|
繁簡互轉，如果需要做到 100% 精確，實際上是一個非常複雜的工作。根據轉換的精確性等級，大概可以分成 4 個等級：
1. 字符碼表一對一映射。
2. 對於一對多單字，根據詞語識別進行轉換。
3. 對詞語表達方式差異的轉換。
4. 根據上下文的詞彙翻譯。
|
|
 |
轉換等級一
內碼映射
其轉換機制是按照內碼字符映射表，在繁簡轉換時，用 BIG5 的內碼把 GB 的內碼替換掉，在繁簡轉換的時候就反過來。例如，GB
2312-80 0xB9FA 代表簡體字國， 繁簡轉換的時候就把它替換成 0xB0EA 對應繁體 BIG5
碼的國字。根據我們實踐證明，如果按照字符的轉錯幾率來統計，對一般性質的文本，該處理方式可以達到 98%
的準確率。但其弱點是由於簡繁字體並非一對一的關係，因此忽略掉一些其他較不常用的字。 以下是一個一對一字符內碼映射表的例子：
|
繁體目標 |
BIG |
簡體源 |
內碼 GB (EUC) |
其他可能性 |
|
出 |
A558 |
出 |
B3F6 |
齣 |
|
發 |
B56F |
发 |
B7A2 |
髮 |
|
幹 |
A47A |
干 |
B8C9 |
乾 干 榦 |
|
暗 |
B774 |
暗 |
B0B5 |
闇 |
|
裡 |
B8CC |
里 |
C0EF |
里 裏 |
|
徵 |
BC78 |
征 |
D5F7 |
征 |
|
門 |
AAF9 |
门 |
C3C5 |
|
|
湯 |
B4F6 |
汤 |
CCC0 |
|
|
|
|
轉換等級二
一對多關係的字根據詞語識別轉換
對於一個單字應該翻譯成在當前有可能的異種內碼中的哪一個，我們可以根據該字所在的詞彙來決定。比如下表：
|
繁體詞語 |
簡體詞語 |
拼音 |
英文 |
|
頭髮 |
头发 |
tou2fa0 |
hair |
|
特徵 |
特征 |
te4zheng1 |
characteristic |
|
出發 |
出发 |
chu1fa1 |
start off |
|
乾燥 |
干燥 |
gan1zao4 |
dry |
|
暗裡 |
暗里 |
an4li3 |
secretly |
|
千里 |
千里 |
qian1li3 |
long distance |
|
鞦韆 |
秋千 |
qiu1qian1 |
a swing |
在上表中，頭髮與出發的“发”字在簡體中是同一字型的，但繁體中卻不一樣。這樣就可以根據“发”字所在的詞彙來對該字進行準確的轉換。如果是頭髮就翻譯成“頭髮”，如果是出發就翻譯成“出發”。
|
|
|
轉換等級三
繁簡詞彙表達方式不同之轉換
有一些詞，在繁體與簡體用戶有不同的表達方式，下表顯示了一些詞彙表達方式差異的例子：
|
英文 |
繁體表達
方式 |
漢語拼音 |
简体表达
方式 |
汉语拼音 |
|
bit |
位元 |
wei4yuan2 |
位 |
wei4 |
|
byte |
位元組 |
wei4yuan2zu3 |
字节 |
zi4jie2 |
|
CD-ROM |
光碟 |
guang1die2 |
光盘 |
guang1pan2 |
|
computer |
電腦 |
dian4nao3 |
计算机 |
ji4suan4ji1 |
|
database |
資料庫 |
zi1liao4ku4 |
数据库 |
shu4ju4ku4 |
|
file |
檔案 |
dang4'an4 |
文件 |
wen2jian4 |
|
information |
資訊 |
zi1xun4 |
信息 |
xin1xi4 |
|
Internet |
網際網絡 |
wang3ji4-wang3lu4 |
因特网 |
yin1te4wang3 |
|
software |
軟體 |
ruan3ti3 |
软件 |
ruan3jian4 |
|
week |
禮拜 |
li3bai4 |
星期 |
xing1qi1 |
能夠實現以上表達方式轉換，就是在本文中所提到的第三級轉換功能。
|
|
|
轉換等級四
根據上下文對詞彙翻譯
有一些詞，是需要根據上下文才能夠準確地決定如何翻譯的。比如在中國大陸的語言習慣中，“文件”可以是通常意義上的“文件”，也可以表達電腦磁片中存取的“文件”（document）。但是，在繁體用戶的語言習慣中，這兩個東西就是分別用兩個詞來表達，通常意義上的“文件”和在電腦磁片中保存的“檔案”。
該層次的翻譯需要根據上下文的意思對文章進行斷句，分析。因此，是屬於繁簡互譯中最難做的，而且消耗的系統資源也最大。
|
