使用Python进行中文繁简转换的实现代码

Python  /  管理员 发布于 7年前   596

中文繁体、简体的差异，在NPL中类似英文中的大小写，但又比大小写更为复杂，比如同样为繁体字，大陆、香港和台湾又不一样。先前写过一篇中文繁简转换的文章，感觉写的不太详细，今天就针对Python下如何使用做进一步的记录。

OpenCC（Open Chinese Convert)

OpenCC是一个开源的中文繁简转化项目，支持词汇级别的转换、异体字转换和地区习惯用词转换（中国大陆、台湾、香港）。

主要特点为：

严格区分「一简对多繁」和「一简对多异」。
完全兼容异体字，可以实现动态替换。
严格审校一简对多繁词条，原则为「能分则不合」。
支持中国大陆、台湾、香港异体字和地区习惯用词转换，如「Y」「e」、「鼠恕埂富蟆埂
词库和函数库完全分离，可以自由修改、导入、扩展。
支持C、C++、Python、PHP、Java、Ruby、js and Android。
兼容Windows、Linux、Mac平台。

opencc-python是用纯Python所写的OpenCC实现。

需要注意的是使用pip安装时正确的命令是

pip install opencc-python-reimplemented

如果使用

pip install opencc-python

会出现如下错误：

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", line 1, 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 = '_放中文DQ（Pure Python）'converted = cc.convert(to_convert)print(converted)

opencc-python命令行调用：

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.

总结：

OpenCC精度非常的高，另外也包含了习惯用词转换，比较适合放置在网站上进行自动的语言翻译。

参考链接：

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

zhconv

zhconv 提供基于 MediaWiki 和 OpenCC 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。

安装方式：

pip install zhconv

使用示例：

from zhconv import convert print(convert(u'我什N不干你事。', 'zh-cn'))print(convert(u'人体内存在很多微生物', 'zh-tw'))

命令行工具：

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

参考链接：

https://github.com/gumblex/zhconv

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。