开放中文转换

简介

OpenCC

开放中文转换（OpenCC）是一个开源项目，用于在繁体中文、简体中文和日本汉字（新字体）之间进行转换。它支持字符级和词语级转换，字符变体转换以及中国大陆、台湾和香港之间的地区习惯用语转换。这不是普通话和粤语等之间的翻译工具。

讨论（Telegram）：https://t.me/open_chinese_convert

特点

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"里""裡"、"鼠标""滑鼠"。
词库和函数库完全分离，可以自由修改、导入、扩展。

安装

包管理器

预编译

Windows（x86_64）：最新构建
Windows（x86）：最新构建

使用

在线演示

警告：**这不是API。**如果您以编程方式调用，将被禁止。

https://opencc.byvoid.com/

Node.js

npm npm install opencc

JavaScript

const OpenCC = require('opencc');
const converter = new OpenCC('s2t.json');
converter.convertPromise("汉字").then(converted => {
  console.log(converted);  // 漢字
});

TypeScript

import { OpenCC } from 'opencc';
async function main() {
  const converter: OpenCC = new OpenCC('s2t.json');
  const result: string = await converter.convertPromise('汉字');
  console.log(result);
}

查看 demo.js 和 ts-demo.ts。

Python

pip install opencc（Windows、Linux、Mac）

import opencc
converter = opencc.OpenCC('s2t.json')
converter.convert('汉字')  # 漢字

C++

#include "opencc.h"

int main() {
  const opencc::SimpleConverter converter("s2t.json");
  converter.Convert("汉字");  // 漢字
  return 0;
}

使用Bazel的完整示例

C

#include "opencc.h"

int main() {
  opencc_t opencc = opencc_open("s2t.json");
  const char* input = "汉字";
  char* converted = opencc_convert_utf8(opencc, input, strlen(input));  // 漢字
  opencc_convert_utf8_free(converted);
  opencc_close(opencc);
  return 0;
}

文档：https://byvoid.github.io/OpenCC/

命令行

opencc --help
opencc_dict --help
opencc_phrase_extract --help

其他（非官方）

Swift（iOS）：SwiftyOpenCC
iOSOpenCC（pod）：iOSOpenCC
Java：opencc4j
Android：android-opencc
PHP：opencc4php
纯JavaScript：opencc-js
WebAssembly：wasm-opencc
浏览器扩展：opencc-extension
Go（纯）：OpenCC for Go
Dart（native-assets）：opencc-dart

配置文件

预设配置文件

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
hk2s.json 香港繁体到简体
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
hk2t.json 香港繁体到繁体（OpenCC 标准）
t2hk.json 繁体（OpenCC 标准）到香港繁体
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）
tw2t.json 台湾正体到繁体（OpenCC 标准）

编译

使用CMake编译

Linux & Mac OS X

需要g++ 4.6+或clang 3.2+。

make

Windows Visual Studio:

build.cmd

使用Bazel编译

bazel build //:opencc
bazel test --test_output=all //src/... //data/... //test/...

测试

Linux & Mac OS X

make test

Windows Visual Studio:

test.cmd

基准测试

make benchmark

示例结果（来自Github CI）：

1: ------------------------------------------------------------------
1: 基准测试                        时间             CPU   迭代次数
1: ------------------------------------------------------------------
1: BM_Initialization/hk2s        1.56 毫秒         1.56 毫秒          442
1: BM_Initialization/hk2t       0.144 毫秒        0.144 毫秒         4878
1: BM_Initialization/jp2t       0.260 毫秒        0.260 毫秒         2604
1: BM_Initialization/s2hk        23.8 毫秒         23.8 毫秒           29
1: BM_Initialization/s2t         25.6 毫秒         25.6 毫秒           28
1: BM_Initialization/s2tw        24.0 毫秒         23.9 毫秒           30
1: BM_Initialization/s2twp       24.6 毫秒         24.6 毫秒           28
1: BM_Initialization/t2hk       0.052 毫秒        0.052 毫秒        12897
1: BM_Initialization/t2jp       0.141 毫秒        0.141 毫秒         5012
1: BM_Initialization/t2s         1.30 毫秒         1.30 毫秒          540
1: BM_Initialization/tw2s        1.39 毫秒         1.39 毫秒          529
1: BM_Initialization/tw2sp       1.69 毫秒         1.69 毫秒          426
1: BM_Initialization/tw2t       0.089 毫秒        0.089 毫秒         7707
1: BM_Convert2M                   582 毫秒          582 毫秒            1
1: BM_Convert/100                1.07 毫秒         1.07 毫秒          636
1: BM_Convert/1000               11.0 毫秒         11.0 毫秒           67
1: BM_Convert/10000               113 毫秒          113 毫秒            6
1: BM_Convert/100000             1176 毫秒         1176 毫秒            1