei4shen2me。

1. 刪除由映射變音符號「āáǎà」到「一個」等
2. 使用簡單的最大匹配算法，拆分化合物成音節（僅存在418個左右普通話音節）。
3. 追加數字（您必須記住您刪除了什麼樣的標記）並將音節重新複合爲複合詞。