由于工作的关系,经常需要从繁体转到简体,从简体转到繁体,后来尝试自己做了个delphi工程简繁体转换,居然成功了,当然跟那些专业的delphi工程简繁体转换软件比,还欠完善,但毕竟实现了转换的自动化,内码转换无需查表,速度快,再大的工程也就须臾间轻松搞定,下一步准备实现sqlserver的间繁体转换(表,自定义函数,触发器,存储过程的文本间繁体内码转换),散分庆贺一下。
调试欢乐多
如果你能发表一下,你是如何实现的,就好啦,,大家一下学习,,哈哈
其实最大的麻烦在于那些无法对应的汉字如何处理,码表是一个最好的办法,但是到目前没有好的码表,网上公开的那份码表是90年代的东西,是GB字库,很多汉字根本没有。无论是GBK字库还是UNICODE字库,都有很多汉字(中国的地名)对不上,关键是这些字如何处理。
其实这些东西很简单通过Windows的API函数完成,不超过20行代码,所谓的工程转化就是把所有文件转换一下即可。
其实最大的麻烦在于那些无法对应的汉字如何处理,码表是一个最好的办法,但是到目前没有好的码表,网上公开的那份码表是90年代的东西,是GB字库,很多汉字根本没有。无论是GBK字库还是UNICODE字库,都有很多汉字(中国的地名)对不上,关键是这些字如何处理。
如何处理一简对多繁?
--------------------------繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩繁煩
即使是两个配对数组,使用同一下标的转换也称之为查表.
另外正如楼上所提到的一简对多繁如何转呢?简繁转换如果是那么简单的事情,那么现在就不会有那么多公司靠这个吃饭了.
SQL的我也做过,只是我也只是做繁转简的,简转繁并不是不能转,而就是一简对多繁的时候,那个麻烦不是轻易就能解决的.首先要能从名义词义分词,然后需要相当量的词库,接着需要相当的算法进行匹配.并且现在就算是专业的公司,都不敢对单个字进行转换,至少是针对成词,甚至是成句才好转换.
function GB2312ToBIG5(GB2312Str: string): AnsiString;
var
iLen: Integer;
PGBCHSStr: PChar; //GB编码的简体字符
PGBCHTStr: PChar; //GB编码的繁体字符
PUnicodeChar: PWideChar; //Unicode编码的字符
PBIG5Str: PChar; //BIG5编码的字符
begin
PGBCHSStr:=PChar(GB2312Str);
iLen:=MultiByteToWideChar(936,0,PGBCHSStr,-1,nil,0); //计算转换的字符数
GetMem(PGBCHTStr,iLen*2+1); //分配内存
LCMapString($0804,LCMAP_TRADITIONAL_CHINESE,PGBCHSStr,-1,PGBCHTStr,iLen*2); //转换GB码简体到GB码繁体
GetMem(PUnicodeChar,iLen*2); //分配内存
MultiByteToWideChar(936,0,PGBCHTStr,-1,PUnicodeChar,iLen); //转换GB码到Unicode码
iLen:=WideCharToMultiByte(950,0,PUnicodeChar,-1,nil,0,nil,nil);
GetMem(PBIG5Str,iLen);
WideCharToMultiByte(950,0,PUnicodeChar,-1,PBIG5Str,iLen,nil,nil);
Result:=string(PBIG5Str);
FreeMem(PBIG5Str);
FreeMem(PUnicodeChar);
FreeMem(PGBCHTStr);
end;
这是Delphi的方式,根据变量定义模式及开发工具不同,代码量会不同,但核心的就那几行2、码表法有2种,一种是文件模式,一种是对照码表模式
文件模式
如果十年前你接触过软件开发,通过C语言调用UCDOS的字库显示汉字这招应该玩过,那么这个原理是一样的,条件是找一个合适的字库。该方法主要利用了gb-big5.tab或big5-gb.tab等码表文件进行,这种方式在网络开发及JAVA开发中用的特别多,核心代码也很简单
#define TABLE "gb-big5.tab"extern void usage(void);
extern void convert(FILE *fp);void main(int argc,char **argv)
{
char *source;
FILE *fp;
if (argc!=2) usage();
source=argv[1];
setbuf(stdout,NULL);
if (access(TABLE,4)!=0) usage();
if (source==NULL) usage();
if (strlen(source)==0) usage();
fp=fopen(source,"r");
if (fp==NULL) usage();
convert(fp);
fclose(fp);
fflush(stdout);
fclose(stdout);
}void convert(FILE *fp)
{
FILE *table;
int c,x;
long address;
table=fopen(TABLE,"r");
do {
c=fgetc(fp);
if (c>=0xA0) {
x=fgetc(fp);
address=((c-0xA0)*510)+(x-1)*2;
fseek(table,address,SEEK_SET);
c=fgetc(table); x=fgetc(table);
if (c!=0&&x!=0) fprintf(stdout,"%c%c",c,x);
} else
if (c!=EOF) fputc(c,stdout);
} while (c!=EOF);
fclose(table);
} 对照码表
这种方法的原理是,把所有的汉字的内码通过变量或者一定的规则仔细定义好,然后据表查询即可,譬如“国”的简体内码是$B9FA,繁体内码是$B0EA,建立一个变脸表,一个存储所有简体汉字,一个存储所有繁体汉字,一一对应,马上就出来了
3、对照表法
对照表法应该是最实用最简单的简繁转换方式了,这个方法和对照码表方式差不多,区别在于对照码表法用内码,此方法直接用汉字显示,同一个文件或不同文件里面存储简体和繁体的对照表,这个方法的最大好处是照顾行文习惯,这是所有国家化软件必须的方法,譬如
服务器 - 伺服器
文件 - 檔案
......
这种方式最大的麻烦是找一个好的对照表,很多公开代码的浏览器包括了这些,Linux下也包括了,当然一些好的对照表可以自己去维护4、mlang方法
这种方法其实就是利用IE的API函数ConvertString,只是要自己定义而已,函数定义为
HRESULT ConvertString(
DWORD *pdwMode,
DWORD dwSrcEncoding,
DWORD dwDstEncoding,
BYTE *pSrcStr,
UINT *pcSrcSize,
BYTE *pDstStr,
UINT *pcDstSize
);
具体可以去查MSDN以上一共介绍了4种方法,细分来总共是5种方法。还有一种方法就是利用标准Unicode码表去查,这个码表是MS制作的,也就形成了标准。这个是根据MS的GBK字库制作的
譬如“國”在简体码表库中的编码是$87F8,那么根据码表查出其Unicode码是$570B,然后根据Unicode码$570B到繁体码表库中查到繁体内码是$B0EA,问题就解决了,这个码表库可以到ftp://ftp.unicode.org/Public/MAPPINGS/去下载。936是简体,950是繁体
当然,还有更多分方法,譬如Access转换法,SQL转换法,但基本原理无外乎以上的几种方法。
免费的源码、工具网站,欢迎大家访问!
http://www.j2soft.cn/
═══════════════════