use phf::phf_set;
use std::char;
use std::collections::BTreeSet;
include!(concat!(env!("OUT_DIR"), "/pinyin_data.rs"));
pub fn has_pinyin(ch: &char) -> bool {
PINYIN_DIRT.contains_key(ch)
}
pub fn get_pinyin(ch: &char) -> Option<Vec<String>> {
let pinyin = PINYIN_DIRT.get(ch)?;
let result = pinyin
.split(",")
.map(str::to_owned)
.collect::<Vec<String>>();
Some(result)
}
pub fn split_pinyin(input: &str) -> BTreeSet<String> {
let len = input.chars().count();
const MAX_LEN: usize = 20;
if len <= 1 || len > MAX_LEN {
return BTreeSet::from([input.to_owned()]);
}
let spaced = input
.chars()
.fold(String::new(), |mut acc, ch| {
acc.push('+');
acc.push(ch);
acc
})
.chars()
.skip(1)
.collect::<String>();
if len > 2 {
let pinyin = split_pinyin_with_index(input, 0, len);
let mut pinyin = pinyin.into_iter().collect::<BTreeSet<_>>();
pinyin.insert(spaced);
pinyin.insert(input.to_owned());
pinyin
} else {
BTreeSet::from([input.to_owned(), spaced])
}
}
fn split_pinyin_with_index(input: &str, begin: usize, end: usize) -> Vec<String> {
if begin >= end {
return Vec::new();
}
if begin == end - 1 {
return vec![input[begin..end].to_owned()];
}
let mut result = Vec::<String>::new();
let full_str = &input[begin..end];
if PINYIN_PREFIX.contains(full_str) || PINYIN_VALID.contains(full_str) {
result.push(full_str.to_owned());
}
let mut start = begin + 1;
while start < end {
let first = &input[begin..start];
if !PINYIN_VALID.contains(first) {
start += 1;
continue;
}
let tmp = split_pinyin_with_index(input, start, end);
for s in tmp {
result.push(format!("{first}+{s}"));
}
start += 1
}
result
}
static PINYIN_PREFIX: phf::Set<&'static str> = phf_set! {
"be","bia",
"ch","cho","chon","chua","co","con","cua",
"din","don","do","dua",
"fe",
"go","gon",
"ho","hon",
"len","lon","lua",
"mia",
"nia","no","non","nua",
"pe","pia",
"qio","qion","qua",
"ra","ro","ron","rua",
"sh","sho","so","son","sua",
"ten","tia","tin","to","ton","tua",
"we",
"xio","xion","xua",
"yon","yua",
"zh","zho","zhon","zo","zon","zua",
};
static PINYIN_VALID: phf::Set<&'static str> = phf_set! {
"a", "ai", "an", "ang", "ao",
"ba", "bai", "ban", "bang", "bao", "bei", "ben", "beng", "bi", "bian", "biao", "bie", "bin", "bing", "bo", "bu",
"ca", "cai", "can", "cang", "cao", "ce", "cen", "ceng", "cha", "chai", "chan", "chang", "chao", "che", "chen", "cheng", "chi", "chong", "chou", "chu", "chuai", "chuan", "chuang", "chui", "chun", "chuo", "ci", "cong", "cou", "cu", "cuan", "cui", "cun", "cuo",
"da", "dai", "dan", "dang", "dao", "de", "dei", "den", "deng", "di", "dia", "dian", "diao", "die", "ding", "diu", "dong", "dou", "du", "duan", "dui", "dun", "duo",
"e", "ei", "en", "eng", "er",
"fa", "fan", "fang", "fei", "fen", "feng", "fo", "fou", "fu",
"ga", "gai", "gan", "gang", "gao", "ge", "gei", "gen", "geng", "gong", "gou", "gu", "gua", "guai", "guan", "guang", "gui", "gun", "guo",
"ha", "hai", "han", "hang", "hao", "he", "hei", "hen", "heng", "hong", "hou", "hu", "hua", "huai", "huan", "huang", "hui", "hun", "huo",
"ji", "jia", "jian", "jiang", "qiao", "jiao", "jie", "jin", "jing", "jiong", "jiu", "ju", "juan", "jue", "jun","jv",
"ka", "kai", "kan", "kang", "kao", "ke", "kei", "ken", "keng", "kong", "kou", "ku", "kua", "kuai", "kuan", "kuang", "kui", "kun", "kuo",
"la", "lai", "lan", "lang", "lao", "le", "lei", "leng", "li", "lia", "lian", "liang", "liao", "lie", "lin", "ling", "liu", "long", "lo", "lou", "lu", "luan", "lue", "lun", "luo","lv",
