[原创代码] WSH - JS 使用OpenCC词库实现词汇级别的繁简转换(By Yu2n)

yu2n

WSH - JS 使用OpenCC词库实现词汇级别的繁简转换(By Yu2n)
  
示例：词汇级别简转繁

  输入：
    中华人民共和国是工人阶级领导的、以工农联盟为基础的人民****的社会主义国家。
    干活 干杯  西太后   后天
    划过来
   
  输出：
    中華人民共和國是工人階級領導的、以工農聯盟爲基礎的人民**專政的社會主義国家。
    幹活 乾杯  西太后   後天
    划過來

OpenCC-WSH.js

// 载入字库字符串
var dictionary_path = WScript.ScriptFullName.substr(0, WScript.ScriptFullName.length -WScript.ScriptName.length);
var TSCharacters = ReadText(dictionary_path + "TSCharacters.txt");
var TSPhrases = ReadText(dictionary_path + "TSPhrases.txt");
var STCharacters = ReadText(dictionary_path + "STCharacters.txt");
var STPhrases = ReadText(dictionary_path + "STPhrases.txt");

// 测试
Test();
function Test() {
  var str1 = "中华人民共和国是工人阶级领导的、以工农联盟为基础的人民****的社会主义国家。";
      str1 += "\r\n干活 干杯  西太后   后天";
      str1 += "\r\n划过来";
  var str2 = "中華人民共和國是工人階級領導的、以工農聯盟爲基礎的人民**專政的社會主義国家。";
      str2 += "\r\n幹活 乾杯  西太后   後天";
      str2 += "\r\n划過來";
  WScript.Echo(new Date() + "\t TC2SC() ");
  WScript.Echo(new Date() + "\r\n" + str1 + "\r\n ==> ");
  WScript.Echo(new Date() + "\r\n" + SC2TC(str1) + "\r\n\r\n");
  
  WScript.Echo(new Date() + "\t TC2SC() ");
  WScript.Echo(new Date() + "\r\n" + str2 + "\r\n ==> ");
  WScript.Echo(new Date() + "\r\n" + TC2SC(str2) + "\r\n");
}

// 载入词库是否完成
function isInitDic(){
  var isInit = !(STCharacters=="" || STPhrases=="" || TSCharacters=="" || TSPhrases=="");
  if (!isInit) WScript.Echo("正在载入词库，请稍等……");
  return(isInit);
}

// 简转繁
function SC2TC(str){
  if (isInitDic()) {
    return(TCSCConverter(STPhrases + "\n" +STCharacters, str));
  } else {
    return("");
  }
}

// 繁转简 
function TC2SC(str){
  if (isInitDic()) {
    return(TCSCConverter(TSPhrases + "\n" +TSCharacters, str))
  } else {
    return("");
  }
}

// 使用 OpenCC 词库转换
function TCSCConverter(strDictionaryOpenCC, strSrc) {
  // 数组排序：按字符串长度排序 SortHelper.BubbleSort(array)
  SortHelper = {
    BubbleSort: function(arr) {
      var sortNumber = function(a, b) { return  b[0] - a[0] }
      for(i=0; i<arr.length; i++)
        arr[i]=[arr[i].split("\t")[0].length, arr[i]];
      arr.sort(sortNumber);
      for(i=0; i<arr.length; i++)
        arr[i]=arr[i][1];
    }
  }
  // 词组库排序替换：按字符串长度降序排序
  var arr_Phrases = (strDictionaryOpenCC).split("\n");
  SortHelper.BubbleSort(arr_Phrases);     // 将数组按字符串长度降序排序
  
  // 词组替换
  var arr_find = new Array();
  for (var i=0; i<arr_Phrases.length; i++) {
    var str_SrcPhrases = arr_Phrases[i].split("\t")[0];
    var str_DesPhrases = arr_Phrases[i].split("\t")[1];
    if ((strSrc.indexOf(str_SrcPhrases) != -1) && (str_SrcPhrases != "")) {
      strSrc = strSrc.replace(str_SrcPhrases, "<[?" + arr_find.length + "?]>");  // 增加替换标记
      arr_find.push(["<[?" + arr_find.length + "?]>", str_DesPhrases.split(" ")[0]]);
    }
  }
  
  // 还原替换标记
  for (var i=0; i<arr_find.length; i++) {
    if ((strSrc.indexOf(arr_find[i][0]) != -1) && (arr_find[i][0] != "")) {
      strSrc = strSrc.replace(arr_find[i][0], arr_find[i][1]);  // 还原替换标记
    }
  }
  return(strSrc);
}

// 使用 utf-8 编码读写文本文件
function ReadText(FileName){ return Pfile(FileName, "utf-8", "ForReading", ""); }
function SaveText(FileName, TextString){ return Pfile(FileName, "utf-8", "ForWriting", TextString); }
function LogText(FileName, TextString){ return Pfile(FileName, "utf-8", "ForAppending", TextString); }
function Pfile(FileName, FileCode, strType, TextString){
  var fso = new ActiveXObject("Scripting.FileSystemObject");
  var objStream = new ActiveXObject("ADODB.Stream");
  objStream.Type = 2;
  objStream.Mode = 3;
  objStream.Charset = FileCode;     //不同编码时自己换,Chinese (Simplified) (GB2312),中文 GBK ,繁体中文 Big5 ,日文 EUC-JP ,韩文 EUC-KR,charset=UTF-8(国际化编码),ANSI,Unicode,unicode big endian
  if (fso.FileExists(FileName)==true) {
    objStream.Open();
    objStream.LoadFromFile(FileName);
    if (strType=="ForReading") TextString = objStream.ReadText();
    if (strType=="ForAppending") TextString += objStream.ReadText();
    objStream.Close();
  }
  if (strType=="ForWriting" || strType=="ForAppending") {
    objStream.Open();
    objStream.WriteText(TextString);
    objStream.SaveToFile(FileName, 2);
    objStream.Close();
  }
  objStream = null;
  if (strType=="ForReading"){return(TextString)};
  if (strType=="ForWriting" || strType=="ForAppending"){return(0)};
}
复制代码

OpenCC.html 在线繁简转化(纯Web客户端模式)：http://yu2n.sinaapp.com/file/tools/OpenCC/OpenCC.html

WSH、HTML实例及词库下载：http://yu2n.sinaapp.com/file/?dir=/file/tools/OpenCC/

OpenCC开源项目：https://github.com/BYVoid/OpenCC

CrLf

全文替换的法子简单直接，但用在词汇上可能不够严谨，以楼主按长度排序依次替换的思路为例，假设：
比如 AB 翻译成 12，CD 翻译成 34，而 BCD 应该翻译成 bcd
那么 ABCD 不是就成了 Abcd 吗？

而要加上语法解析的话。。。这工作量太口怕了