中文繁體、簡體的差異，在NPL中類似英文中的大小寫，但又比大小寫更為複雜，比如同樣為繁體字，大陸、香港和臺灣又不一樣。先前寫過一篇中文繁簡轉換的文章，感覺寫的不太詳細，今天就針對Python下如何使用做進一步的記錄。

OpenCC（Open Chinese Convert)

OpenCC是一個開源的中文繁簡轉化專案，支援詞彙級別的轉換、異體字轉換和地區習慣用詞轉換（中國大陸、臺灣、香港）。主要特點為：

• 嚴格區分「一簡對多繁」和「一簡對多異」。
• 完全相容異體字，可以實現動態替換。
• 嚴格審校一簡對多繁詞條，原則為「能分則不合」。
• 支援中國大陸、臺灣、香港異體字和地區習慣用詞轉換，如「裡」「裡」、「滑鼠」「滑鼠」。
• 詞庫和函式庫完全分離，可以自由修改、匯入、擴充套件。
• 支援C、C++、Python、PHP、Java、Ruby、js and Android。
• 相容Windows、Linux、Mac平臺。

opencc-python是用純Python所寫的OpenCC實現。需要注意的是使用pip安裝時正確的命令是pip install opencc-python-reimplemented，如果使用pip install opencc-python會出現如下錯誤：

Complete output from command python setup.py egg_info:
Traceback (most recent call last):

File "<string>",line 1,in <module>
File "C:\Users\qw\AppData\Local\Temp\pip-install-rvsnpo_d\opencc-python\setup.py",in <module>
from distribute_setup import use_setuptools
ModuleNotFoundError: No module named 'distribute_setup'

opencc-pytho的使用：

from opencc import OpenCC
 
cc = OpenCC('t2s')
# hk2s: Traditional Chinese (Hong Kong standard) to Simplified Chinese
# s2hk: Simplified Chinese to Traditional Chinese (Hong Kong standard)
# s2t: Simplified Chinese to Traditional Chinese
# s2tw: Simplified Chinese to Traditional Chinese (Taiwan standard)
# s2twp: Simplified Chinese to Traditional Chinese (Taiwan standard,with phrases)
# t2hk: Traditional Chinese to Traditional Chinese (Hong Kong standard)
# t2s: Traditional Chinese to Simplified Chinese
# t2tw: Traditional Chinese to Traditional Chinese (Taiwan standard)
# tw2s: Traditional Chinese (Taiwan standard) to Simplified Chinese
# tw2sp: Traditional Chinese (Taiwan standard) to Simplified Chinese (with phrases)
 
to_convert = '開放中文轉換（Pure Python）'
converted = cc.convert(to_convert)
print(converted)

opencc-python命令列呼叫：

usage: python -m opencc [-h] [-i <file>] [-o <file>] [-c <conversion>]
            [--in-enc <encoding>] [--out-enc <encoding>]
 
optional arguments:
 -h,--help      show this help message and exit
 -i <file>,--input <file>
            Read original text from <file>. (default: None = STDIN)
 -o <file>,--output <file>
            Write converted text to <file>. (default: None = STDOUT)
 -c <conversion>,--config <conversion>
            Conversion (default: None)
 --in-enc <encoding>  Encoding for input (default: UTF-8)
 --out-enc <encoding> Encoding for output (default: UTF-8)
 
example with UTF-8 encoded file:
 
 python -m opencc -c s2t -i my_simplified_input_file.txt -o my_traditional_output_file.txt
 
See https://docs.python.org/3/library/codecs.html#standard-encodings for list of encodings.

總結：OpenCC精度非常的高，另外也包含了習慣用詞轉換，比較適合放置在網站上進行自動的語言翻譯。

參考連結：

https://github.com/BYVoid/OpenCC
https://github.com/yichen0831/opencc-python

zhconv

zhconv 提供基於 MediaWiki 和 OpenCC 詞彙表的最大正向匹配簡繁轉換，支援地區詞轉換：zh-cn,zh-tw,zh-hk,zh-sg,zh-hans,zh-hant。Python 2、3通用。

安裝方式：pip install zhconv

使用示例：

from zhconv import convert
 
print(convert(u'我幹什麼不干你事。','zh-cn'))
print(convert(u'人體記憶體在很多微生物','zh-tw'))

命令列工具：

python -mzhconv [-w] {zh-cn|zh-tw|zh-hk|zh-sg|zh-hans|zh-hant|zh} < input > output

參考連結：

https://github.com/gumblex/zhconv

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。