拼音首字符检索

article/2025/7/3 8:49:21
    原理很简单,找出汉字表中拼音首字符分别为“A”至“Z”的汉字内码范围,这样,对于要检索的汉字只需要检查它的内码位于哪一个首字符

的范围内,就可以判断出它的拼音首字符。 

    程序更简单,包括3个控件:一个列表存放着所有待检索的信息;一个列表用于存放检索后的信息;一个编辑框用于输入检索关键字(即拼音首

字符序列)。详细如下: 

1 .进入Delphi创建一个新工程:Project1 

2 .在Form1上创建以下控件并填写属性: 

控件类型 属性名称 属性值
Edit Name Search
ListBox Name SourceList
Items 输入一些字符串,如姓名等,用于提供检索数据
ListBox Name ResultList
 

3 .键入以下两个函数 

//  获取指定汉字的拼音索引字母,如:“汉”的索引字母是“H”
function  GetPYIndexChar( hzchar:string):char;
begin
case  WORD(hzchar[ 1 ]) shl  8   +  WORD(hzchar[ 2 ])  of
$B0A1..$B0C4 : result :
=   ' A ' ;
$B0C5..$B2C0 : result :
=   ' B ' ;
$B2C1..$B4ED : result :
=   ' C ' ;
$B4EE..$B6E9 : result :
=   ' D ' ;
$B6EA..$B7A1 : result :
=   ' E ' ;
$B7A2..$B8C0 : result :
=   ' F ' ;
$B8C1..$B9FD : result :
=   ' G ' ;
$B9FE..$BBF6 : result :
=   ' H ' ;
$BBF7..$BFA5 : result :
=   ' J ' ;
$BFA6..$C0AB : result :
=   ' K ' ;
$C0AC..$C2E7 : result :
=   ' L ' ;
$C2E8..$C4C2 : result :
=   ' M ' ;
$C4C3..$C5B5 : result :
=   ' N ' ;
$C5B6..$C5BD : result :
=   ' O ' ;
$C5BE..$C6D9 : result :
=   ' P ' ;
$C6DA..$C8BA : result :
=   ' Q ' ;
$C8BB..$C8F5 : result :
=   ' R ' ;
$C8F6..$CBF9 : result :
=   ' S ' ;
$CBFA..$CDD9 : result :
=   ' T ' ;
$CDDA..$CEF3 : result :
=   ' W ' ;
$CEF4..$D188 : result :
=   ' X ' ;
$D1B9..$D4D0 : result :
=   ' Y ' ;
$D4D1..$D7F9 : result :
=   ' Z ' ;
else
result :
=  char( 0 );
end ;
end ;

//  在指定的字符串列表SourceStrs中检索符合拼音索引字符串
PYIndexStr的所有字符串,并返回。
function  SearchByPYIndexStr( SourceStrs:TStrings; PYIndexStr:string):string; label  NotFound;
var
i, j :integer;
hzchar :string;
begin
for  i: = 0   to  SourceStrs.Count - 1   do
begin
for  j: = 1   to  Length(PYIndexStr)  do
begin
hzchar:
= SourceStrs[i][ 2 * j - 1 ] +  SourceStrs[i][ 2 * j];
if  (PYIndexStr[j] <> ' ? ' and  (UpperCase(PYIndexStr[j])  <>  GetPYIndexChar(hzchar))  then   goto  NotFound;
end ;
if  result = ''   then  result : =  SourceStrs[i]  else  result : =  result  +  Char( 13 +  SourceStrs[i];
NotFound:
end ;
end ;

4 .增加编辑框Search的OnChange事件:
procedure  TForm1.SearchChange(Sender: TObject);
var  ResultStr:string;
begin
ResultStr:
= '' ;
ResultList.Items.Text :
=  SearchByPYIndexStr(Sourcelist.Items, Search.Text);
end
 

5 .编译运行后,在编辑框Search中输入要查询字符串的拼音首字符序列,检索结果列表ResultList就会列出检索到的信息,检索中还支持“?”通配符

,对于难以确定的的文字使用“?”替代位置,可以实现更复杂的检索。 

转载于:https://www.cnblogs.com/safezone/articles/1260847.html


http://chatgpt.dhexx.cn/article/XyYTu5fu.shtml

相关文章

C#中获得汉字的首拼音(加强版)

