最近在产品里要用到汉字转拼音的一个小功能，大牛征哥忙不得暇，我就一时技痒上手了。

首先是要找一个比较全的汉字和读音的对照表。征哥找到一个，结果仔细一看，里面有不少发音根本无法读，比如 dem 这样的，由于要支持 CJK 的 20902 个汉字，一个个去对是不现实的，一是时间不允许，而是水平也不够，自忖认识的人里面还没有谁能把两万多汉字都能念上来的。后来发现了一个国外的软件，可以查询汉字发音，从网站和产品看这个出品方，应该比较专业，因此将它的数据作为标准，整理了一份汉字读音对照表。

因为懒得统计对照表中到底有多少种发音了，我就在网上找到一个拼音发音表，心想这东西总不会出问题吧，可是偏偏就出了问题。征哥用我生成的库查询时发现，有好些个汉字没有发音或者发音少了，比如“得”，就没有 dei 的音，仔细一看，还有其他几个音（例如 pou）也没有。为了求全，只好又花工夫找了一个看起来很专业的拼音发音总表，共有发音 407 个。把所有汉字分配到这四百多个发音的过程中，又发现还有的读音是不在我的表里的，例如 m、n、ng 这三个古怪的音，根据我的记忆，声母是不可以作为独立拼音发音存在的。另外还有一个是 chua，不过这个至少还是可以拼读出来的。那三个音对应到两个汉字上，一个是“呣”，一个是“嗯”。前一个我本就不认识，所以无法用搜狗拼音输入法验证应该如何输入，反正只输入 m 肯定会翻屏翻得累死掉，读者之所以现在能看到它，是我总算找到它有另一个发音 mou。而“嗯”，我一贯以为它的拼音是 en，但在网上找了好几个在线词典和字典，包括我心目中极为权威的汉典网站（www.zdic.net），给出的拼音都是 n 和 ng，我起先还怀疑 n 和 ng 是 en、eng 的另一种形式，但是发音 en 的另有其字，比如“摁”，eng 的也有“鞥”。也就是说，我原来认为的同音字“嗯”和“摁”（不考虑声调），其实是不同音的。

仔细考虑也会发现，我妄图把 n、ng 作为 en、eng 的同音看待是不能解决根本问题的，因为无法照此处理 m 这个发音。真是晕死。

除此几例棘手的情况外，还有一些字也是费周章的。比如一个字，“扽”（以及我怀疑是其异体字的“扥”），我的数据源中将其发音标注为 dun，但我在其他地方查这个字的读音都是 den。再有“忒”，它应该有三个读音，te、tei、tui，可我的数据源里只有第一个。在网上找了个 GB18030 的汉字读音对照表，它的里面也缺中间的那个读音。这些问题又让我开始怀疑数据源的权威性来。神奇的是，在网上怎么也找不到国家的标准化部门制定的官方文件。

我只好和征哥发出无奈的感叹：水太深了。现在聊以自慰的是，我的方案：1、完美支持多音字；2、库体积很小；3、数据在文件中和内存中可以保持一致的形态，加载方便；4、检索速度很快；5、当前只支持 CJK 内的汉字，但是很容易扩展；。

另记，敬业的征哥经常在要下班的时候告诉我出问题了（因为他上班时间基本上都在各种会议里度过，哈哈），害得我多次加班，特此纪念。

—— 记于百度空间