C#获取汉字拼音或首字母
获取汉字拼音
直接上代码/// <summary>/// 在指定的字符串列表CnStr中检索符合拼音索引字符串/// </summary>/// <param name="CnStr">汉字字符串</param>/// <returns>相对应的汉语拼音首字母串</returns>public static string GetSpellCode(string CnStr){string strTemp = "";int iLen = CnStr.Length;int i = 0;for (i = 0; i <= iLen - 1; i++){strTemp += GetCharSpellCode(CnStr.Substring(i, 1));break;}return strTemp;}/// <summary>/// 得到一个汉字的拼音第一个字母,如果是一个英文字母则直接返回大写字母/// </summary>/// <param name="CnChar">单个汉字</param>/// <returns>单个大写字母</returns>private static string GetCharSpellCode(string CnChar){long iCnChar;byte[] ZW = System.Text.Encoding.Default.GetBytes(CnChar);//如果是字母,则直接返回首字母if (ZW.Length == 1){return CommonMethod.CutString(CnChar.ToUpper(),1);}else{// get the array of byte from the single charint i1 = (short)(ZW[0]);int i2 = (short)(ZW[1]);iCnChar = i1 * 256 + i2;}// iCnChar match the constantif ((iCnChar >= 45217) && (iCnChar <= 45252)){return "A";}else if ((iCnChar >= 45253) && (iCnChar <= 45760)){return "B";}else if ((iCnChar >= 45761) && (iCnChar <= 46317)){return "C";}else if ((iCnChar >= 46318) && (iCnChar <= 46825)){return "D";}else if ((iCnChar >= 46826) && (iCnChar <= 47009)){return "E";}else if ((iCnChar >= 47010) && (iCnChar <= 47296)){return "F";}else if ((iCnChar >= 47297) && (iCnChar <= 47613)){return "G";}else if ((iCnChar >= 47614) && (iCnChar <= 48118)){return "H";}else if ((iCnChar >= 48119) && (iCnChar <= 49061)){return "J";}else if ((iCnChar >= 49062) && (iCnChar <= 49323)){return "K";}else if ((iCnChar >= 49324) && (iCnChar <= 49895)){return "L";}else if ((iCnChar >= 49896) && (iCnChar <= 50370)){return "M";}else if ((iCnChar >= 50371) && (iCnChar <= 50613)){return "N";}else if ((iCnChar >= 50614) && (iCnChar <= 50621)){return "O";}else if ((iCnChar >= 50622) && (iCnChar <= 50905)){return "P";}else if ((iCnChar >= 50906) && (iCnChar <= 51386)){return "Q";}else if ((iCnChar >= 51387) && (iCnChar <= 51445)){return "R";}else if ((iCnChar >= 51446) && (iCnChar <= 52217)){return "S";}else if ((iCnChar >= 52218) && (iCnChar <= 52697)){return "T";}else if ((iCnChar >= 52698) && (iCnChar <= 52979)){return "W";}else if ((iCnChar >= 52980) && (iCnChar <= 53640)){return "X";}else if ((iCnChar >= 53689) && (iCnChar <= 54480)){return "Y";}else if ((iCnChar >= 54481) && (iCnChar <= 55289)){return "Z";}elsereturn ("?");}
截取字符串的方法:
