java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

您所在的位置：网站首页 › 潮酷字体转换 › java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

2023-06-06 07:16| 来源: 网络整理| 查看: 265

Opencc4j

Opencc4j 支持中文繁简体转换，考虑到词组级别。

在线体验

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

创作缘由 OpenCC

OpenCC 的思想非常优秀，做的也特别棒。但是没有特别为 java 提供的工具。

jopencc

jopencc 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1ZhConverterUtil基础的繁简体转换2ZhTwConverterUtil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1toSimple(String)转为简体2toTraditional(String)转为繁体3simpleList(String)返回包含的简体列表4traditionalList(String)返回包含的繁体列表5toSimple(char)返回单个汉字对应的所有简体字列表6toTraditional(char)返回单个汉字对应的所有繁体字列表7isSimple(String)是否全部为简体8isSimple(char)单个字符是否为简体9containsSimple(String)字符中是否为包含简体10isTraditional(String)是否全部为繁体11isTraditional(char)单个字符是否为繁体12containsTraditional(String)字符中是否为包含繁体13isChinese(String)是否全部为中文14isChinese(char)单个字符是否为中文15containsChinese(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1defaults()高高默认分词形式，暂时为 fastForward 策略2fastForward()较高高fast-forward 分词策略3chars()低高将字符串转换为单个字符列表，一般不建议使用4huaBan()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，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

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 tsPhrase(); /** * 繁体=》简体单个字 * @return 结果 * @since 1.5.2 */ Map tsChar(); /** * 简体=》繁体词组 * @return 结果 * @since 1.5.2 */ Map stPhrase(); /** * 简体=》繁体单个字 * @return 结果 * @since 1.5.2 */ Map 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

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 提供的原始数据信息。

花瓣

jieba-analysis 提供中文分词

Issues & Bugs

需求和 BUG 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

pinyin2hanzi 拼音转汉字

segment 高性能中文分词

opencc4j 中文繁简体转换

nlp-hanzi-similar 汉字相似度

word-checker 拼写检测

sensitive-word 敏感词

后期 Road-Map

数据字典插件化

考虑长文本分段，并行转换

【本文地址】

java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

java 中文繁简体转换工具 opencc4j 使用介绍 1.8.0

今日新闻

推荐新闻