跳转到内容
znlp

繁简转换

门面入口

Section titled “门面入口”
import dev.znlp.Znlp;


Znlp.s2t("汉字");   // 簡 → 繁：漢字
Znlp.t2s("漢字");   // 繁 → 簡：汉字

两个方法都是静态的，内部通过 TransformService 完成，服务实例在注册表中是单例，词典只加载一次。

TransformService 接口

Section titled “TransformService 接口”

converter.dev.znlp.TransformService 提供 String 和 char[] 两套重载：

方法 说明
String s2t(String text) 简体转繁体
String t2s(String text) 繁体转简体
String s2t(char[] text) 字符数组版，避免额外的字符串拷贝
String t2s(char[] text) 字符数组版

需要脱离门面使用时：

TransformService transform = Znlp.getService(TransformService.class);
String traditional = transform.s2t("简体中文");

char[] 重载适合在已经有字符缓冲的场景（比如分词流水线的 segment(char[], Consumer<Token>)）中做原地转换，省去一次 String 构造。

实现要点

Section titled “实现要点”

转换基于 Aho-Corasick 自动机做词典多模式匹配，并采用长词优先策略。这一点很重要，因为繁简转换不是逐字映射：

  • 「里面」的「里」在繁体中是「裡」（内部含义）还是「里」（长度单位、姓氏），取决于上下文词。
  • 「头发」的「发」对应「髮」，而「发展」的「发」对应「發」。

长词优先保证了「里面」整体匹配到「裡面」，而不是把「里」单字转换。因此词典覆盖率直接决定转换质量，遇到专有名词转换错误时，通常是对应词条不在词典中。

资源文件

Section titled “资源文件”
资源 路径
简转繁词典 znlp/ts-dict/s2t.txt
繁转简词典 znlp/ts-dict/t2s.txt

两个词典都带 .hash 校验文件，首次加载后会生成 S2T_Dict_<hash> 和 T2S_Dict_<hash> 缓存文件写入 cache-dir（默认 data/cache），后续启动直接读缓存。

与分词的关系

Section titled “与分词的关系”

繁简转换不在分词流水线内，Znlp.segment 不会自动做转换。但用户词典在入库时会同时保存原词和 CharNormUtils.convert 的规范化形式，所以即使用户词典里写的是简体，繁体输入也可能命中。

如果你的输入是繁简混杂的，建议在进入分词前统一转换：

String normalized = Znlp.t2s(rawText);
List<Token> tokens = Znlp.segment(normalized);

注意这样得到的 Token.offset 是相对于转换后文本的。由于繁简转换是等长映射（一个汉字对一个汉字），偏移通常仍然可用，但如果原文包含需要多字展开的词，就要自行重新对齐。

相关

Section titled “相关”