查看源代码

汉字简繁转换的意义不言而喻，本文讨论在Linux中实现简繁转换的几种方法之优劣。

==OpenCC==
[http://www.byvoid.com/application/opencc/ OpenCC] 是跨平台、多语言的开放中文转换库，除了基本的简繁转换功能外，用户还可以选择对不同用词习惯和异体字的处理方式。

OpenCC 还提供方便的[http://www.byvoid.com/application/opencc/#main-tabs-conversion 网页转换界面]。

==OpenOffice.Org的转换功能==
OpenOffice.Org提供简繁功能，使用很方便（在'''工具->语言->中文简繁转换'''）。

==Google翻译功能==
[http://translate.google.com/ Google翻译]也可以做简繁转换，效果分析见后面。

==使用cconv转换==
[http://code.google.com/p/cconv/ cconv]建立在iconv之上，增加了詞語轉換能力，效果分析見後面。

Ubuntu用戶可以用命令<tt>sudo apt-get install cconv</tt>安裝。

使用cconv進行簡繁轉換的方法為：
 cconv -f UTF8-CN -t UTF8-HK jian.txt -o fan.txt

==使用iconv转换==
<tt>iconv</tt>是用来转换编码的小工具。现在的iconv在执行编码从gb2312到big5的转化时，实现了简繁转换。

使用iconv进行简繁转换的方法为：
 iconv -f gb2312 -t big5 gb_input.txt > big5_output.txt
如果原来的文件是[[UTF-8]]编码的，则需要使用命令：
 iconv -f utf8 -t gb2312 jian.txt | iconv -f gb2312 -t big5 | iconv -f big5 -t utf8 > fan.txt
注意一定要先转化成gb2312，再由gb2312转成big5。

繁简转换则类似：
 iconv -f utf8 -t big5 fan.txt | iconv -f big5 -t gb2312 | iconv -f gb2312 -t utf8 > jian.txt

如果有zh-autoconvert，则可以用它代替中间的iconv，如
 iconv -f utf8 -t big5 fan.txt | autogb | iconv -f gbk -t utf8 > jian.txt
或
 iconv -f utf8 -t gbk jian.txt | autob5 | iconv -f big5 -t utf8 > fan.txt

==不同方法比较==
{{Note|由于此处涉及简繁对比，请确保在左侧语言处选择“不转换”。}}
===测试样例===
为了方便比较，选取下面一段话做测试：
 中华人民共和国是工人阶级领导的、以工农联盟为基础的人民民主专政的社会主义国家。
 干活 干杯  西太后   后天
正确的转换结果是：
 中華人民共和國是工人階級領導的、以工農聯盟為基礎的人民民主專政的社會主義國家。
 幹活 乾杯  西太后   後天
测试样例中第一句话很普通，用来检测能否完成转换的基本功能；第二行“干活”与“干杯”两个词的“干”对应的繁体字不一样，这可以检测程序是否进行了语义分析；“西太后”的“后”简繁相同，同样用于检测简繁转换的准确性。

另外，第二句话中有空格若干，用来判断转换程序是否能保留原格式。

===测试结果===
====OpenCC====
 中華人民共和國是工人階級領導的、以工農聯盟爲基礎的人民民主專政的社會主義國家。
 幹活 乾杯  西太后   後天

====OpenOffice.Org====
 中華人民共和國是工人階級領導的、以工農聯盟為基礎的人民民主專政的社會主義國家。
 干活 干杯  西太后   后天

====Google翻译====
 中華人民共和國是工人階級領導的、以工農聯盟為基礎的人民民主專政的社會主義國家。
 幹活乾杯西太后後天

====iconv====
 中華人民共和國是工人階級領導的、以工農聯盟為基礎的人民民主專政的社會主義國家。
 幹活 幹杯  西太後   後天

====cconv====
 中華人民共和國是工人階級領導的、以工農聯盟為基礎的人民民主專政的社會主義國家。
 幹活 乾杯  西太后   後天

不难发现，对于多解的字，OpenOffice.Org未转换，<tt>iconv</tt>按单一规则转换，而<tt>cconv</tt>、<tt>OpenCC</tt>和Google翻译则能正确转换。

但是Google翻译未能保持原格式，而OpenOffice.Org、<tt>iconv</tt>和<tt>cconv</tt>则很好地保留了原格式。

另外，<tt>iconv</tt>不能处理混合编码的文件。

使用<tt>cconv</tt>轉換20M含部分亂碼的文本文件耗時僅數秒，且效果非常理想，不會像iconv一樣遇到“ә”等非常規字符或亂碼字符時報錯停止轉換。(推薦使用)


[[Category: Linux中国化]] [[Category: 中文编码与乱码问题]]