繁簡漢字的差異是許多人都知道的，例如：
繁體 | 简体 |
貝 | 贝 |
東 | 东 |
滅 | 灭 |
書 | 书 |
繭 | 茧 |
競 | 竞 |
襯 | 衬 |
礎 | 础 |
親 | 亲 |
體 | 体 |
不過上述這些是一對一的對應，不會有什麼大的問題。另外還有一些是繁簡多對一，例如：
繁體 | 简体 |
| 幹勁、乾淨、相干 | 干劲, 干净, 相干 |
| 面子、麵條 | 面子, 面条 |
| 屋裡、裏、公里 | 屋里, 里, 公里 |
| 複習、報復 | 复习, 报复 |
| 志向、雜誌 | 志向、杂志 |
| 檯燈、颱風、臺灣、天台山 | 台灯、台风、台湾、天台山 |
上述這些多對一的對應，如果利用詞彙庫，大概還是可以解決大部分。因此如果想要從簡體轉換為繁體，需要先轉換字型，然後以詞彙庫修正。 以ConvertZ為例，詞彙庫中就有這些對應詞條：
修正前 | 修正後 |
| 干不 | 幹不 |
| 干不干 | 幹不幹 |
| 干不干休 | 干不干休 |
| 干不干杯 | 乾不乾杯 |
| 干不干涉 | 干不干涉 |
| 干不干淨 | 乾不乾淨 |
| 干不干預 | 干不干預 |
| 干不干擾 | 干不干擾 |
| 不干不淨 | 不乾不淨 |
如果要將「干不」、「干不干」轉為繁體，則無法確定對應到哪個字，但利用「長詞優先」原則，優先轉換最長的詞，然後次長的，如此反復，即可判定。例如「干不干涉」四個字一起出現，則可知繁體為「干」；如果是「干不干淨」，則繁體應為「乾」；如果只出現「干不干」，則可知繁體為「幹不幹」。
當然，這樣的轉換方式還是無法解決所有的問題。例如，何時該是「余」、何時該是「餘」？如果「余」當成姓氏的話，就不太容易判定了。
二、繁體轉簡體
不過，從繁體轉換成簡體呢？會不會有問題？ 另外一個疑問是，哪一種轉換軟體較好？為了驗證，我做了個小小實驗。方法是將一部35萬字的小說，利用ConvertZ和MS Word 轉換為簡體，儲存為UTF-8的純文字檔，然後利用UltraCompare來比較兩者的差異。字形正誤的判定是參考2003年版的《現代漢語詞典》 。
比較結果 | ConvertZ 8.02 | MS Word 2003 | ||
| 醉「醺醺」 | 薰 | X | 熏 | X |
| 學「術」 | 术 | O | 朮 | X |
| 站「著」 | 著 | X | 着 | O |
| 一「剎」那 | 刹 | O | 剎 | X |
| 「愣」住 | 愣 | O | 楞 | X |
| 折「疊」 | 叠 | O | 迭 | X |
| 「骯」髒 | 肮 | O | 骯 | X |
| 「吶」喊 | 呐 | O | 吶 | X |
| 笑「瞇瞇」 | 眯 | O | 瞇 | X |
| ； | ﹔ | ？ | ； | ？ |
由上表可以看出，MS Word有些錯得離譜，如「骯」、「瞇」完全沒有轉換，「疊」、「愣」根本就對應錯誤，可見得Word的繁簡轉換大有問題。另外上表中有不少字是字形的差別，但對電腦來說這是兩個不同編碼的字，如「术」與「朮 」、「呐 」與「吶」等。另外一個有名的例子是「骨」，繁體是「骨」，簡體是「骨」。網頁上好像看不出來兩者的差異，那我就轉成圖片好了，左邊是繁體，右邊是簡體：
 |  |
上述的結果當然是ConvertZ勝出。不過Prof. Teng要我試試看NJ Star，所以我再度比較了ConvertZ和NJ Star的轉換結果：
ConvertZ 8.02 | Njstar 5.01 | |||
| 過份 | 份 | X | 分 | O |
| 非份 | 份 | X | 分 | O |
| ． | ﹒ | X | ． | O |
由以上可以看出，NJ Star似乎更勝一籌，不過ConvertZ允許使用者自己修正對應表，所以上述的問題很容易解決。至於音界號（间隔号），我不太容易判斷哪個正確，但參考了中華人民共和國國家標準的〈標點符號用法〉，看起來像是NJ Star的比較正確。至於前一次比較的分號（；），MS Word位置居中，ConvertZ偏左，我就無從判定了。
三、結論
- 簡體轉換繁體問題仍多，需要進一步完善現有的對應詞彙庫。
- 繁體轉簡體時，NJ Star 優於 ConvertZ 優於 MS Word，其中以Word最不可靠，ConvertZ與 NJ Star 相差無幾。
- 以價格而言，Microsoft Word最貴，NJ Star其次，ConvertZ免費。
- 兩岸字形的細微差異，需要文字學家進一步整理。
延伸閱讀
沒有留言:
張貼留言