简体中文到繁体中文的转换

Question

如果一个网站使用简体中文翻译进行本地化/国际化......

• 是否可以可靠地 自动将文本转换为 传统中国，高品质 方式？
• 如果是这样，它的质量会非常高，还是只是一个翻译人员调整的良好起点？
• 是否有开源工具（最好是 PHP）可以做 这样的转换？
• 这种转换方式是否比另一种方式更好（简化 -> 传统，或反之亦然）？

Answer 1

简短的回答：不，不可靠+高质量。我不会推荐自动化工具，除非市场对你来说不是那么重要并且你可能会冒某些公开尴尬的失误的风险。您可能会发现一些本地化公司更愿意从高质量的简体中文翻译开始并将其改编为繁体，但您也可能会发现许多公司更喜欢从英文源开始。

更长的答案：在某些情况下，只有字形不同，并且它们具有不同的 unicode 代码点。但中国大陆和台湾/香港之间也存在一些惯用语和词汇差异，如果不处理好这些差异，您的质量就会受到影响。技术术语的问题可能较多或较少，具体取决于这些术语普遍使用的时代。其中一些问题可能会被自动化工具捕获，但不是全部。当然，如果您选择自动转换事物的路线，请确保您得到每个目标市场的 QA 团队的认可。

此外，还存在社会政治问题。例如，您可以在台湾使用“中华民国”之类的术语，但如果它出现在您的简体中文版本（有时是英文版本）中，这将极大地激怒中国政府；如果您在中国有实际的子公司或合作伙伴，其员工可能仅因颠覆性术语而被捕。 （这并非中国独有；巴基斯坦/印度和土耳其也有类似的问题）。如果将“台湾”称为“国家”，你也会遇到类似的麻烦。

Answer 2

作为一个土生土长的香港人，我同意@JasonTrue：不要这样做。您可能会激怒和冒犯台湾和香港的潜在用户。

但是，如果您仍然坚持这样做，请查看维基百科是如何做到的； 此处是一种实现（注意许可证）。

Answer 3

是否有可能以高质量的方式可靠地将文本自动转换为繁体中文？

其他答案都集中在困难上，但这些都被夸大了。有一件事是，很大一部分角色是完全相同的。第二件事是“简化”形式正是：繁体字的简化形式。这意味着繁体字和简体字之间大多存在一一对应的关系。

如果是这样，它的质量会非常高，还是只是一个供译者调整的良好起点？

有些事情需要调整。

是否有开源工具（最好是 PHP）可以进行此类转换？

据我所知，尽管您可能想查看谷歌翻译API？

一种方式的转换是否比另一种方式更好（简化 -> 传统，或反之亦然）？

一些字符在简化的字母表中失去了区别。例如，面（面粉）被简化为与面（脸、侧面）相同的字符。因此，传统->简化会稍微更准确。

我还想指出，繁体字不仅仅在台湾使用（它们可以在香港找到，有时甚至在大陆也可以找到）

---

我能够找到 这个 和 这个。不过需要创建一个帐户才能下载。我自己从未使用过该网站，因此我无法保证。

Answer 4

从根本上来说，简体中文单词有很多缺失的含义。世界上没有一种编程语言能够准确地将简体中文转换为繁体中文。你只会给你的目标受众（香港、澳门、台湾）带来困惑。

从简体中文到繁体中文的失败翻译的一个完美例子就是“后”字。在简化形式中，它有两个含义，“后面”或“女王”。然而，当您尝试将其转换回繁体中文时，可能有两个以上的字符选择：后“behind”或后“queen”。我遇到的一个有趣的例子是，一位翻译将“皇后大道”Queen's Road 改成了“皇后大道”，字面意思是 Queen's Behind Road。

除非你的翻译算法超级聪明，否则它必然会产生错误。因此，您最好聘请一位精通两种中文的优秀翻译。

Answer 5

简短回答：是的。这很容易。你可以先将它从UTF-8转换为BIG5，然后有很多工具可以将BIG5转换为GBK，然后你可以将GBK转换为UTF-8。

Answer 6

我对任何形式的中文一无所知，但是通过查看此维基百科页面<中的示例/a> 我倾向于认为自动转换是可能的，因为许多短语似乎使用相同数量的字符，甚至一些相同的字符。

我使用多字节 ord() 函数运行了快速测试，我可以没有看到任何允许在不使用（巨大？）查找转换表的情况下自动转换的模式。

Traditional Chinese 漢字
Simplified Chinese  汉字

function mb_ord($string)
{
    if (is_array($result = unpack('N', iconv('UTF-8', 'UCS-4BE', $string))) === true)
    {
        return $result[1];
    }

    return false;
}

var_dump(mb_ord('漢'), mb_ord('字')); // 28450, 23383
var_dump(mb_ord('汉'), mb_ord('字')); // 27721, 23383

这可能是开始构建 LUTT 的好地方：

• 简体/繁体中文字符列表< /strong>

我得到了这个其他链接的答案似乎（在某种程度上）与我的推理一致：

有几个国家
汉语是主要书面语言。
它们之间的主要区别是
他们是否使用简化或
传统字符，但是有
还有细微的地区差异（在
词汇等）。