您现在的位置：程式碼之家 >> 編程語言 > >> Java 程式設計 >> Java 程式設計入門

Java 實現漢字轉拼音首字母（簡拼）工具類，基於 GBK 編碼區位碼對照表

編輯：Java 程式設計入門

需求場景

常見於：通訊錄索引、搜尋提示、資料庫模糊查詢優化、URL 別名生成等。需將中文字串轉為大寫拼音首字母，如「顧亮」→ GL。

核心原理：GBK 編碼區位碼對照表

GBK 編碼中，漢字佔兩個位元組。將兩字節合併為無號整數（zone * 256 + position），對應「區位碼」。GBK 漢字區範圍 0xB0A1 ~ 0xD7FA，按拼音首字母順序分區。建立首字母與區位碼上界的對映表，即可 O(1) 查詢。

完整工具類實作

import java.io.UnsupportedEncodingException;

public class PinyinInitials {

    // 首字母對應的區位碼上界（含），按 GBK 編碼順序
    private static final int[] BOUNDARIES = {
        0xB0C5, 0xB2C1, 0xB4EE, 0xB6EA, 0xB7A2, 0xB8C1, 0xB9FE, 0xBBF7,
        0xBFA6, 0xC0AC, 0xC2E8, 0xC4C3, 0xC5B6, 0xC5BE, 0xC6DA, 0xC8BB,
        0xC8F6, 0xCBFA, 0xCDDA, 0xCEF4, 0xD1B9, 0xD4D1, 0xD7FA
    };
    private static final char[] INITIALS = "ABCDEFGHJKLMNOPQRSTWXYZ".toCharArray();
    // 注意：無 I、U、V（標準拼音首字母無此字母）

    /**
     * 取得字串的拼音首字母大寫，非漢字原樣保留
     */
    public static String toInitials(String str) {
        if (str == null || str.isEmpty()) return "";
        StringBuilder sb = new StringBuilder(str.length());
        for (char c : str.toCharArray()) {
            sb.append(getInitial(c));
        }
        return sb.toString().toUpperCase();
    }

    private static String getInitial(char c) {
        byte[] bytes;
        try {
            bytes = String.valueOf(c).getBytes("GBK");
        } catch (UnsupportedEncodingException e) {
            return String.valueOf(c);  // 環境不支援 GBK 時回退
        }
        if (bytes.length < 2) return String.valueOf(c);  // ASCII 字元直接返回

        // 合併為無號整數：(byte[0] & 0xFF) << 8 | (byte[1] & 0xFF)
        int code = ((bytes[0] & 0xFF) << 8) | (bytes[1] & 0xFF);
        if (code < 0xB0A1) return String.valueOf(c);  // 非漢字區

        // 二分查找首字母（線性查找亦可，只有 23 段）
        for (int i = 0; i < BOUNDARIES.length; i++) {
            if (code <= BOUNDARIES[i]) return String.valueOf(INITIALS[i]);
        }
        return String.valueOf(c);  // 理論不會到達
    }

    // 測試
    public static void main(String[] args) {
        System.out.println(toInitials("顧亮"));        // GL
        System.out.println(toInitials("中華人民共和國")); // ZHRMGHG
        System.out.println(toInitials("Hello 世界"));   // HELLO SJ
    }
}

關鍵實作細節

位元運算處理有號位元組：Java byte 有號，轉無號需 & 0xFF，再移位合併。
邊界表精確對應 GBK 標準：上界值取自 GBK 編碼標準拼音分區，覆蓋一級漢字（3755 字）及部分二級漢字。
非漢字透傳：英文、數字、標點保持原樣，便於混合字串處理。
大小寫統一：統一輸出大寫，符合索引慣例。

局限性與替代方案

局限	說明	替代方案
僅支援 GBK 覆蓋字元	生僻字、港台繁體字、Emoji 會回退原字元	使用 ICU4J、pinyin4j 庫，支援 Unicode 全字集
多音字無法處理	如「長」僅返回 C（cháng），無法得知 zhǎng	詞典分詞 + 上下文消歧（如 HanLP）
依賴平台 GBK 支援	部分精簡 JVM 可能無 GBK 編碼器	內建編碼表，不依賴 Charset