我正在寻找能够正确匹配有效拼音的正则表达式(例如“sheng”,“sou”(同时忽略无效拼音,例如“shong”,“sei”).谷歌顶级结果中提供的大多数正则表达式匹配在某些情况下无效的拼音.
显然,无论采用何种方法,这将是一个怪物正则表达式,我特别感兴趣的是可以采取不同的方法来解决这个问题.例如,“Optimizing a regular expression to parse chinese pinyin”使用回顾.
有效拼音表可以在这里找到：
http://pinyin.info/rules/initials_finals.html
我去了一个正则表达式,用拼音的首字母(通常是第一个字母)分组较小的正则表达式.因此,第一组包括所有“b”,“p”和“m”声音,然后是“f”,然后是“d”和“t”等.
原文链接：https://www.f2er.com/regex/356612.html这种方法看起来很容易阅读,并且应该易于编辑(如果需要更正或添加).我还为群体的乞讨添加了例外以提高可读性.
([mM]iu|[pmPM]ou|[bpmBPM](o|e(i|ng?)?|a(ng?|i|o)?|i(e|ng?|a[no])?|u))| ([fF](ou?|[ae](ng?|i)?|u))|([dD](e(i|ng?)|i(a[on]?|u))| [dtDT](a(i|ng?|o)?|e(i|ng)?|i(a[on]?|e|ng|u)?|o(ng?|u)|u(o|i|an?|n)?))| ([nN]eng?|[lnLN](a(i|ng?|o)?|e(i|ng)?|i(ang|a[on]?|e|ng?|u)?|o(ng?|u)|u(o|i|an?|n)?|ve?))| ([ghkGHK](a(i|ng?|o)?|e(i|ng?)?|o(u|ng)|u(a(i|ng?)?|i|n|o)?))| ([zZ]h?ei|[czCZ]h?(e(ng?)?|o(ng?|u)?|ao|u?a(i|ng?)?|u?(o|i|n)?))| ([sS]ong|[sS]hua(i|ng?)?|[sS]hei|[sS][h]?(a(i|ng?|o)?|en?g?|ou|u(a?n|o|i)?|i))| ([rR]([ae]ng?|i|e|ao|ou|ong|u[oin]|ua?n?))| ([jqxJQX](i(a(o|ng?)?|[eu]|ong|ng?)?|u(e|a?n)?))| (([aA](i|o|ng?)?|[oO]u?|[eE](i|ng?|r)?))| ([wW](a(i|ng?)?|o|e(i|ng?)?|u))| [yY](a(o|ng?)?|e|in?g?|o(u|ng)?|u(e|a?n)?)
这是我创建的Debuggex example.
