繁体字转换工具 java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

11月会员限时半价，下个月恢复原价188 开会员立即查看此资源以及本站全部资源，人工开通或售后问题加v：thumbxmw 详情点击这里查看

Opencc4j

Opencc4j[1] 支持中文繁简体转换，考虑到词组级别。

在线体验[2]

Features 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」。

•

词库和函数库完全分离，可以自由修改、导入、扩展。

•

兼容 Windows、Linux、Mac 平台。

•

支持自定义分词

•

支持判断单个字（词）是否为简体/繁体

•

支持返回字符串中简体/繁体的列表信息

•

支持中国台湾地区繁简体转换

v1.8.0 版本变更

•

丰富工具类方法

•

优化繁简体判断逻辑

变更日志[3]

创作缘由

•OpenCC

OpenCC[4] 的思想非常优秀繁体字转换工具，做的也特别棒。但是没有特别为 java 提供的工具。

•jopencc

jopencc[5] 没有提供分词功能。

快速开始maven 引入



com.github.houbb
opencc4j
1.8.0

api 概览

核心工具列表如下：

| 序号 | 工具类 | 简介 |

|:—|:—|:—|

| 1 | ZhConverterUtil | 基础的繁简体转换 |

| 2 | ZhTwConverterUtil | 台湾地区的繁简体转换 |

所有的工具类方法具有相同的方法设计，便于记忆。

核心方法如下：

| 序号 | api 方法 | 简介 |

|:—-|:—————————-|:—————–|

| 1 | toSimple(String) | 转为简体 |

| 2 | toTraditional(String) | 转为繁体 |

| 3 | simpleList(String) | 返回包含的简体列表 |

| 4 | traditionalList(String) | 返回包含的繁体列表 |

| 5 | toSimple(char) | 返回单个汉字对应的所有简体字列表 |

| 6 | toTraditional(char) | 返回单个汉字对应的所有繁体字列表 |

| 7 | isSimple(String) | 是否全部为简体 |

| 8 | isSimple(char) | 单个字符是否为简体 |

| 9 | containsSimple(String) | 字符中是否为包含简体 |

| 10 | isTraditional(String) | 是否全部为繁体 |

| 11 | isTraditional(char) | 单个字符是否为繁体 |

| 12 | containsTraditional(String) | 字符中是否为包含繁体 |

| 13 | isChinese(String) | 是否全部为中文 |

| 14 | isChinese(char) | 单个字符是否为中文 |

| 15 | containsChinese(char) | 字符串中是否包含中文 |

繁简体转换转为简体 toSimple


String original = "生命不息，奮鬥不止";
String result = ZhConverterUtil.toSimple(original);
Assert.assertEquals("生命不息，奋斗不止", result);

转为繁体 toTraditional


String original = "生命不息，奋斗不止";
String result = ZhConverterUtil.toTraditional(original);
Assert.assertEquals("生命不息，奮鬥不止", result);

繁简体判断

对单个字符或者词组进行繁简体判断。

是否为简体 isSimple


Assert.assertTrue(ZhConverterUtil.isSimple('奋'));
Assert.assertTrue(ZhConverterUtil.isSimple("奋"));
Assert.assertTrue(ZhConverterUtil.isSimple("奋斗"));
Assert.assertFalse(ZhConverterUtil.isSimple('奮'));
Assert.assertFalse(ZhConverterUtil.isSimple("奮"));
Assert.assertFalse(ZhConverterUtil.isSimple("奮鬥"));
Assert.assertFalse(ZhConverterUtil.isSimple("奮斗"));
Assert.assertFalse(ZhConverterUtil.isSimple("beef"));

是否包含简体 containsSimple


Assert.assertTrue(ZhConverterUtil.containsSimple("奋"));
Assert.assertTrue(ZhConverterUtil.containsSimple("奋斗"));
Assert.assertTrue(ZhConverterUtil.containsSimple("奋斗2023"));
Assert.assertFalse(ZhConverterUtil.containsSimple("編"));
Assert.assertFalse(ZhConverterUtil.containsSimple("編號"));

是否为繁体 isTraditional


Assert.assertTrue(ZhConverterUtil.isTraditional('編'));
Assert.assertTrue(ZhConverterUtil.isTraditional("編"));
Assert.assertTrue(ZhConverterUtil.isTraditional("編號"));
Assert.assertFalse(ZhConverterUtil.isTraditional('编'));
Assert.assertFalse(ZhConverterUtil.isTraditional("编"));
Assert.assertFalse(ZhConverterUtil.isTraditional("编号"));
Assert.assertFalse(ZhConverterUtil.isTraditional("编號"));