"ma", "mai", "man", "mang", "mao", "me", "mei", "men", "meng", "mi", "mian", "miao", "mie", "min", "ming", "miu", "mo", "mou", "mu",
"na", "nai", "nan", "nang", "nao", "ne", "nei", "nen", "neng", "ni", "nian", "niang", "niao", "nie", "nin", "ning", "niu", "nong", "nou", "nu", "nuan", "nue", "nun", "nuo", "nv",
"o", "ou",
"pa", "pai", "pan", "pang", "pao", "pei", "pen",
"peng", "pi", "pian", "piao", "pie", "pin", "ping", "po", "pou", "pu",
"qi", "qia", "qian", "qiang", "qie", "qin", "qing", "qiong", "qiu", "qu", "quan", "que", "qun","qv",
"ran", "rang", "rao", "re", "ren", "reng", "ri", "rong", "rou", "ru", "ruan", "rui", "run", "ruo",
"sa", "sai", "san", "sang", "sao", "se", "sen", "seng", "sha", "shai", "shan", "shang", "shao", "she", "shei", "shen", "sheng", "shi", "shou", "shu", "shua", "shuai", "shuan", "shuang", "shui", "shun", "shuo", "si", "song", "sou", "su", "suan", "sui", "sun", "suo",
"ta", "tai", "tan", "tang", "tao", "te", "tei", "teng", "ti", "tian", "tiao", "tie", "ting", "tong", "tou", "tu", "tuan", "tui", "tun", "tuo",
"wa", "wai", "wan", "wang", "wei", "wen", "weng", "wo", "wu",
"xi", "xia", "xian", "xiang", "xiao", "xie", "xin", "xing", "xiong", "xiu", "xu", "xuan", "xue", "xun","xv",
"ya", "yan", "yang","yao", "ye", "yi", "yin", "ying", "yo", "yong", "you", "yu", "yuan", "yue", "yun",
"za", "zai", "zan", "zang", "zao", "ze", "zei", "zen", "zeng", "zha", "zhai", "zhan", "zhang", "zhao", "zhe", "zhen", "zheng", "zhi", "zhong", "zhou", "zhu", "zhua", "zhuai", "zhuan", "zhuang", "zhui", "zhun", "zhuo", "zi", "zong", "zou", "zu", "zuan", "zui", "zun", "zuo",
};
#[cfg(test)]
mod tests {
use crate::pinyin::{get_pinyin, split_pinyin, PINYIN_DIRT};
use std::collections::BTreeSet;
#[test]
fn test_get_pinyin_by_dirt() {
let ch = '中';
let pinyin = *PINYIN_DIRT.get(&ch).unwrap();
assert_eq!("zhong", pinyin);
let ch = '说';
let pinyin = *PINYIN_DIRT.get(&ch).unwrap();
assert_eq!("shui,shuo,yue", pinyin);
}
#[test]
fn test_get_pinyin() {
let ch = '中';
let pinyin = get_pinyin(&ch).unwrap();
assert_eq!(vec!["zhong".to_owned()], pinyin);
let ch = '说';
let pinyin = get_pinyin(&ch).unwrap();
assert_eq!(
vec!["shui".to_owned(), "shuo".to_owned(), "yue".to_owned()],
pinyin
);
}
#[test]
fn test_split_pinyin() {
let input = "";
assert_eq!(BTreeSet::from(["".to_owned()]), split_pinyin(input));
let input = "a";
assert_eq!(BTreeSet::from(["a".to_owned()]), split_pinyin(input));
let input = "ba";
assert_eq!(
BTreeSet::from(["ba".to_owned(), "b+a".to_owned()]),
split_pinyin(input)
);
let input = "zhuang";
assert_eq!(
BTreeSet::from([
"z+h+u+a+n+g".to_owned(),
"zhuang".to_owned(),
"zhuan+g".to_owned(),
"zhu+ang".to_owned(),
"zhu+an+g".to_owned(),
]),
split_pinyin(input)
);
let input = "zhangliangy";
assert_eq!(
BTreeSet::from([
"z+h+a+n+g+l+i+a+n+g+y".to_owned(),
"zhangliangy".to_owned(),
"zhang+li+ang+y".to_owned(),
"zhang+liang+y".to_owned(),
]),
split_pinyin(input)
);
let input = "zhangliangying";
assert_eq!(
BTreeSet::from([
"zhangliangying".to_owned(),
"zhang+li+ang+ying".to_owned(),
"zhang+li+ang+yin+g".to_owned(),
"zhang+liang+ying".to_owned(),
"zhang+liang+yin+g".to_owned(),
"z+h+a+n+g+l+i+a+n+g+y+i+n+g".to_owned()
]),
split_pinyin(input)
);
let input = "zhangliangyingzhangliangying";
assert_eq!(
BTreeSet::from(["zhangliangyingzhangliangying".to_owned()]),
split_pinyin(input)
);
}
}