萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 腳本程式專題 >> JavaScript

JavaScript 實現漢字轉拼音:從字典映射到現代方案的完整演進

在中文應用中,將漢字轉為拼音是搜尋、排序、輸入法提示、URL Slug 生成等場景的基礎需求。本文從最基礎的字典映射實作,延伸至現代成熟庫、WebAssembly 方案、語音合成輔助,提供完整技術選型指南。

方案一:簡易字典映射(適合極簡場景、無依賴)

原理:建立「漢字 → 拼音首字母/全拼」的查找表,適用於常用字集(約 3,500 字)。

核心資料結構(示意,實際需完整字表)


// 僅示範結構,實際專案請引入完整字典檔(約 50-200 KB)
const PINYIN_DICT = {
  '你': 'ni', '好': 'hao', '世': 'shi', '界': 'jie',
  '中': 'zhong', '國': 'guo', '人': 'ren', '民': 'min'
  // ... 數萬條映射
};

function simplePinyin(text, { separator = '', firstLetterOnly = false } = {}) {
  return [...text].map(ch => {
    const py = PINYIN_DICT[ch];
    if (!py) return ch; // 非漢字保留原字
    return firstLetterOnly ? py[0] : py;
  }).join(separator);
}

console.log(simplePinyin('你好世界')); // "nihaoshijie"
console.log(simplePinyin('中國', { separator: ' ', firstLetterOnly: true })); // "z g"

優缺點

優點缺點
零依賴、體積可控多音字無法處理(如「行」xing/hang)
同步極快生僻字、姓名、地名覆蓋率低
可離線運行需自行維護字典更新

方案二:成熟 npm 套件(生產環境首選)

套件體積 (gz)特色多音字支援環境
pinyin~40 KB功能最全,支援分詞、多音字陣列、自定義字典✅ 陣列回傳Node / Browser (Webpack)
pinyin-pro~15 KB極速、Tree-shaking 友善、TypeScript 原生✅ 可選策略Node / Browser / Deno / Edge
chinese-to-pinyin~8 KB極輕量、僅轉全拼/首字母❌ 單一讀音所有 JS 環境
pinyin-match~12 KB專為搜尋/匹配優化✅Browser/Node

pinyin-pro 使用範例(推薦新專案)


import { pinyin } from 'pinyin-pro';

// 基本用法
pinyin('中心'); // "zhōng xīn"
pinyin('中心', { toneType: 'num' }); // "zhong1 xin1"
pinyin('中心', { separator: ' ', pattern: 'first' }); // "z x"

// 多音字處理
pinyin('重庆', { multiple: true }); // [["zhong","chong"], ["qing"]]

// 自定義字典(處理專有名詞)
pinyin('贾玲', { 
  dict: { '贾': 'jia', '玲': 'ling' } // 覆蓋預設讀音
});

方案三:WebAssembly 高效能方案(大規模轉換)

當需要在瀏覽器處理超大文本(>10 萬字)或高頻即時轉換時,WASM 方案效能碾壓純 JS:

  • pinyin-pro 內建 WASM 版(pinyin-pro/wasm),單次載入 ~200 KB,轉換速度提升 10-50x。
  • chinese-to-pinyin 亦有 WASM 分支。

// pinyin-pro WASM 使用
import { pinyin } from 'pinyin-pro/wasm';
// 首次會異步載入 .wasm 檔,之後同步極速
console.log(pinyin('这是一个很长的中文文本...'.repeat(1000))); // 毫秒級完成

方案四:瀏覽器原生 Intl.Segmenter + 語音合成輔助(實驗性)


// 利用 Intl.Segmenter 斷詞(Chrome 87+、Firefox 78+、Safari 14.1+)
const segmenter = new Intl.Segmenter('zh', { granularity: 'word' });
const words = [...segmenter.segment('你好世界')].map(s => s.segment);
// words: ["你", "好", "世界"]

// 配合 SpeechSynthesis 取得讀音(需線上、有聲音、受限於系統語音庫)
function speakAndGetPinyin(text) {
  return new Promise(resolve => {
    const utter = new SpeechSynthesisUtterance(text);
    utter.lang = 'zh-CN';
    utter.onend = () => resolve('需自行對應'); // 瀏覽器不直接暴露拼音
    speechSynthesis.speak(utter);
  });
}
注意:SpeechSynthesis 只能播放發音,無法直接取得拼音字串,僅作輔助參考。

場景化選型建議

場景推薦方案理由
表單輸入即時提示(首字母)pinyin-pro (pattern: 'first')體積小、同步極快、TS 友善
後端 Node 批次處理資料匯入pinyin (完整功能)多音字、分詞、自定義字典完備
前端大量文本即時轉換(編輯器)pinyin-pro WASM非阻塞主執行緒、極高吞吐
靜態站點生成 URL Slugchinese-to-pinyin零依賴、構建時執行、體積極小
搜尋/模糊匹配pinyin-match專為匹配優化,支援聲調不敏感

常見坑點

  1. 多音字上下文相關:單字查表無法解決「長行(hang) vs 銀行(xing)」,需分詞或語料庫訓練模型。
  2. 輕聲、兒化音:部分庫支援 toneType: 'none' | 'num' | 'symbol',按需選擇。
  3. 生僻字/擴展區:Unicode 擴展區 B/C/D 字元需確認字典覆蓋率。
  4. 效能陷阱:逐字 split('') + 迴圈查表在長文本極慢,務必使用批次 API 或 WASM。

結語

漢字轉拼音看似簡單,實則涉及字典覆蓋、多音字消歧、效能權衡。新專案首選 pinyin-pro(含 WASM 版),兼顧體積、速度、TypeScript 體驗與多音字處理;極簡場景可用 chinese-to-pinyin;複雜 NLP 需求則考慮結合分詞器(如 nodejieba)與語言模型。切記:不要在生產環境手寫字典映射,維護成本極高且易遺漏邊界情況。

copyright © 萬盛學電腦網 all rights reserved