1. OpenCC介紹

Open Chinese Convert（OpenCC）是一個開源的中文簡繁轉(zhuǎn)換項目，致力于制作高質(zhì)量的基于統(tǒng)計預(yù)料的簡繁轉(zhuǎn)換詞庫。還提供函數(shù)庫(libopencc)、命令行簡繁轉(zhuǎn)換工具、人工校對工具、詞典生成程序、在線轉(zhuǎn)換服務(wù)及圖形用戶界面。

OpenCC具體如下特點

• 嚴(yán)格區(qū)分「一簡對多繁」、「一簡對多異」和「地域用詞差別」。
• 支持異體字轉(zhuǎn)換，兼容陸港澳臺等不同地區(qū)用字差別。
• 嚴(yán)格審校一簡對多繁詞條，原則為「能分則不合」，用戶可自定義合并。
  支持中國大陸、臺灣、香港異體字和地區(qū)習(xí)慣用詞轉(zhuǎn)換，如「裏」「裡」、「鼠標(biāo)」「滑鼠」。
• 詞庫和函數(shù)庫完全分離，可以自由修改、導(dǎo)入、擴(kuò)展。
• 支持C、C++、Python、PHP、Node.js等多種語言API，提供命令行直接調(diào)用，以及圖形界面。
• 兼容Windows、Linux、Mac等多種平臺。

2. OpenCC-python

用法請詳細(xì)參考OpenCC-python in pypi

2.1 安裝

            
              pip install opencc-python

            
          

2.2 使用示例

            
              #!/usr/bin/env python 
#-*- coding: utf8 -*-
import opencc
cc = opencc.OpenCC('t2s')
print cc.convert(u'Open Chinese Convert（OpenCC）「開放中文轉(zhuǎn)換」，是一個致力於中文簡繁轉(zhuǎn)換的項目，提供高質(zhì)量詞庫和函數(shù)庫(libopencc)。')

            
          

OpenCC有4種轉(zhuǎn)換模式

• t2s - 繁體轉(zhuǎn)簡體
• s2t - 簡體轉(zhuǎn)繁體
• mix2t - 混合體轉(zhuǎn)繁體
• mix2s - 混合體轉(zhuǎn)簡體

3. Shell用法

opencc-python的文本處理效率很低。另外一種提高轉(zhuǎn)換效率的方式是直接在linux下安裝OpenCC，處理效率會有飛一般的提升。

3.1 OpenCC安裝

安裝過程及問題主要參考: CentOS安裝OpenCC

3.1.1 檢查下linux環(huán)境下是否已經(jīng)安裝cmake以及git，如果沒有，那就通過yum安裝好。

            
              $ yum install cmake
$ yum install git

            
          

3.1.2 克隆下OpennCC開源項目OpennCC開源項目。

            
              git clone https://github.com/BYVoid/OpenCC

            
          

3.1.3 編譯OpenCC

            
              $ cd OpenCC
$ make
$ make install

            
          

3.1.4 創(chuàng)建libopencc.so.2鏈接

如果不知道libopencc.so.2的路徑，可以通過find / -name libopencc.so.2查找。

            
              $ ln -s /usr/lib/libopencc.so.2 /usr/lib64/libopencc.so.2

            
          

3.1.5 通過查看 OpenCC 版本，檢查OpenCC是否已經(jīng)安裝成功

            
              $ opencc --version

            
          

3.2 OpenCC使用

            
              #繁體轉(zhuǎn)簡體
$ echo '歐幾里得 西元前三世紀(jì)的希臘數(shù)學(xué)家' | opencc -c t2s
歐幾里得 西元前三世紀(jì)的希臘數(shù)學(xué)家
#簡體轉(zhuǎn)繁體
$ echo '歐幾里得 西元前三世紀(jì)的希臘數(shù)學(xué)家' | opencc -c s2t
歐幾里得 西元前三世紀(jì)的希臘數(shù)學(xué)家
#可以通過以下方式直接對文件進(jìn)行繁簡轉(zhuǎn)換
$ opencc -i zhwiki_raw.txt -o zhwiki_t2s.txt -c t2s.json