Java 漢字轉拼音利器：pinyin4j 完整使用指南與多音字處理策略

為什麼選擇 pinyin4j？

pinyin4j 是成熟、輕量、無依賴的 Java 漢字轉拼音庫，廣泛應用於搜尋提示、姓名排序、輸入法引擎等場景。Maven 坐標：

<dependency>
    <groupId>com.belerweb</groupId>
    <artifactId>pinyin4j</artifactId>
    <version>2.5.0</version>
</dependency>

基礎用法：單字轉換

// 預設輸出：帶數字聲調的小寫拼音陣列 ["zhong4", "chong2"]
String[] pinyins = PinyinHelper.toHanyuPinyinStringArray('重');

進階格式化：HanyuPinyinOutputFormat

HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();

// 大小寫：UPPERCASE / LOWERCASE
format.setCaseType(HanyuPinyinCaseType.LOWERCASE);

// 聲調表示：WITH_TONE_NUMBER(數字) / WITH_TONE_MARK(符號) / WITHOUT_TONE(無)
format.setToneType(HanyuPinyinToneType.WITH_TONE_MARK);

// ü 處理：WITH_V(v) / WITH_U_AND_COLON(u:) / WITH_U_UNICODE(ü)
format.setVCharType(HanyuPinyinVCharType.WITH_U_UNICODE);

// 套用格式：["zhòng", "chóng"]
String[] formatted = PinyinHelper.toHanyuPinyinStringArray('重', format);

核心限制：多音字詞組無法自動斷詞

關鍵點：pinyin4j 僅處理單一字元。對於「重慶」、「長短」等多音字詞組，無法根據上下文自動選擇正確讀音。

應對策略

1. 回傳所有組合：生成所有可能拼音組合，供使用者選擇或後續演算法評分
2. 結合分詞+詞典：先用 Jieba/ANSJ 分詞，再查詞典映射詞組標準讀音
3. 業務妥協：僅取首個讀音、或全部拼接 (如 "zhongqing,chongqing")

詞組所有組合生成範例

public List<String> getAllPinyinCombinations(String word) {
    List<String[]> charPinyins = new ArrayList<>();
    for (char c : word.toCharArray()) {
        String[] pys = PinyinHelper.toHanyuPinyinStringArray(c, format);
        charPinyins.add(pys != null ? pys : new String[]{String.valueOf(c)});
    }
    // 笛卡兒積生成所有組合
    return cartesianProduct(charPinyins);
}

效能優化建議

• 快取單字結果：使用 ConcurrentHashMap<Character, String[]> 避免重複計算
• 預熱常用字：啟動時預載 GB2312/常用字表
• 避免頻繁建立 Format 物件：靜態單例複用

替代方案對比

總結

pinyin4j 是單字轉拼音的標準選擇，配合 HanyuPinyinOutputFormat 可滿足多種格式需求。處理詞組多音字時，務必結合分詞器與領域詞典，或接受「全組合回傳」的折中方案。選型時評估專案對準確度、效能、依賴體積的權衡。