TinyPinyin 适用于 Java 和 Android 的快速、低内存占用的汉字转拼音库 @codeKK AndroidOpen Source Website

TinyPinyin

Project Url: promeG/TinyPinyin

Introduction: 适用于 Java 和 Android 的快速、低内存占用的汉字转拼音库。

More: Author ReportBugs

Tags:

拼音-

适用于 Java 和 Android 的快速、低内存占用的汉字转拼音库。

当前稳定版本：2.0.3

特性

生成的拼音不包含声调，均为大写；
支持自定义词典，支持简体中文、繁体中文；
执行效率很高(Pinyin4J 的 4~16 倍)；
很低的内存占用（不添加词典时小于 30KB）。

原理介绍

打造最好的 Java 拼音库 TinyPinyin（一）：单字符转拼音的极致优化

打造最好的 Java 拼音库 TinyPinyin（二）：多音字快速处理方案

打造最好的 Java 拼音库 TinyPinyin（三）：API 设计和测试实践

使用

汉字转拼音 API

/**
 * 如果 c 为汉字，则返回大写拼音；如果 c 不是汉字，则返回 String.valueOf(c)
 */
String Pinyin.toPinyin(char c)

/**
 * c 为汉字，则返回 true，否则返回 false
 */
boolean Pinyin.isChinese(char c)

/**
 * 将输入字符串转为拼音，转换过程中会使用之前设置的用户词典，以字符为单位插入分隔符
 */
String toPinyin(String str, String separator)

词典 API

// 添加中文城市词典
Pinyin.init(Pinyin.newConfig().with(CnCityDict.getInstance());

// 添加自定义词典
Pinyin.init(Pinyin.newConfig()
            .with(new PinyinMapDict() {
                @Override
                public Map<String, String[]> mapping() {
                    HashMap<String, String[]> map = new HashMap<String, String[]>();
                    map.put("重庆",  new String[]{"CHONG", "QING"});
                    return map;
                }
            }));

添加到工程

buildscript {
  repositories {
    maven {
      url 'https://maven.aliyun.com/repository/public'
    }
    mavenCentral()
  }

  dependencies {
    compile 'com.github.promeg:tinypinyin:2.0.3' // TinyPinyin 核心包，约 80KB

    compile 'com.github.promeg:tinypinyin-lexicons-android-cncity:2.0.3' // 可选，适用于 Android 的中国地区词典

    compile 'com.github.promeg:tinypinyin-lexicons-java-cncity:2.0.3' // 可选，适用于 Java 的中国地区词典
  }
}

详细说明

1. 设计目标

Pinyin4J 的问题

Jar 文件较大，205KB；
Pinyin4J 的 PinyinHelper.toHanyuPinyinStringArray 在第一次调用时耗时非常长（~2000ms）；
功能臃肿，许多情况下我们不需要声调、方言；
无法添加自定义词典，进而无法有效处理多音字
内存占用太高；

TinyPinyin 特性

转换后的结果不包含声调和方言；
支持自定义词典，方便处理多音字；
尽可能低的内存占用；
比 Pinyin4J 更快的转换速度;

2. Correctness

以 Pinyin4J 作为基准，确保对所有的字符（Character.MAX_VALUE ~ Character.MIN_VALUE），TinyPinyin 与 Pinyin4J 有相同的返回结果。

（Pinyin4J 采用无声调的输出，多音字取第一个拼音进行对比）

该部分请见 PinyinTest.java

繁体中文的测试请见：PinyinTest.testToPinyin_traditional_chars()

采用以下命令运行 test：

./gradlew clean build :lib:test :tinypinyin-lexicons-android-cncity:test :tinypinyin-android-asset-lexicons:test :android-sample:connectedAndroidTest

3. Effectiveness

速度

使用JMH工具得到 bechmark，对比 TinyPinyin 和 Pinyin4J 的运行速度。

具体测例请见 lib/src/jmh/中的性能测试代码。

采用以下命令运行 benchmark：

./gradlew jmh

生成的报告在 pinyinhelper/build/reports/jmh/ 中。

性能测试结果简要说明：单个字符转拼音的速度是 Pinyin4j 的四倍，添加字典后字符串转拼音的速度是 Pinyin4j 的16 倍。

详细测试结果：

Benchmark	Mode	Samples	Score	Unit
TinyPinyin_Init_With_Large_Dict（初始化大词典）	thrpt	200	66.131	ops/s
TinyPinyin_Init_With_Small_Dict（初始化小词典）	thrpt	200	35408.045	ops/s
TinyPinyin_StringToPinyin_With_Large_Dict（添加大词典后进行 String 转拼音）	thrpt	200	16.268	ops/ms
Pinyin4j_StringToPinyin（Pinyin4j 的 String 转拼音）	thrpt	200	1.033	ops/ms
TinyPinyin_CharToPinyin（字符转拼音）	thrpt	200	14.285	ops/us
Pinyin4j_CharToPinyin（Pinyin4j 的字符转拼音）	thrpt	200	4.460	ops/us
TinyPinyin_IsChinese（字符是否为汉字）	thrpt	200	15.552	ops/us
Pinyin4j_IsChinese（Pinyin4j 的字符是否为汉字）	thrpt	200	4.432	ops/us