中文字符轉拼音 C++ 實現：基於 GB2312 區位碼二分查找的高效方案

本文提供一套純 C++、無第三方依賴的中文轉拼音核心代碼，適用於 GB2312 編碼環境。核心思路：預建「區位碼區間 → 拼音」映射表，運行期通過二分查找定位拼音，支援中英數混合字符串轉換。

核心數據結構

// 區位碼分界點（按升序），對應拼音表索引
static const unsigned short code_pin[] = {
    0xb0a1, 0xb0a3, 0xb0b0, 0xb0b9, 0xb0bc, 0xb0c5, 0xb0d7, 0xb0df,
    0xb0ee, 0xb0fa, 0xb1ad, 0xb1bc, 0xb1c0, 0xb1c6, 0xb1de, 0xb1ea,
    // ... 共 400+ 個分界點，覆蓋 GB2312 一級漢字區
    0xd7f0, 0xd7f2
};

// 拼音表，與 code_pin 索引一一對應
static const char *str_pin[] = {
    "a", "ai", "an", "ang", "ao", "ba", "bai", "ban", "bang", "bao",
    "bei", "ben", "beng", "bi", "bian", "biao", "bie", "bin", "bing",
    "bo", "bu", "ca", "cai", "can", "cang", "cao", "ce", "ceng", "cha",
    // ... 共 400+ 個拼音
    "zuo"
};

static const size_t SIZE_ARRAY = sizeof(code_pin) / sizeof(short);

核心算法：單字二分查找

const char* get_pin(unsigned short char_zh) {
    size_t low = 0, high = SIZE_ARRAY - 1;
    while (high - low != 1) {
        size_t mid = (low + high) / 2;
        if (code_pin[mid] == char_zh) return str_pin[mid];
        if (code_pin[mid] < char_zh) low = mid;
        else high = mid;
    }
    // 區間判斷：若 char_zh >= code_pin[high] 則屬於 high 區間，否則屬於 low 區間
    return str_pin[code_pin[high] <= char_zh ? high : low];
}

字符串級轉換：處理中英數混合

版本 1：緊湊輸出（無分隔符）

string str_to_pin(const string& input) {
    string result;
    int len = input.length();
    for (int i = 0; i < len; ++i) {
        unsigned char high = input[i];
        if (high < 0x80) {  // ASCII
            result.push_back(high);
        } else {            // GB2312 雙位元組
            unsigned char low = input[++i];
            unsigned short zh = (high << 8) | low;
            result += get_pin(zh);
        }
    }
    return result;
}

版本 2：拼音間加空格（便於讀音分辨）

string str_to_pin_space(const string& input) {
    string result;
    int len = input.length();
    for (int i = 0; i < len; ++i) {
        unsigned char high = input[i];
        if (high < 0x80) {
            if (i > 0 && input[i-1] < 0) result.push_back(' ');
            result.push_back(high);
        } else {
            if (i > 0) result.push_back(' ');
            unsigned char low = input[++i];
            unsigned short zh = (high << 8) | low;
            result += get_pin(zh);
        }
    }
    return result;
}

版本 3：中英數三段式分隔（最實用）

string str_to_pin_space_(const string& input) {
    string result(1, ' ');
    int len = input.length();
    for (int i = 0; i < len; ++i) {
        unsigned char ch = input[i];
        if (ch < 58) {  // '0'-'9'
            if (i > 0 && (input[i-1] < 0 || input[i-1] > 57)) result.push_back(' ');
            result.push_back(ch);
        } else if (ch > 64 && ch < 123) {  // 'A'-'Z', 'a'-'z'
            if (i > 0 && (input[i-1] < 0 || input[i-1] < 58)) result.push_back(' ');
            result.push_back(ch);
        } else {  // 中文
            if (i > 0) result.push_back(' ');
            unsigned char low = input[++i];
            unsigned short zh = (ch << 8) | low;
            result += get_pin(zh);
        }
    }
    return result;
}

測試驗證

int main() {
    string test = "zhong hua人民dfd啊a152左邊35gdaf共和國";
    cout << str_to_pin_space_(test) << endl;
    // 輸出: zhong hua ren min dfd a a 152 zuo bian 35 gdaf gong he guo
    return 0;
}

工程化改進建議

總結

該方案以極小代碼量實現 GB2312 漢字轉拼音核心功能，二分查找保證 O(log N) 查詢效率，三種字符串處理函數覆蓋主流輸出需求。對於嵌入式、無法引入重型庫的場景，是極具性價比的選擇。生產環境建議按上表方向逐步增強編碼兼容性與多音字準確率。