简介

NCChineseConverter 是一个基于 Objective-C 的中文简繁正转换库。除此之外，本项目还包括一个 Python 的词库转换工具。

本库的基本实现原理是从 Mediawiki 提供的字典中提取数据，转换为自己需要的格式，然后用最大正向匹配算法进行字符替换。

特点

• 可以仅使用单一词库
• 可扩展自定义词库
• 提供 NSString 的 Category

使用方法

1. 用词典工具生成词典
2. 把生成的词典放在项目的 Resources 目录下
3. 按照以下方式引用转换库和调用

#import "NCChineseConverter.h"
…
NSString *oriString = @"";
NSString *result = [[NCChineseConverter sharedInstance] convert:oriString 
                                                       withDict:NCChineseConverterDictTypezh2TW];
…

工具

下载词库并生成词典

python dictgenerator.py

使用本地词库生成词典（适用于已经下载了词库文件）

python dictgenerator.py n

词典工具会在当前目录生成如下词典文件

• zh2TW.txt (简体 -> 台湾正体)
• zh2HK.txt (简体 -> 港澳繁体)
• zh2SG.txt (简体 -> 新马繁体)
• zh2CN.txt (繁体/正体 -> 大陆简体)

为了方便，我在 dictionary 目录中放置了转换好的词典文件。目录名称即为词典生成时间。

注意：请勿修改文件名，转换库是按照文件名来读取词典的。

自定义扩充转换词组

由于词典工具是根据 Mediawiki 的词库来进行词典生成，所以需要等待 Mediawiki 的词库更新才能得到新的词典。如果您有一些 Mediawiki 中没有的词语要扩充，则可以使用该方法来使用。

使用前缀相同的字典文件来进行自定义词组的扩充，转换库会自动加载对应的扩充字典。

例如，把您自己的 简体 -> 台湾正体 词典命名为 zh2TW.custom.txt，这样转换库就可以自动加载这个词典并在转换时使用。

备注

虽然词典工具一次生成四个词典，但是您可以仅使用其中一个或多个。需要注意的是，如果您没有在项目中放入某个词典文件，那么避免在代码中调用该字典。

未来改进

• 增加更多转换词库
• 使用 Double-array Trie Tree 来构造原始字典，提高搜索速度
• 改进分词算法

背景

关于简繁正的问题在此不多说，都是历史遗留问题，具体情况可以自行查看维基百科，用自己的思考去判断（汉字简化争论）。在此只讨论技术相关问题。

简繁转换不仅是一个简单的从一个字转换为另一个字的过程，它包含很多内容，如

• 各种繁体/正体，如：港澳繁体、台湾正体。再加上各个华人地区的中文（如新加坡）使用等。
• 简体和繁体的对照往往不止一对一，而是一对二、一对三，甚至一对五（多繁对一简问题）

目前比较常用的转换方式主要是 维基百科的转换方式 和 OpenCC。

维基百科进行简繁转换的操作流程参见：繁简处理

OpenCC 的库比较专业。不过这是一个 C 库，所以如果要在 iOS 下使用，需要自己编译成 iOS 可用的库后进行调用。

参考

• OpenCC
• Python 简繁转换