#region 截取字符长度 static string CutString(string str, int len)/// <summary>/// 截取字符长度/// </summary>/// <param name="str">被截取的字符串</param>/// <param name="len">所截取的长度</param>/// <returns>子字符串</returns>public static string CutString(string str, int len){if (str == null || str.Length == 0 || len <= 0){return string.Empty;}int l = str.Length;#region 计算长度int clen = 0;while (clen < len && clen < l){//每遇到一个中文,则将目标长度减一。if ((int)str[clen] > 128) { len--; }clen++;}#endregionif (clen < l){return str.Substring(0, clen) + "...";}else{return str;}}/// <summary>/// //截取字符串中文 字母/// </summary>/// <param name="content">源字符串</param>/// <param name="length">截取长度!</param>/// <returns></returns>public static string SubTrueString(object content, int length){string strContent = NoHTML(content.ToString());bool isConvert = false;int splitLength = 0;int currLength = 0;int code = 0;int chfrom = Convert.ToInt32("4e00", 16); //范围(0x4e00~0x9fff)转换成int(chfrom~chend)int chend = Convert.ToInt32("9fff", 16);for (int i = 0; i < strContent.Length; i++){code = Char.ConvertToUtf32(strContent, i);if (code >= chfrom && code <= chend){currLength += 2; //中文}else{currLength += 1;//非中文}splitLength = i + 1;if (currLength >= length){isConvert = true;break;}}if (isConvert){return strContent.Substring(0, splitLength);}else{return strContent;}}public static int GetStringLenth(object content){string strContent = NoHTML(content.ToString());int currLength = 0;int code = 0;int chfrom = Convert.ToInt32("4e00", 16); //范围(0x4e00~0x9fff)转换成int(chfrom~chend)int chend = Convert.ToInt32("9fff", 16);for (int i = 0; i < strContent.Length; i++){code = Char.ConvertToUtf32(strContent, i);if (code >= chfrom && code <= chend){currLength += 2; //中文}else{currLength += 1;//非中文}}return currLength;}#endregion
数据库按照汉字首字母进行排序的方法:
oracle :
在oracle9i中新增了按照拼音、部首、笔画排序功能。设置NLS_SORT值
SCHINESE_RADICAL_M 按照部首(第一顺序)、笔划(第二顺序)排序
SCHINESE_STROKE_M 按照笔划(第一顺序)、部首(第二顺序)排序
SCHINESE_PINYIN_M 按照拼音排序,系统的默认排序方式为拼音排序
举例如下:
表名为 dept ,其中name字段是中文,下面分别实现按照单位名称的笔划、部首和拼音排序。
//按照笔划排序
select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_STROKE_M');
//按照部首排序
select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_RADICAL_M');
//按照拼音排序,此为系统的默认排序方式
select * from dept order by nlssort(name,'NLS_SORT=SCHINESE_PINYIN_M');
sqlserver
select * from table order by name collate Chinese_PRC_CS_AS_KS_WS
其实在sql 中 select * from table order by name asc 效果同上面一样,其它版本未测试
执行结果:select * from Table where cateFid=0 order by cateName collate Chinese_PRC_CS_AS_KS_WS
编码知识补充:
1. ASCII码
我们知道,在计算机内部,所有的信息最终都表示为一个二进制的字符串。每一个二进制位(bit)有0和1两种状态,因此八个二进制位就可以组合出256种状态,这被称为一个字节(byte)。也就是说,一个字节一共可以用来表示256种不同的状态,每一个状态对应一个符号,就是256个符号,从0000000到11111111。上个世纪60年代,美国制定了一套字符编码,对英语字符与二进制位之间的关系,做了统一规定。这被称为ASCII码,一直沿用至今。ASCII码一共规定了128个字符的编码,比如空格“SPACE”是32(二进制00100000),大写的字母A是65(二进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占用了一个字节的后面7位,最前面的1位统一规定为0。2、非ASCII编码
