fffff0001 / pinyin

汉字转拼音，支持20870个汉字，包含完整的多音字

汉字转拼音

支持20870个汉字，包含完整的多音字

使用示例

Utils.CSpell.getSpell('阿里巴巴欢迎您');//[e,a],li,ba,ba,huan,ying,nin

因为“阿”是多音字，因此结果是 [e,a],li...这样子的，当您需要遇到多音字自已处理时，可以这样：

Utils.CSpell.getSpell('阿里巴巴欢迎您',function(charactor,spell){
    console.log(charactor,spell);
    return spell[1];
});

压缩说明

为了便于在网络上的传输，本人想办法写了一个压缩算法，目前这个版本是压缩好的，带自解压功能 以下说明压缩思路：

理想状态下是使用Stirng.prototype.localCompare了，但是由于这玩意并不是所有浏览器实现都一样，例如chrome早期的就不是按拼音排序，所以这个方案先放一边

那网上最常见的就是码表了，比如{"a":"吖阿啊..."}，这种形式的最可靠稳定，但唯一不足的是码表太大，汉字的范围最常用的在 \u4e00-\u9fa5 这个区间里，其它区间的暂不考虑。这个区间有20928个汉字(后来经我简单资料查找，发现这个区间里有些汉字并没有对应的拼音，也有些汉字无法正常显示，所以被我精简到了20870个汉字了，当然网上也有只把常用的几千个汉字做为码表的)。

现在的问题就来了，如果把这2w多个汉字做为码表存在js文件里无异是非常大的，我们需要想办法压缩，而在压缩前我们还有些问题需要解决：

如果存放js代码的文件用utf-8来保存，那如果这个js被放在了gbk编码的页面上，并且script标签未指定charset utf-8，那么这个js中的汉字是会乱码的，所以需要编码，常用的是unicode成{"a":"\u5416\u963f\u554a..."}，这样就不会有问题了。

如果用unicode编码，则2w多个汉字大概需要12w个字符表示(一个汉字6个字符)。如何用字符最少的来表示这些汉字成了压缩的关键

我们知道每个汉字都可以用charCodeAt取到相应的数字编码，也可以用String.fromCharCode进行还原，例如："我".charCodeAt(0);//20105;我们也可以用String.fromCharCode(20105)还原成"我"字，OK，到这一步，最小汉字是19968;最大是40896。如果把所有汉字用数字表示，则只需要10w个字符即可，1个汉字对应5个数字(当然，直接把这5位数字转16进制，则只需要4个就可以，2w多个汉字大约8w个字符，仍然很多)。

到这一步后，我给自已一个目标：能否用2个字符表示一个汉字？如果可以，那么大概只需要4w多字符就可以表示完，这个压缩比对10w个字符还是相当可喜的。

既然再压缩，那就把刚才的 汉字的数字 20105再进行压缩，这时候我采取的是进制转换，比如把它转成64进制等尽可能大的进制。如果转64进制，则2位64进制只能表示4096个汉字，这个太少了。我需要自已写一个大的进制转换，我把ascii码表重新拿出来，128个字符，除了不显示的，我挑中了从33到126之间的这些字符(除34，45，92三个外，因为我需要把程序发布到网上，别人可以复制粘贴之类的，所以需要可视字符)，一共91个。那么91进制2位数可表示91*91=8281个，仍然不够。

回头再看汉字的区间，19968-40896 如果每个汉字都减去19968，则区间变成0-20928，如果把这个区间一分为2：0-10464 10465-20928，第二个区间每个汉字减去10465 则变成0-10463，至此2个区间各有1w个汉字，离我们的91进制2位表示的8281比较接近了。

假设我们用3个91进制的字符，则可以表示753571，表示2w个汉字绰绰有余，但这时候需要6w多个字符。如果我们使用91进制的2个字符，每个区间共有2000多个无法被表示，如果剩余的这2000多个用3个字符表示，我们会发现这2000多个的高位一样(xyz)，都是'x';那么这时候大概需要4w加上2个6000，大概5w2k个字符即可表示完成。

当然，我们要对3位的高位给一个特殊的字符，这样我们再还原的时候就很方便还原了，这不是难事，忽略不讲

至此，我们就完成了压缩，最后的js大约共58kb