Python中文简体繁体转换

相关的库

喷火的尾巴

May 27, 2020

](/home/5119)1 赞

推荐两个开源的python库来实现简体中文和繁体中文的转换：

zhconv库：Python2和python3通用，基于MediaWiki词汇表的最大正向匹配简繁转换。
OpenCC库（全称“Open Chinese Convert”）：简体中文和繁体中文转换领域精准度最高的库。

简而言之，如果求上手快，简单易用，那就选择zhconv库；
如果对精准度、覆盖度具有高度追求，那就选择OpenCC库。（OpenCC上手也比较快，正式项目中推荐使用OpenCC库）

zhconv库的GitHub地址：链接
zhconv库的Tutorial教程：链接

OpenCC库的GitHub地址：链接
OpenCC库的Demo地址：链接

再详细介绍zhconv和OpenCC前，需要知道的是繁体中文不只一种，香港的繁体中文，和台湾地区是不太一样的，另外新加坡地区也用简体中文，但马来西亚、新加坡的简体中文与中国的简体中文也有一点出入，一般新加坡的简体中文被称为“马新简体”。比如zhconv库中就做了如下分类：

  • zh-cn 大陆简体
  • zh-tw 台湾正体
  • zh-hk 香港繁体
  • zh-sg 马新简体
  • zh-hans 简体
  • zh-hant 繁体

以zhconv进行简体和繁体中文转换为例，首先使用pip安装zhconv模块：

  1. $ sudo pip install zhconv

插入zhconv模块后，如下进行简体与繁体的转换：

  1. >>> import zhconv
  2. >>> print( zhconv.convert(u'我干什么不干你事。', 'zh-cn') ) # 转换成大陆简体
  3. 我干什么不干你事。
  4. >>> print( zhconv.convert( u'反清复明', 'zh-hk' ) ) # 转换成香港繁体
  5. 反清复明

zhconv兼容python2和python3，此外zhconv还支持MediaWiki语法：

  1. >>> print(convert_for_mw(u'在现代，机械计算-{}-机的应用已经完全被电子计算-{}-机所取代', 'zh-hk'))
  2. 在现代，机械计算机的应用已经完全被电子计算机所取代
  4. >>> print(convert_for_mw(u'-{zh-hant:资讯工程;zh-hans:计算机工程学;}-是电子工程的一个分支，主要研究计算机软硬件和二者间的彼此联系。', 'zh-tw'))
  5. 资讯工程是电子工程的一个分支，主要研究计算机软硬体和二者间的彼此联系。
  7. >>> print(convert_for_mw(u'张国荣曾在英国-{zh:利兹;zh-hans:利兹;zh-hk:列斯;zh-tw:里兹}-大学学习。', 'zh-sg'))
  8. 张国荣曾在英国利兹大学学习。
  10. >>> print(convert_for_mw('毫米(毫公分)，符号mm，是长度单位和降雨量单位，-{zh-hans:台湾作-{公厘}-或-{公厘}-;zh-hant:港澳和大陆称为-{毫米}-（台湾亦有使用，但较常使用名称为毫公分）;zh-mo:台湾作-{公厘}-或-{公厘}-;zh-hk:台湾作-{公厘}-或-{公厘}-;}-。', 'zh-cn'))
  11. 毫米(毫公分)，符号mm，是长度单位和降雨量单位，台湾作公厘或公厘。

zhconv还提供繁体中文与简体中文转换的命令行工具：

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

而OpenCC库应该算中文繁体和简体转换领域精准度最高、覆盖率最高、速度最快的python库了；而且官方OpenCC还有C++版本、JavaScript版本，此外第三方还提供了OpenCC的Java版本、Android版本、Swift版本、PHP版本；这里只介绍OpenCC的python版本；首先用pip安装OpenCC库：

  1. $ sudo pip install opencc

Python中使用OpenCC库：

  1. import opencc
  2. converter = opencc.OpenCC('s2t.json')
  3. converter.convert('汉字')  # 汉字

上面的“s2t.json”是该库内置的预设文件，指简体转繁体。

OpenCC所有的内置预设文件如下所示，需要怎么转换，就用哪个转换文件即可：

  • s2t.json 简体到繁体
  • t2s.json 繁体到简体
  • s2tw.json 简体到台湾正体
  • tw2s.json 台湾正体到简体
  • s2hk.json 简体到香港繁体（香港小学学习字词表标准）
  • hk2s.json 香港繁体（香港小学学习字词表标准）到简体
  • s2twp.json 简体到繁体（台湾正体标准）并转换为台湾常用词汇
  • tw2sp.json 繁体（台湾正体标准）到简体并转换为中国大陆常用词汇
  • t2tw.json 繁体（OpenCC 标准）到台湾正体
  • t2hk.json 繁体（OpenCC 标准）到香港繁体（香港小学学习字词表标准）
  • t2jp.json 繁体（OpenCC 标准，旧字体）到日文新字体
  • jp2t.json 日文新字体到繁体（OpenCC 标准，旧字体）
  • hk2t.json 香港繁体（香港小学学习字词表标准）到繁体（OpenCC 标准）
  • tw2t.json 台湾正体到繁体（OpenCC 标准）

其实OpenCC的上手也很快的，正式项目中推荐使用OpenCC来实现中文繁体与简体转换。

1 赞 0 条评论 分享