Wikipedia:繁简处理/技术方案
维基百科,自由的百科全书
这个页面主要用来记录如何从技术上解决繁简体问题的一个备忘录。讨论请在对话页进行。
现在大家一致同意通过程序脚本从服务器端自动转换繁简体,这涉及到对mediawiki软件的许多修改,以及兼容性。
目录 |
[编辑] 系统界面
现在可以先解决系统界面的繁简体问题。现在已经有了LanguageZh.php(简体界面,也是当前的系统界面),m:LanguageZh-tw.php(繁体界面,可能需要做一些修改,兼容简体版本),Special:Allmessages可以定制系统界面。需要对程序作一些修改,同时确定繁简体用户的识别机制(参数设置,匿名用户等),并且在Special:Allmessages中生成一个繁体的MediaWiki:名字空间。MediaWiki:名字空间中的内容不做繁简转换。完成这一步之后,解决内容的繁简体问题应该更轻松一些。因为已经对程序有了一定的认识,对繁简体转换中涉及的一些基础工作(例如繁简用户的检测)也有了一定的基础和经验。
[编辑] 跨语言链接
- 如何实现与以前的跨语言链接的兼容性?(中文版的解决方案,其他语言版本的解决方案)
- 先行逐字作繁簡轉換。
- 若有關漢字有多於一個對應,以最大分詞法選取最大長度的詞語,然後再從詞語對照表中尋找翻譯。
- 沒有對應的,以最常見的對應頻率為優先。
- 翻譯後應把文章的字頻和雙字頻記錄在數據庫,以作為日後翻譯的數據依歸。
- 跨语言链接的方式
- 在中文版
- 如果检测为简体用户,则自动产生一个zh-tw:的繁体跨语言链接,反之亦然。
- 如果简体用户点击zh-tw:的跨语言链接,则显示繁体版本,并有一个zh-cn:的简体跨语言链接,反之亦然
- 在其他语言版本,有两种方式可选
- 例如在英语版,一个用户添加了一个zh:的跨语言链接,显示时系统自动产生zh-cn:和zh-tw:两个跨语言链接。如果用户添加的是zh-cn:或zh-tw:同样如此处理。点击zh-cn:或zh-tw:进入相应的繁简版本
- 无论用户添加zh:,zh-cn:或zh-tw:,显示则只有一个到中文版的跨语言链接,点击该链接,根据系统的判断决定显示繁体或简体其中一个版本。
- 前一种方法似乎比较简单,而且对于读者来说有更大的灵活性。
- 测试过测试站点,可以在用户参数中更改界面语言和转换语言,但是速度有些慢,还有,应该留下一个不用转换的选项,原来是简体的显示为简体,原文为繁体的显示成繁体,有时候这样可能更好一些。
- 在中文版
[编辑] 繁简字对照表
- 一些特殊繁简体汉字的转换。参看wikipedia:中文繁简体对照表
- Unicode 4.0标准中的繁简转换数据。参看wikipedia:Unihan繁简体对照表
[编辑] 繁简词对照表
可以有两类对应关系:
- 同一个词,对应的字不同。如“-{专业}-<=>-{專業}-”,“-{电话}-<=>-{電話}-”;
- 同一个概念,不同的说法。如“-{克罗地亚}-<=>-{克羅埃西亞}-”,“-{打印机}-<=>-{印表機}-”。
对于第一种情况,我们只需考虑包含一对多的单字的词。如“专业”无需包含在转换表中,因为“专”和“业”都只有唯一的繁体对应。但“饼干”则要列在表中,因为“干”可对“-{乾}-”或 “-{幹}-”。因此,简繁表可以这样构造:搜集一个较全面的繁体词汇表,把包含简繁一对多的繁体字(缺省对应除外)的词找出来,然后翻译成简体。繁简表亦然。见wikipedia:简繁词表 和wikipedia:繁简词表。
对于第二种情况,当然所有词都要包含。以后更新的对应表主要应该是增加这类词。见wikipedia:繁简分歧词表。
[编辑] 数据库
- 使用同一个数据库(里面包含了简体和繁体的混合数据,界面显示的是根据用户选择后的语言通过软件转换成繁体或简体)。
[编辑] 繁简体用户的识别
- help:参数设置上的修改,用户可以自定义显示繁简体
- 匿名用户(通过对ip访问检测解决?)
- 通过检测浏览器的语言选项来实现
[编辑] 不自动转换的汉字
出于特殊的需要,个别汉字可以不进行自动繁简转换。使用-{文字}-来表示不进行繁简转换的汉字,以及-{zh-cn:简体;zh-tw:繁体}-进行手工转换。
[编辑] 测试站
请到http://s87257573.onlinehome.us/wiki/测试。目前测试站采用上述基于Unihan数据库的繁简字转换,以及从SCIM输入平台获取的词表所做的词的转换表来进行自动转换。手工转换使用上述-{}-标记。
[编辑] 转换表校对工作
请大家到Wikipedia:繁简处理/转换表校对工作帮忙校对转换表!