談談網頁內容如何實現中文繁簡體的自動轉換

要讓網頁內容達到中文繁簡體的自動轉換，最簡單的方式就是用字表轉換，所以你要先收集繁體跟簡體的差異字，然後用 Lookup Table 的方式去做轉換即可，那麼中文繁簡體的差異字到底有多少個字呢？我自己收集到的部份一共有3060個字，我不是什麼語言研究的專家，所以這個數字不是學術等級的精準，但是仰賴數十位大陸朋友的真人實測，他們一致認為透過這3060個字表轉換後的文章內容，在閱讀上實用性已經很高了。

如果要求還要再更高，那就進入語意分析的領域了，很抱歉，我沒有那個水準去談語意分析。什麼是語意分析？例如說台灣說”當機”等於大陸說”死機”，台灣說”送出”等於大陸說”提交”…等等這一類就屬於語意分析的範圍，這個難度高很多，也會耗費更多計算資源，但是就像前面說的，透過簡單的字表轉換，其實已經達到實用的等級，實作上跟程式的運行效率都有不錯的CP值。

實作上，繁體轉簡體是容易的，而且效果也比較好，因為很多繁體字經過簡化後，會對應到同一個簡體字，也因為這個特性，簡轉繁難度高上許多，單純的字表轉換會出現語意不同的情況，不像繁轉簡，文章語意幾乎都是通順的，舉例來說：

在進行簡體轉繁體的時候，你要選哪一個？所以簡轉繁要做的好，幾乎都要考慮語意分析！

還有就是繁體常用字等於部份簡體字的問題，舉例來說：

Screenshot from 2017 01 19 121114

前面說了一大堆，到底要如何去達到網頁的自動繁簡互轉呢？我個人是用判斷HTTP_ACCEPT_LANGUAGE的方式為主，再加上判斷HTTP_USER_AGENT為輔，這樣可以達到大部分來自中國大陸的訪問者，都是看到簡體網頁的內容，這其中當然也包含百度搜尋引擎的蜘蛛，PHP的程式碼如下：

$trans = FALSE;  

if (!empty($_SERVER['HTTP_ACCEPT_LANGUAGE'])) {         
    $lang  = explode("," , $_SERVER['HTTP_ACCEPT_LANGUAGE']);          

    if (($lang[0] == 'zh-cn') || ($lang[0] == 'zh-CN')) {
        $trans = TRUE;         
    } 
} 

if (!$trans && !empty($_SERVER['HTTP_USER_AGENT']) && 
    strstr($_SERVER['HTTP_USER_AGENT'], "Baidu")) 
{         
    $trans = TRUE; 
} // From TW -> CN 

if ($trans) {         
    require_once '/include/TWtoCN.php';         
    $app = ant_zhtw2cn($app); 
}

上面這一段 Code ，我大概使用快十年了，如果你是一個以繁體中文為主的網站，同時也想對使用簡體中文的朋友們做到 User Friendly ，這樣就已經很足夠了，當然有部份人士的個性是屬於多毛症的，那就滿足不了。

談談網頁內容如何實現中文繁簡體的自動轉換