一个用于解决各类汉语拼音匹配问题的 Java 库。对即时匹配提供基于 NFA 的实现,对索引匹配提供类后缀树的实现。除此之外,它还可以将汉字转换为拼音字符串,包括 ASCII,Unicode 和注音符号。

• 极为灵活的简拼组合
• 7 种模糊音选项
• 支持全拼,双拼(自然码,小鹤),注音(大千)
• 提供即时匹配逻辑和基于缓存的匹配逻辑
• 允许实时的配置切换(包括模糊音以及键盘)

对于"中国",可以允许的搜索串包括但不限于"中国","中guo","zhongguo","zhong国","zhong1国","zh1国","zh国"。 基于模糊音设置,还允许"zong国","z国"等。

双拼输入尚在测试阶段,并且不(也不会)支持字形码。重码过多时,可以使用声调作为辅助码。

对于原理和思路,参见 再谈拼音搜索 系列。

性能测试使用 Enigmatica 整合导出的 测试样本。共约 37k 词条,中英混合,约 400k 字符,容量约 900 KB。性能如下:

部分匹配

前缀匹配

CachedSearcher 的内存使用和搜索速度在不同场景下可能会有明显波动,一般介于 TreeSearcher 和 SimpleSearcher 之间。

对于 TreeSearcher 和 CachedSearcher,一些常量参数可以进一步调整,从而在速度与内存消耗间取得平衡。

你可以轻松得使用 JitPack 将 PinIn 导入到你的 Gradle 项目中。

repositories {
 maven { url 'https://jitpack.io' }
}
dependencies {
 implementation 'com.github.Towdium:PinIn:Version'
}

下面的代码展示了 PinIn 的一些基础接口的使用方式。更多示例参见 测试代码。

public static void main(String[]args){
 // context
 PinIn p=new PinIn();
 // direct match
 boolean result1=p.contains("测试文本","ceshi");
 // indexed match
 Searcher<Integer> searcher=new TreeSearcher<>(CONTAIN,p));
 p.put("测试文本",0);
 boolean result2=searcher.search("ceshi").contains(0);
 // fuzzy spelling
 p.config().fSh2S(true).commit(); // don't forget to commit config
 boolean result3=p.contains("测试文本","cesi");
 // pinyin format
 Char c=p.genChar('圆');
 Pinyin y=c.pinyins()[0];
 String s1=y.format(UNICODE) // yuán
 String s2=y.format(PHONETIC) // ㄩㄢˊ
}

本项目依赖于 Fastutil。在 shadow 版 Jar 文件中内置了一个裁剪过的实现,使用纯净版 Jar 文件时则需要用户自行配置。

内置的拼音数据来自于 地球拼音 和 pinyin-data。

Hava fun!