想找个拼音转汉字的库（类似于词典），找了好几年一直没有找到，只有中文转拼音的或者是只有词库+词频这种东西

大学的时候做个类似的东西奈何那会没有 git 代码丢了

今天抽时间简单的弄了一个

这个东西要分两部分，第一部分是拼音，用 Trie Tree 的数据结构，一般词典都用这个

这样的话，根据输入一个节点一个节点的去找，每个节点还要存对应的词条位置信息

第二部分是词库部分，网上找了一个还算丰富的词库，22W 条数据

由于这个没有拼音，所以找了一个 TinyPinyin 先生成拼音

然后遍历一下，根据拼音将词条的位置信息存到 Trie 树中去，可能有多条信息所以要用数组存

词库就还是一个文本文件

这样查找的时候，先从 Trie 树找到词条的位置，再用 RandomAccessFile seek 到词条的位置读取

测试了一下速度还可以，基本都在 0.2 ms 以内

可以优化的点：

词库用二进制的方式存储，缩小体积，读取速度更快

Trie 树序列化，没必要每次启动都初始化一遍

字典树的缓存，为了简单我直接用 Json 缓存了，查了一下竟然有 21.3MB

它一共有3个字段，然后我用 SerializedName 注解把名字替换成 a,b,c

缓存减少了差不多一半，效果还不错

用 ProtoBuf 可能更小，和 Json 方式做个对比

写文件耗时：

解析文件耗时

写入文件大小

这个差距还是蛮大的

Protocol Buffer 使用稍微复杂点，要先声明一个 .proto 的描述性文件

然后再用 protocol buffer compiler 的工具将描述文件转成一个 Java 类

这里有个比较坑的地方是，我是用 Java 的 Gradle 项目测试的，它生成的是 Java 代码，然后我把它放在 kotlin 文件夹下一直报错 NoClassFound，挪到 java 文件夹下就正常了

然后再需要的地方把你的数据转换为生成的数据对象，它提供一个 writeTo 方法，传入一个 OutputStream 就可以了

还有一个优化的点是合并空节点，有些节点很长，但可能只有最后一个有数据，其他的接口都只是路过

比如下面这种情况, nia 并不是一个拼音，没有对应的字，这样就可以和后面的 n 合并为一个

合并的原则是，如果当前节点没有数据且只有一个子节点就可以合并，这样可以有效的缩短树的深度

下面是优化的代码