/// <summary> /// 汉字拼音首字母列表/// 包含了20901个汉字,收录的字符的Unicode编码范围为19968至40869/// </summary>#region ChineseCharListprivate static string[] ChineseCharList { "A阿啊锕嗄厑哎哀唉埃挨溾锿鎄啀捱皑凒溰嘊敳皚癌毐昹嗳矮蔼躷噯…

C#获得汉字的首拼音

利用汉字在计算机里面的编码来得到汉字的首拼音&#xff1a; static public string GetChineseSpell( string strText) ... { int len strText.Length; string myStr ""; for(int i0;i<len;i) ...{ …

PHP中文字符串转化为英文首拼音首字母大写

效果&#xff1a; 中国 >ZG 中文转化为英文首字母 中国&#xff1a;ZG &#xff1b;中2国&#xff1a;ZG&#xff1b;z国&#xff1a;ZG1:省略了数字&#xff08;不转化&#xff09; 用法&#xff1a; $result Character::getEnByCnByString(‘i是中国人’,3);//这边的3为截…

使用完整拼音查找汉字(完整拼音,不是网上散布的首字符拼音那种方法)

注意&#xff1a;这绝不是网上散播的只能使用拼音首字符进行汉字查找的方案&#xff0c;这是一个真正的输入完整拼音得到相应汉字的解决办法。 大部分程序员眼中只有变量、函数……他们忽略生活中的一切&#xff0c;他们并不理解真正的优雅的程序解决方案往往来自生活&#xff…

基于LeNet5实现交通标志分类任务

前言 大家好,我是阿光。 本专栏整理了《PyTorch深度学习项目实战100例》,内包含了各种不同的深度学习项目,包含项目原理以及源码,每一个项目实例都附带有完整的代码+数据集。 正在更新中~ ✨ 🚨 我的项目环境: 平台:Windows10语言环境:python3.7编译器:PyCharmPy…

Lenet5网络结构

Lenet5网络是深度学习中最基本的网络结构,开始于90年代,最早是应用于手写数字识别。受限于当时的环境,所以一开始不怎么出名。但是,在2012年,出现了Alexnet,在图像分类领域打败了所有机器学习方法。深度学习开始变得火热。 import torch import torch.nn as nn import t…

[PyTorch][chapter 41][卷积网络实战-LeNet5]

前言 这里结合前面学过的LeNet5 模型&#xff0c;总结一下卷积网络搭建&#xff0c;训练的整个流程 目录&#xff1a; 1&#xff1a; LeNet-5 2: 卷积网络总体流程 3&#xff1a; 代码 一 LeNet-5 LeNet-5是一个经典的深度卷积神经网络&#xff0c;由Yann LeCun在1998年提…

(一)Lenet5 手写数字识别原理及代码解析

模型简单&#xff0c;本地可跑 论文参考&#xff1a;Gradient-based learning applied to document recognition MNIST手写数据集 50000个训练数据 10000个测试数据 图像大小2828 10类&#xff08;0-9&#xff09; 一、python预安装库 pip install torch pip install torchvi…

【LeNet5】简单车牌识别

文章目录 1. 项目准备1.1. 问题导入1.2. 数据集简介 2. LeNet5模型2.1. 卷积神经网络2.2. 模型介绍 3. 实验步骤3.0. 前期准备3.1. 数据准备3.2. 网络配置3.3. 模型训练3.4. 模型评估3.5. 模型预测 写在最后 1. 项目准备 1.1. 问题导入 本次实践是一个多分类任务&#xff0c;…

LeNet5—论文及源码阅读

LeNet5实现图像分类 &#x1f42c; 目录: 一、概论二、论文选读三、源码精读 所用数据集介绍LeNet5模型网络构建LeNet5模型训练 测试代码 四、参考资料 一、概论 LeNet-5是一种经典的卷积神经网络结构&#xff0c;于1998年投入实际使用中。该网络最早应用于手写体字符识别应…

