ChineseUtilPHP 中文工具类库
ChineseUtil
PHP 中文工具类,支持汉字转拼音、拼音分词、简繁互转。
PHP Chinese Tool class, support Chinese pinyin, pinyin participle, simplified and traditional conversion
目前本类库拥有的三个功能,都是在实际开发过程中整理出来的。这次使用的数据不同于以前我开源过汉字转拼音和简繁互转,数据都是从字典网站采集下来的,比以前的数据更加准确。
由于中文的博大精深,字有多音字,简体字和繁体字也有多种对应。并且本类库返回的所有结果,均为包含所有组合的数组。
本类库字典数据总共收录 73925 个汉字,包括:3955 个简体字,1761 个繁体字,68209 个其它汉字。
内存占用
类库第一个版本发布开始,群里朋友就展开了激烈的讨论,最大的问题就在于内存占用以及性能问题上。经过我不断尝试几种方案,最终决定设置三种模式,来适应不同用户之间的需求。
我已经尝试过 Redis,速度比 SQLite 慢 3 倍,没有必要加入支持。所以目前来看,SQLite 模式性价比最高!
性能模式 (Memory)
使用 SQLite 作为数据载体,一次性加载所有数据到变量,内存占用高(80 MB),性能最佳。
适合用于运行 Cli 任务。
需要 PDO 和 PDO_SQLITE 扩展支持。
通用模式 (SQLite)
使用 SQLite 作为数据载体,每次查询都通过 SQL 查询,内存占用低(600+ KB),性能中等。
适合用于大部分场景。
需要 PDO 和 PDO_SQLITE 扩展支持。
兼容模式 (JSON)
使用精简过的 JSON 数据作为数据载体,一次性加载所有数据到变量,内存占用中(28 MB),性能差。
内存占用量以实际为准,根据版本、扩展等环境的不同,占用的内存容量不一样,上述值为我电脑上的情况,仅供参考。
适合无法使用 PDO 的场景。
由于精简了数据,一些拼音结果需要经过代码计算处理才可以得出,所以性能较差。
默认情况下,优先使用通用模式,如果环境不支持 PDO 将采用兼容模式。
你可以在未执行任何初始化或者转换处理之前,设置使用何种模式运行。
// 设为性能模式 Chinese::setMode('Memory'); // 设为通用模式 Chinese::setMode('SQLite'); // 设为兼容模式 Chinese::setMode('JSON');
无论何种模式,拼音分词所需数据总是从 JSON 数据中加载。
使用说明
Composer 直接安装
composer require yurunsoft/chinese-util
Composer 项目配置引入
"require": { "yurunsoft/chinese-util" : "~1.0" }
功能
汉字转拼音
use \Yurun\Util\Chinese; use \Yurun\Util\Chinese\Pinyin; $string = '恭喜發財!'; echo $string, PHP_EOL; echo '全拼:', PHP_EOL; var_dump(Chinese::toPinyin($string, Pinyin::CONVERT_MODE_PINYIN)); echo '首字母:', PHP_EOL; var_dump(Chinese::toPinyin($string, Pinyin::CONVERT_MODE_PINYIN_FIRST)); echo '读音:', PHP_EOL; var_dump(Chinese::toPinyin($string, Pinyin::CONVERT_MODE_PINYIN_SOUND)); echo '读音数字:', PHP_EOL; var_dump(Chinese::toPinyin($string, Pinyin::CONVERT_MODE_PINYIN_SOUND_NUMBER)); echo '自选返回格式 + 以文本格式返回 + 自定义分隔符:', PHP_EOL; var_dump(Chinese::toPinyin($string, Pinyin::CONVERT_MODE_PINYIN | Pinyin::CONVERT_MODE_PINYIN_SOUND_NUMBER, ' ')); echo '所有结果:', PHP_EOL; var_dump(Chinese::toPinyin($string)); /** 所有结果: array(4) { ["pinyin"]=> array(1) { [0]=> array(5) { [0]=> string(4) "gong" [1]=> string(2) "xi" [2]=> string(2) "fa" [3]=> string(3) "cai" [4]=> string(3) "!" } } ["pinyinSoundNumber"]=> array(1) { [0]=> array(5) { [0]=> string(5) "gong1" [1]=> string(3) "xi3" [2]=> string(3) "fa1" [3]=> string(4) "cai2" [4]=> string(3) "!" } } ["pinyinFirst"]=> array(1) { [0]=> array(5) { [0]=> string(1) "g" [1]=> string(1) "x" [2]=> string(1) "f" [3]=> string(1) "c" [4]=> string(3) "!" } } ["pinyinSound"]=> array(1) { [0]=> array(5) { [0]=> string(5) "gōng" [1]=> string(3) "xǐ" [2]=> string(3) "fā" [3]=> string(4) "cái" [4]=> string(3) "!" } } } 全拼: array(1) { ["pinyin"]=> array(1) { [0]=> array(5) { [0]=> string(4) "gong" [1]=> string(2) "xi" [2]=> string(2) "fa" [3]=> string(3) "cai" [4]=> string(3) "!" } } } 首字母: array(1) { ["pinyinFirst"]=> array(1) { [0]=> array(5) { [0]=> string(1) "g" [1]=> string(1) "x" [2]=> string(1) "f" [3]=> string(1) "c" [4]=> string(3) "!" } } } 读音: array(1) { ["pinyinSound"]=> array(1) { [0]=> array(5) { [0]=> string(5) "gōng" [1]=> string(3) "xǐ" [2]=> string(3) "fā" [3]=> string(4) "cái" [4]=> string(3) "!" } } } 读音数字: array(1) { ["pinyinSoundNumber"]=> array(1) { [0]=> array(5) { [0]=> string(5) "gong1" [1]=> string(3) "xi3" [2]=> string(3) "fa1" [3]=> string(4) "cai2" [4]=> string(3) "!" } } } 自选返回格式 + 以文本格式返回 + 自定义分隔符: array(2) { ["pinyin"]=> array(1) { [0]=> string(18) "gong xi fa cai !" } ["pinyinSoundNumber"]=> array(1) { [0]=> string(22) "gong1 xi3 fa1 cai2 !" } } * /
拼音分词
use \Yurun\Util\Chinese; $string2 = 'xianggang'; echo '"', $string2, '"的分词结果:', PHP_EOL; var_dump(Chinese::splitPinyin($string2)); /** 输出结果: "xianggang"的分词结果: array(2) { [0]=> string(12) "xi ang gang " [1]=> string(11) "xiang gang " } * /
简繁互转
use \Yurun\Util\Chinese; $string3 = '中华人民共和国!恭喜發財!'; echo '"', $string3, '"的简体转换:', PHP_EOL; var_dump(Chinese::toSimplified($string3)); echo '"', $string3, '"的繁体转换:', PHP_EOL; var_dump(Chinese::toTraditional($string3)); /** 输出结果: "中华人民共和国!恭喜發財!"的简体转换: array(1) { [0]=> string(39) "中华人民共和国!恭喜发财!" } "中华人民共和国!恭喜發財!"的繁体转换: array(1) { [0]=> string(39) "中華人民共和國!恭喜發財!" } * /