拼音转换中英文字符丢失

[tianliang0123]

在中文与拼音的转换过程中，只要输入句子中含有非中文字符，就输出none，建议能够保留原文中的非中文字符和标点，如当前输入“截至2012年，”就会输出 “ jié zhì none nián none”，建议输出“ jié zhì 2012 nián，”

[hankcs]

这是不可能的，为什么要把标点和拼音混淆在一起？你为什么不根据index去文本里面取呢

[hankcs]

只需少量的代码即可实现你的需求

[tianliang0123]

在一些出版行业，比如儿童读物，就需要保留原中文中的数字，标点信息，所以这个原文输出（虽然不需要转换成拼音），这种情况就是必要的。比如我们添加一个参数&fulloutput之类的，一个建议。

[hankcs]

现在应该是你要的效果了：

    System.out.println(HanLP.convertToPinyinString("截至2012年，", " ", true));
    System.out.println(HanLP.convertToPinyinString("截至2012年，", " ", false));

jie zhi none none none none nian none
jie zhi 2 0 1 2 nian ，

[Bahramudin]

我想问一下：这个姓名设别和地名设别返回的结果是能不能只包括姓名或地名，比如；如果我想设别地名在一句话里“我是在北京市的海淀里”这个算法返回的是“[北京市/ns, 海淀区/ns, 生活/vn, 呢/y, 田村/nr, 路/n]”这个就是做了一个分词而已，怎么知道哪个地名啊。谢谢！

[hankcs]

http://www.hankcs.com/nlp/part-of-speech-tagging.html#h2-8

[mq-shi]

@hankcs
拼音转换可选保留无拼音的原字符
我用您提供的方法去做，数据包：data-for-1.2.11.zip，jar包：portable-1.2.11
HanLP.convertToPinyinString("截至2012年，", " ", false)；返回的结果中已经没有数字
/**

• 转移状态，支持failure转移
  *
• @param currentState
• @param character
• @return
  */
  com.hankcs.hanlp.collection.AhoCorasick.AhoCorasickDoubleArrayTrie.getState 数字丢失
  可能是我使用方式不对?请求协助，万分感谢。

[hankcs]

哦，这是我的操作失误，portable忘了merge这段代码：

/**
     * 转化为拼音
     *
     * @param text 文本
     * @param separator 分隔符
     * @param remainNone 有些字没有拼音（如标点），是否保留它们的拼音（true用none表示，false用原字符表示）
     * @return 一个字符串，由[拼音][分隔符][拼音]构成
     */
    public static String convertToPinyinString(String text, String separator, boolean remainNone)
    {
        List<Pinyin> pinyinList = PinyinDictionary.convertToPinyin(text, true);
        int length = pinyinList.size();
        StringBuilder sb = new StringBuilder(length * (5 + separator.length()));
        int i = 1;
        for (Pinyin pinyin : pinyinList)
        {

            if (pinyin == Pinyin.none5 && !remainNone)
            {
                sb.append(text.charAt(i - 1));
            }
            else sb.append(pinyin.getPinyinWithoutTone());
            if (i < length)
            {
                sb.append(separator);
            }
            ++i;
        }
        return sb.toString();
    }

[mq-shi]

@hankcs
非常感谢。
转换成带音标的拼音，是不是也可以参考处理。

[hankcs]

是的

[mq-shi]

@hankcs
如果可以把不能转拼音的，如数字，url 能原样输出，而不是加空格，就完美了

[hankcs]

separator上改一下吧

[mq-shi]

@hankcs
是的，separator可以控制，但是可以稍微改进下。
如果separator是空串，就拼音也会合到一起，阅读起来不方便
如果separator不是空串，url之类的特殊情况，看起来不符合常规阅读习惯
如果能在合成结果的时候，增加判断，能转成拼音的，添加separator，不能转拼音的，就不添加separator，最终结果可阅读性会更优。

[hankcs]

你可以按你的需求改改看，欢迎提交pr，谢谢。