简繁转换

原文出处: http://linux-wiki.cn/wiki/zh-hans/简繁转换

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

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

Google翻译也可以做简繁转换，效果分析见后面。

使用cconv转换

cconv建立在iconv之上，增加了词语转换能力，效果分析见后面。

Ubuntu用户可以用命令sudo apt-get install cconv安装。

使用cconv进行简繁转换的方法为：

    cconv -f UTF8-CN -t UTF8-HK jian.txt -o fan.txt

使用iconv转换

iconv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.gif注意：
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，iconv按单一规则转换，而cconv、OpenCC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、iconv和cconv则很好地保留了原格式。

另外，iconv不能处理混合编码的文件。

使用cconv转换20M含部分乱码的文本文件耗时仅数秒，且效果非常理想，不会像iconv一样遇到“ә”等非常规字符或乱码字符时报错停止转换。(推荐使用)