是否包含繁体 containsTraditional


Assert.assertTrue(ZhConverterUtil.containsTraditional("編"));
Assert.assertTrue(ZhConverterUtil.containsTraditional("編號"));
Assert.assertTrue(ZhConverterUtil.containsTraditional("編號2023"));
Assert.assertFalse(ZhConverterUtil.containsTraditional("号"));
Assert.assertFalse(ZhConverterUtil.containsTraditional("编号"));

句子中包含的繁简体列表返回

返回字符串中繁简体对应的词、字列表，默认支持中文分词。

繁简体列表返回的词组和分词策略紧密相关。

简体列表 simpleList


final String original = "生命不息奋斗不止";
final List resultList = ZhConverterUtil.simpleList(original);
Assert.assertEquals("[生, 命, 不, 息, 奋斗, 不, 止]", resultList.toString());

繁体列表 traditionalList

PS: 很多字是同体字。


final String original = "生命不息奮鬥不止";
final List resultList = ZhConverterUtil.traditionalList(original);
Assert.assertEquals("[生, 命, 不, 息, 奮, 鬥, 不, 止]", resultList.toString());

单个汉字对应的繁简体列表繁体字列表


Assert.assertEquals("[幹, 乾, 干]", ZhConverterUtil.toTraditional('干').toString());
Assert.assertEquals("[發, 髮]", ZhConverterUtil.toTraditional('发').toString());

简体字列表


Assert.assertEquals("[测]", ZhConverterUtil.toSimple('測').toString());

中文工具方法是否为中文 isChinese


Assert.assertTrue(ZhConverterUtil.isChinese("你"));
Assert.assertTrue(ZhConverterUtil.isChinese("你好"));
Assert.assertTrue(ZhConverterUtil.isChinese('你'));
Assert.assertFalse(ZhConverterUtil.isChinese("你0"));
Assert.assertFalse(ZhConverterUtil.isChinese("10"));
Assert.assertFalse(ZhConverterUtil.isChinese('0'));
Assert.assertFalse(ZhConverterUtil.isChinese(""));
Assert.assertFalse(ZhConverterUtil.isChinese(null));

是否包含中文 containsChinese


Assert.assertTrue(ZhConverterUtil.containsChinese("你"));
Assert.assertTrue(ZhConverterUtil.containsChinese("你好"));
Assert.assertTrue(ZhConverterUtil.containsChinese("你0"));
Assert.assertFalse(ZhConverterUtil.containsChinese("10"));
Assert.assertFalse(ZhConverterUtil.containsChinese(""));
Assert.assertFalse(ZhConverterUtil.containsChinese(null));

中国台湾繁简体转换工具类

为保证方法的一致性，引入 ZhTwConverterUtil 工具类，支持方法和 ZhConverterUtil 保持一致。

测试用例

简体到繁体：


String original = "使用互联网";
String result = ZhTwConverterUtil.toTraditional(original);
Assert.assertEquals("使用網際網路", result);

繁体到简体：


String original = "使用網際網路";
String result = ZhTwConverterUtil.toSimple(original);
Assert.assertEquals("使用互联网", result);

配置引导类引导类说明

主要的可配置项包含了分词和数据集合。

二者都是可以配置，并且支持自定的。

默认配置

默认工具类等价于如下：


ZhConvertBootstrap.newInstance()
.segment(Segments.defaults())
.dataMap(DataMaps.defaults());

中国台湾地区配置

中国台湾地区配置等价于：


ZhConvertBootstrap.newInstance()
.segment(Segments.defaults())
.dataMap(DataMaps.taiwan());

中文分词策略系统内置分词方式

你可以通过 Segments 工具类获取系统内置的分词实现。

| 序号 | 方法 | 准确性 | 性能 | 备注 |

|:—|:—|:—|:—|:—|

| 1 | defaults() | 高 | 高 | 默认分词形式，暂时为 fastForward 策略 |

| 2 | fastForward() | 较高 | 高 | fast-forward 分词策略 |

| 3 | chars() | 低 | 高 | 将字符串转换为单个字符列表，一般不建议使用 |

| 4 | huaBan() | 高 | 一般 | 花瓣的结巴分词策略 |

花瓣结巴分词

花瓣结巴分词在使用时繁体字转换工具，需要自行引入结巴分词依赖。



com.huaban
jieba-analysis
1.0.2

自定义

你有时候可能除了上述的两种分词方式，会有更加适合自己业务的分词实现。

Opencc4j 支持自定义分词实现，只需要实现分词接口 Segment[6]