英语用128个符号编码就够了,但是用来表示其他语言,128个符号是不够的。比如,在法语中,字母上方有注音符号,它就无法用ASCII码表示。于是,一些欧洲国家就决定,利用字节中闲置的最高位编入新的符号。比如,法语中的é的编码为130(二进制10000010)。这样一来,这些欧洲国家使用的编码体系,可以表示最多256个符号。但是,这里又出现了新的问题。不同的国家有不同的字母,因此,哪怕它们都使用256个符号的编码方式,代表的字母却不一样。比如,130在法语编码中代表了é,在希伯来语编码中却代表了字母Gimel (ג),在俄语编码中又会代表另一个符号。但是不管怎样,所有这些编码方式中,0—127表示的符号是一样的,不一样的只是128—255的这一段。至于亚洲国家的文字,使用的符号就更多了,汉字就多达10万左右。一个字节只能表示256种符号,肯定是不够的,就必须使用多个字节表达一个符号。比如,简体中文常见的编码方式是GB2312,使用两个字节表示一个汉字,所以理论上最多可以表示256x256=65536个符号。中文编码的问题需要专文讨论,这篇笔记不涉及。这里只指出,虽然都是用多个字节表示一个符号,但是GB类的汉字编码与后文的Unicode和UTF-8是毫无关系的。
3.Unicode
正如上一节所说,世界上存在着多种编码方式,同一个二进制数字可以被解释成不同的符号。因此,要想打开一个文本文件,就必须知道它的编码方式,否则用错误的编码方式解读,就会出现乱码。为什么电子邮件常常出现乱码?就是因为发信人和收信人使用的编码方式不一样。可以想象,如果有一种编码,将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码,那么乱码问题就会消失。这就是Unicode,就像它的名字都表示的,这是一种所有符号的编码。Unicode当然是一个很大的集合,现在的规模可以容纳100多万个符号。每个符号的编码都不一样,比如,U+0639表示阿拉伯字母Ain,U+0041表示英语的大写字母A,U+4E25表示汉字“严”。具体的符号对应表,可以查询,或者专门的汉字对应表。4. Unicode的问题
需要注意的是,Unicode只是一个符号集,它只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储。比如,汉字“严”的unicode是十六进制数4E25,转换成二进制数足足有15位(100111000100101),也就是说这个符号的表示至少需要2个字节。表示其他更大的符号,可能需要3个字节或者4个字节,甚至更多。
这里就有两个严重的问题,第一个问题是,如何才能区别unicode和ascii?计算机怎么知道三个字节表示一个符号,而不是分别表示三个符号呢?第二个问题是,我们已经知道,英文字母只用一个字节表示就够了,如果unicode统一规定,每个符号用三个或四个字节表示,那么每个英文字母前都必然有二到三个字节是0,这对于存储来说是极大的浪费,文本文件的大小会因此大出二三倍,这是无法接受的。
它们造成的结果是:1)出现了unicode的多种存储方式,也就是说有许多种不同的二进制格式,可以用来表示unicode。2)unicode在很长一段时间内无法推广,直到互联网的出现。
5.UTF-8
互联网的普及,强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32,不过在互联网上基本不用。重复一遍,这里的关系是,UTF-8是Unicode的实现方式之一。UTF-8最大的一个特点,就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度。
UTF-8的编码规则很简单,只有二条:
1)对于单字节的符号,字节的第一位设为0,后面7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。
2)对于n字节的符号(n>1),第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。
代码二:用第三方库获取汉字的拼音首字母和全拼
static void Main(string[] args){string[] maxims = new string[]{"事常与人违,事总在人为","骏马是跑出来的,强兵是打出来的","驾驭命运的舵是奋斗。不抱有一丝幻想,不放弃一点机会,不停止一日努力。 ","如果惧怕前面跌宕的山岩,生命就永远只能是死水一潭", "懦弱的人只会裹足不前,莽撞的人只能引为烧身,只有真正勇敢的人才能所向披靡"};string[] medicines = new string[] {"聚维酮碘溶液","开塞露","炉甘石洗剂","苯扎氯铵贴","鱼石脂软膏","莫匹罗星软膏","红霉素软膏","氢化可的松软膏","曲安奈德软膏","丁苯羟酸乳膏","双氯芬酸二乙胺乳膏","冻疮膏","克霉唑软膏","特比奈芬软膏","酞丁安软膏","咪康唑软膏、栓剂","甲硝唑栓","复方莪术油栓"};Console.WriteLine("UTF8句子拼音:");foreach (string s in maxims){Console.WriteLine("汉字:{0}\n拼音:{1}\n", s, Pinyin.GetPinyin(s));}Encoding gb2312 = Encoding.GetEncoding("GB2312");Console.WriteLine("GB2312拼音简码:");foreach (string m in medicines){string s = Pinyin.ConvertEncoding(m, Encoding.UTF8, gb2312);Console.WriteLine("药品:{0}\n简码:{1}\n", s, Pinyin.GetInitials(s, gb2312));}Console.ReadKey();}
如图:
上面用到的Pinyin这个类库的原代码在:/p/npinyin/
其实在nuget管理器里搜索 pinying也可以找到其它可有的拼音转换的库
--- end ---