java - 如何在Java中将句子分成音节

Question

可能重复：
检测单词中的音节

假设输入字符串是“saya saintg makan nasi goreng” 我想把它分成音节：“sa”、“ya”、“se”、“dang”、“ma”、“kan”、“na”、“si ”、“去”、“任”

我怎样才能在Java中做到这一点？有人可以帮助我吗？

Answer 1

如果没有语音输入，您需要一个“音节词典”来做到这一点。

编辑：已经在这个网站上讨论过。

Answer 2

这不是一件容易的事。但是，如果您仍然想这样做，我认为您最好的选择是搜索字典数据库（它为您提供每个单词的音节细分，虽然这很难找到），下载它并编写一个程序来查询数据库并获取音节分解。

Answer 3

这是一个天真的解决方案：

String input = "saya sedang makan nasi goreng";
Matcher m = Pattern.compile("[^aeiou]?[AEIOUaeiou](ng|n)?").matcher(input);
int s = 0;
while (m.find()) {
  System.out.println(input.substring(s, m.end()).trim());
  s = m.end();
}

编辑：
@Stephen C 是对的。这是基于印度尼西亚语的音节形成规则的适当解决方案（来自源）

在印尼语中，音节由元音加上紧接在前的辅音组成。它还包括任何不紧跟在下一个元音之前的辅音。

请注意，ng算作单个辅音。

String input = "SAYA sedang makan nasi goreng garam asal saat air ia bentuk";
Matcher m = Pattern.compile("[^aeiou]?[aeiou]((ng|[^aeiou])(?![aeiou]))?",
              Pattern.CASE_INSENSITIVE).matcher(input);
int s = 0;
while (m.find()) {
  System.out.println(input.substring(s, m.end()).trim());
  s = m.end();
}

请注意（在上面的来源中也提到过）音节在语音中的发音可能略有不同，例如语音中：ma-kan-an，程序输出：ma-ka-nan。

编辑2： 好的。进一步研究表明，我错过了ny、sy和kh辅音。还修复了其他几个问题。这是更新的正则表达式：

"(ng|ny|sy|kh|[^aeiou])?[aeiou]((ng|ny|sy|kh|([^aeiou](?![gyh]))(?![aeiou])))?"