•接口内容


public interface Segment {
/**
* 分词
* @param original 原始信息
* @return 分词后的列表
*/
List seg(final String original);
}

测试代码自定义分词实现类


/**
* 一个最简单的分词实现。
* 注意：仅仅做演示，不可实际使用。
*/
public class FooSegment implements Segment {
@Override
public List seg(String original) {
return Arrays.asList(original, "测试");
}
}

分词测试

我们自定义的分词，直接在默认添加“测试”这样的信息。


final String original = "寥落古行宫，宫花寂寞红。白头宫女在，闲坐说玄宗。";
final Segment segment = new FooSegment();
final String result = ZhConvertBootstrap.newInstance()
.segment(segment)
.toTraditional(original);
Assert.assertEquals("寥落古行宮，宮花寂寞紅。白頭宮女在，閒坐說玄宗。測試", result);

数据接口自定义

不同的地区，对应的转换规则是不同的。

具体参考一下台湾地区的使用方式即可。

接口说明

IDataMap 的接口如下。


/**
* 数据 map 接口
* @author binbin.hou
* @since 1.5.2
*/
public interface IDataMap {
/**
* 繁体=》简体 词组
* @return 结果
* @since 1.5.2
*/
Map<String, List> tsPhrase();
/**
* 繁体=》简体 单个字
* @return 结果
* @since 1.5.2
*/
Map<String, List> tsChar();
/**
* 简体=》繁体 词组
* @return 结果
* @since 1.5.2
*/
Map<String, List> stPhrase();
/**
* 简体=》繁体 单个字
* @return 结果
* @since 1.5.2
*/
Map<String, List> stChar();
/**
* 繁体字所有字符
* @return 繁体字所有字符
* @since 1.6.2
*/
Set tChars();
/**
* 简体字所有字符
* @return 繁体字所有字符
* @since 1.8.0
*/
Set sChars();
}

自定义说明

如果需要拓展对应的数据，建议继承原始的实现，然后添加额外的数据信息即可。

可以参考中国台湾地区实现[7]

ps: 后续考虑引入更加简单的实现方式，比如基于文本拓展，不过可扩展性没有接口灵活。

技术鸣谢OpenCC

OpenCC[8] 提供的原始数据信息。

花瓣

jieba-analysis[9] 提供中文分词

Issues & Bugs

需求和 BUG[10] 在这里，欢迎提供宝贵的建议。

如果对您有帮助，欢迎 Star 鼓励作者。

NLP 开源矩阵

pinyin 汉字转拼音[11]

pinyin2hanzi 拼音转汉字[12]

segment 高性能中文分词[13]

opencc4j 中文繁简体转换[14]

nlp-hanzi-similar 汉字相似度[15]

word-checker 拼写检测[16]

sensitive-word 敏感词[17]

后期 Road-Map

•

数据字典插件化

•

考虑长文本分段，并行转换

References

[1] Opencc4j:

[2] 在线体验:

[3] 变更日志: CHANGELOG.md

[4] OpenCC:

[5] jopencc:

[6] Segment:

[7] 中国台湾地区实现: #%E4%B8%AD%E5%9B%BD%E5%8F%B0%E6%B9%BE%E5%9C%B0%E5%8C%BA%E9%85%8D%E7%BD%AE

[8] OpenCC:

[9] jieba-analysis:

[10] 需求和 BUG:

[11] pinyin 汉字转拼音:

[12] pinyin2hanzi 拼音转汉字:

[13] segment 高性能中文分词:

[14] opencc4j 中文繁简体转换:

[15] nlp-hanzi-similar 汉字相似度:

[16] word-checker 拼写检测:

[17] sensitive-word 敏感词:

限时特惠： 本站每日持续更新海量各大内部创业教程，加站长微信免费获取积分，会员只需38元，全站资源免费下载点击查看详情
站长微信： thumbxmw

声明：本站内容转载于网络，版权归原作者所有，仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任，若侵犯到你的版权利益，请联系我们，会尽快给予删除处理！

列表字符繁体

资源失效，支付问题，对项目资料有疑问
请第一时间联系

微信：thumbxmw
备用v：thumbmax5799789
联系不上请咨询qq号：3418825356
添加v信公众号，大拇指网创日记，获取价值1988的网创工具箱

本人互联网创业10年，多家网站VIP付费会员，本站分享创业项目、创业教程、主题源码、电商教程、工具软件等也不断的从淘宝购买很多教程和模板。专门做了这个网站用来分享这些精品付款资源。

系统升级中，需要z付宝支付请联系客服V信：thumbxmw

有事请咨询站长微信

关注公众号