重学深度学习系列---LeNet5实现手写数字识别(TensorFlow2-mnist数据集)

重学深度学习系列—LeNet5实现手写数字识别(TensorFlow2-mnist数据集) 文章目录 重学深度学习系列---LeNet5实现手写数字识别(TensorFlow2-mnist数据集)我的环境&#xff1a;一、LeNet5简单介绍二、LeNet-5代码实现三、训练四、对图片进行预测五、训练过程截图&#xff1a;参考…

经典网络-LeNet-5

上图展示展示了 LeNet-5 模型的架构。 是Yann LeCun 教授于1998 年在论文Gradient-based learning applied to document recognition中提出的&#xff0c;它是第一个成功应用于数字识别问题的卷积神经网络。 LeNet-5 详细结构 在下面的篇幅中将详细介绍LeNet-5 模型每一层的…

深度学习---卷积神经网络之LeNet5(TensorFlow 代码实现)

一、前言 1.1 使用全连接神经网络对图像进行处理存在的问题 1、需要处理的数据量大&#xff0c;效率低 现在的图像都有着极高的像素&#xff0c;假设一张需要处理的图片像素是 1000 * 1000 * 3(彩色图片&#xff0c;具有 RGB 3 个通道)&#xff0c;使用具有 100 个隐藏单元的…

浅谈LeNet-5

浅谈LeNet-5 基于Tensorflow的实现欢迎查看我下一篇博客Tensorflow实战 LeNet-5神经网络进行手写体数字识别 一、LetNet是什么&#xff1f; LetNet是一种入门级的神经网络模型&#xff0c;是一个简单的卷积神经网络&#xff0c;可以用来做手写体识别。 下面我将以上图为例简…

卷积神经网络CNN与LeNet5详解(可训练参数量、计算量、连接数的计算+项目实战)

文章目录 神经网络CNN卷积神经网络CNN的由来局部感受野共享权重池化CNN的结构光栅化 LeNet5详解LeNet5-C1层LeNet5-S2层LeNet5-C3层LeNet5-S4层LeNet5-C5层LeNet5-F6层LeNet5-OUTPUT层计算公式 LeNet5实战定义网络模型初始化模型参数训练测试准确率预测结果 神经网络 神经网络可…

lenet5实现

Pytorch环境下搭建lenet5网络实现手写数字识别 &#xff08;文章采用cuda9.0cudnn7.4pytorch1.6环境&#xff09; 数据集选用EMNIST dataset中的手写数据集&#xff0c;参考链接如下&#xff1a; 数据集下载地址 代码部分参考S.E作者的pytorch实现手写英文字母识别&#xff0…

从零开始的神经网络构建历程(三,LeNet5复现)

前两篇博文主要介绍了torch如何构建全连接前馈神经网络&#xff0c;本篇博客主要针对经典卷积神经网络LeNet5进行复现。 卷积神经网络的基本结构 相信不少人都看过不少博客&#xff0c;也都对卷积神经网络的大致结构了解一点&#xff0c;这里本人站在神经元的角度来描述卷积神…

卷积神经网络LeNet5结构

LeNet5可以说是最早的卷积神经网络了&#xff0c;它发表于1998年&#xff0c;论文原文Gradient-Based Learning Applied to Doucment Recognition作者是Yann Le Cun等。下面对LeNet5网络架构进行简单的说明&#xff0c;有兴趣的同学可以去参考原文&#xff0c;论文原文地址http…

Lenet5(1998)

先读 https://blog.csdn.net/zhangjunhit/article/details/53536915 https://blog.csdn.net/qianqing13579/article/details/71076261 第三个卷积层&#xff0c;S2 6个1010的特征映射&#xff0c;C3是16个1010的特征映射&#xff0c;怎么做的呢&#xff1f; 关注C3层 Why not …

LeNet5的论文及理解

LeNet5网络的来源&#xff1a;Lcun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11):2278-2324. 1. 卷积神经网络&#xff08;Convolutional Neural Network&#xff0c;CNN&#xff09;基…