中文进行繁简转换

中文的简繁转换看起来是一个简单的工作，但是细想下还是有一些问题的，因为字符间并不是简单的一一对应，不仅存在一简对多繁，也存在多简对一繁。比如：

头发发展 -> 頭髮發展
萝卜卜卦 -> 蘿蔔卜卦
秒表表达 -> 秒錶表達
晾干乾坤 -> 晾乾乾坤

要正确完成这样的转换，就要在单字对应关系之外加上词组对应。可以常用的工具有：Office Word、Google翻译及ConvertZ，除了字形以外，不同地区有些名称对应的叫法也不一样，如中国大陆说的计算机「程序」，台湾就是「程式」。为了满足大陆、台湾、香港、新加坡和马来西亚等不同地区中文用户的需求，在ZhengZhu等维基人的努力下，维基百科自2004年底开始逐步发展出一套比较成熟的简繁转换方案。分别记录简繁字体的对应关系和不同地区的用词习惯。这个办法的实用性已在现有30万中文维基条目的应用中得到验证。其不同地区包括：「大陆简体」、「马新简体」、「港澳繁体」、「台湾正体」等

中文维基目前正在使用的内置简繁转换表地址在这里： https://doc.wikimedia.org/mediawiki-core/REL1_25/php/ZhConversion_8php_source.html或从 MediaWiki 源码包中的 includes/ZhConversion.php文件获取。

这个php文件包含了$zh2Hant、$zh2Hans、$zh2CN、$zh2HK、$zh2TW、$zh2SG这6个数组，分别对应中文->繁体、中文->简体、中文->大陆用词、中文->香港用词、中文->台湾用词和中文->新加坡用词的转换规则。例如从大陆简体到台灣正體的转换就是先将中文(允许简繁混用)转为繁体，再替换其中的台湾用词。如果不涉及复杂长句的简单应用，实现起来十分容易，将对应关系读入字典，用最大正向匹配算法查找词组替换就好。

PHP 实现

我们将Mediawiki上面的代码拷贝下来，然后保存为：ZhConversion.php，这仅仅是一些数组，我们还需要做进一步的处理，我们新建一个转换文件：convert.php，然后引入ZhConversion.php文件，自定义转换函数，通过strtr() 函数转换字符串中特定的字符。

global $zh2Hans, $zh2Hant, $zh2TW, $zh2CN, $zh2SG, $zh2HK;
require_once( dirname(__FILE__) . '/ZhConversion.php');

function zhconversion($str, $variant) {
    global $wpcc_langs;
    return $wpcc_langs[$variant][0]($str);
}

function zhconversion_hant($str) {
    global $zh2Hant;
    return strtr($str, $zh2Hant );
}

function zhconversion_hans($str) {
    global $zh2Hans;
    return strtr($str, $zh2Hans);
}

function zhconversion_cn($str) {
    global $zh2Hans, $zh2CN;
    return strtr(strtr($str, $zh2CN), $zh2Hans);
}

function zhconversion_tw($str) {
    global $zh2Hant, $zh2TW;
    return strtr(strtr($str, $zh2TW), $zh2Hant);
}

function zhconversion_sg($str) {
    global $zh2Hans, $zh2SG;
    return strtr(strtr($str, $zh2SG), $zh2Hans);
}

function zhconversion_hk($str) {
    global $zh2Hant, $zh2HK;
    return strtr(strtr($str, $zh2HK), $zh2Hant);
}

function zhconversion_zh($str) {
    return $str;
}

最后，在需要使用的页面调用函数即可。

Python 实现

zhconv 供基于 MediaWiki 词汇表的最大正向匹配简繁转换，支持地区词转换：zh-cn, zh-tw, zh-hk, zh-sg, zh-hans, zh-hant。Python 2、3通用。与其他Python中文简繁转换程序相比：

• langconv太复杂，而且不支持地区词转换
• Pyzh 简单，只支持字对字
• OpenCC和 opencc-python是一个比较完整准确的解决方案，但不适合纯 Python 环境和对精确度要求不高的需要。

下载源码： https://github.com/gumblex/zhconv，解压后转到相应目录，执行：

python setup.py install

使用方法：

# -*- coding: utf-8 -*-

import zhconv
print zhconv.convert(u'大衛碧咸在寮國見到了布希','zh-cn')

注意：Python 2下必须是unicode字符串，python3下必须str

Ruby 实现

https://github.com/siuying/zhconv

目前的程序是基于最大正向匹配实现的，如果需要更高的要求，可以引入中文分词技术。