JS 中文转换拼音的实现

Question

需求

此前项目中有一个中文转拼音的需求，于是整理了一下实现方法。

在转换过程中，这里我保留了数字和字母，其他特殊字符或者空格将会被去掉。如 测试 会被转换成 CeShi。（可自行修改 convert2Pinyin() 方法实现其他需求）

实现

话不多说（Github Demo）

<!-- html -->
<input value="测试" />
<input disabled />

// js
window.onload = () => {
  const input = document.getElementById('input')
  const output = document.getElementById('output')

  // 失焦进行转换
  input.addEventListener('blur', () => {
    const val = input.value
    output.value = convertToPinyin(val)
  })

  /**
   * 转换成拼音（若有空格、特殊字符将被移除）
   *
   * @param {string} sourceStr 原始数据
   */
  const convertToPinyin = sourceStr => {
    // 目标数据
    let targetStr = ''
    // 匹配中文
    const cnReg = /[\u4e00-\u9fa5]/
    // 匹配数字和英文
    const enReg = /[a-zA-Z0-9]/
    // 保留英文和数字
    const keep = true

    // 遍历源数据
    for (let i = 0, len = sourceStr.length; i < len; i++) {
      const str = sourceStr.substr(i, 1)
      if (keep && enReg.test(str)) {
        targetStr += str
      } else if (cnReg.test(str)) {
        const searchResult = searchPinYin(str, PinYin)
        if (searchResult) {
          // targetStr += searchResult
          targetStr += capitalize(searchResult) // 首字母大写
        }
      }
    }

    return targetStr
  }

  /**
   * 检索拼音
   *
   * @param {string} str 源字符串
   * @param {object} data 收集的拼音 Unicode 编码集合
   */
  const searchPinYin = (str, data) => {
    for (const key in data) {
      if (data.hasOwnProperty(key) && data[key].indexOf(str) !== -1) {
        return key
      }
    }
    return ''
  }

  /**
   * 将拼音首字母转换为大写
   *
   * @param {string} str 源字符串
   */
  const capitalize = str => {
    if (str) {
      const [first] = str
      const other = str.replace(/^\S/, '')
      return `${first.toUpperCase()}${other}`
    }
    return str
  }

  /**
   * 目前这个 16 进制 Unicode 编码是网上收集的，可能不能覆盖所有的中文字符，可以自行补充；
   *
   * 例如：‘婋’（xiao）字：
   * 1、使用 '婋'.charCodeAt(0).toString(16) 得到 Unicode 编码：5a4b；
   * 2、将编码前面加上：\u => \u5a4b;
   * 3、然后放到对象 PinYin['xiao'] 里面。
   *
   * 现在只想到了这种笨方法一个一个往里补充，如果有更好的方法，欢迎指出！！！
   */
  const PinYin = {
    a: '\u554a\u963f\u9515'
    // ...
    // 由于这块代码太多，这里省略就不贴上来了，麻烦请看 GitHub Demo。
  }
}

难点

其实在中文转拼音的过程中，比较麻烦的在于 多音字 和 生僻字 的实现，我想到的解决思路是：

1. 生僻字：是由于 PinYin 里面列举的缺失一些中文字符，可通过 str.charCodeAt(0).toString(16) 的方式补充，具体方法不再赘述，上面有说明。
2. 多音字：其实多音字一直是最麻烦的地方，因为每一个中文字符只有一个对应的 Unicode 编码，所以需要在对象的多个对应属性上添加编码。
   如 曾 字，通过 '曾'.charCodeAt(0).toString(16) 获取到 66fe，然后前面拼接上 \u，得到 \u66fe。

// 截取 PinYin 一小部分
const PinYin = {
  ceng: '\u66fe',
  zeng: '\u66fe'
}

然后修改上述 convert2Pinyin() 和 searchPinYin() 方法，把符合规则的字符返回一个数组，然后用排列组合的方式列出所有可能。

GitHub

该仓库除了拼音转中文之外，还有其他实用方法，麻烦移步查看。如有更好的实现方法，欢迎留言。