linux下的开源简繁转换工具-- cconv (支持词语转换)

xiaoyjy

源代码可在 http://code.google.com/p/cconv/downloads/list 下载

由于linux下广泛使用的iconv只支持单字一一对应转换，cconv在iconv的基础上增加了词语转换功能。

用法与iconv相同，不太了解iconv的朋友，可以先看看：
http://www.gnu.org/software/libiconv/documentation/libiconv/iconv.1.html

安装
到 http://code.google.com/p/cconv/downloads/list 下载最新的源代码文件
$tar zxvf cconv-x.x.x.tar.gz
$cd cconv-x.x.x
$ ./configure --prefix=/usr/local
$ make
$ sudo make install

使用
$ echo "内存， 海内存知己，后天，皇后，街头发钱" | cconv -f utf-8 -t utf8-tw
記憶體， 海內存知己，後天，皇后，街頭發錢

php扩展模块的安装
值得注意的是. php扩展模块依赖于二进制版本的动态链接库，若安装扩展模块，请先安装二进制版本, 确认ldconfig -p能够找到libcconv.so 以及cconv.h头文件能被找到

$tar zxvf cconv-php-x.x.x.tar.gz
$cd cconv-php-x.x.x
$phpize
$./configure
$make
$sudo make install

在php.ini中增加一行:
extension=cconv.so

<?php
$str = "街头发钱；\n在专访中，姚明妙语连珠，透露NBA球员...\n";
echo cconv("utf-8", "utf8-tw", $str);
?>
output:
街頭發錢；
在專訪中，姚明妙語連珠，透露NBA球員...

-----------------------
目前还有一些词语对照表需要整理

对于扩展模块，现在只做了php的， 现在计划陆续推出python perl的。
只是没有太多精力花在支持windows方面,如有兴趣朋友愿意帮忙我将不胜感激。

我的msn：[email protected]
[email protected]

тролль

你这个思路是对的，简繁是不能一对一转的，你的词库有多大，可以整句转换么，断词怎么解决，比如

老师范某某

这里是断成

老师 范某某， 还是 老师范 某某？

тролль

你想得太过简单，繁对简是多对一，这是当初简化时根本没考虑的问题，lz则很明白这一点。

皇天后土，後來，后，後 都对应后。示範，姓范，都对应范。頭髮，發財，都對應发

甚至還有一種情況，比如著这个字，本身没简化，但用作助词时被着替代了，而著作的著则没有。

тролль

词库我看到了。

тролль

于，於这个真是蛮讨厌的，不可能人名一一枚举啊

тролль

{"云", "雲", -1}, // &#20113; => &#38642;

如果碰到“某某云：blah,blah”，这时该怎么办？

тролль

{"冬冬", "鼕鼕", -1}

如果冬冬是人名，显然又不对了。

тролль

{"冷面", "冷麵", -1}

如果冷面孔呢，

тролль

{"凉面", "涼麵", -1},

举个极端例子

夜深明月笼纱 醉归凉面香斜 犹有惜梅心在 满庭误作吹花

тролль

{"几出", "幾齣", -1}

我搜索了一下，没有“几进几出”

同样还有一出（一齣），二出（二齣）N出（N齣），也都没有一进一出（一進一出），二進二出，N進N出。

[ 本帖最后由 тролль 于 2009-4-12 20:27 编辑 ]

тролль

表中术语都翻译了，但像分辨率，台湾分辨率，解析度是不是都用？

тролль

专有名词是不是尽量不要大变动，起码字数尽量不变。球证，旁证，裁判，助理裁判，应该也用的。

тролль

{"合着者", "合著者", -1},

什么时候有“合着者”这样的用法了？

тролль

{"哈利王子", "哈利", -1}

這種專有名詞的轉換完全沒有道理