【飞鸟集】简繁转化（更新至2013.4.21）

lrd1861

网上找的  多语言转换

Gu_xl

中文与英文用ascii码一个字节表示不同，它使用两个字节来表示。事实上，在文本文件中保存
的就是每个汉字对应的两个字节编码，而显示问题由中文操作系统自动解决。汉字编码并不统一，
我们使用的是gb码，而台湾地区使用的是big5码。big5码文件中保存的是汉字相应的big5编码，
gb码文件中保存的是汉字相应的gb编码。所以转换工作的关键是有一个记录每个big5编码对应gb编
码的码表文件。gb码编码规则是这样的：每个汉字由两个字节构成，第一个字节的范围从0xa1－
0xfe，共96种。第二个字节的范围分别为0xa1－0xfe，共96种。利用这两个字节共可定义出 96 * 96
＝8836种汉字。实际共有6763个汉字。big5码编码规则是这样的：每个汉字由两个字节构成，第一个
字节的范围从0x81－0xfe，共126种。第二个字节的范围分别为0x40－0x7e，0xa1－0xfe，共157种。
也就是说，利用这两个字节共可定义出 126 * 157＝19782种汉字。这些汉字的一部分是我们常用到的，
如一、丁，这些字我们称为常用字，其big5码的范围为0xa440－0xc671，共5401个。较不常用的字，
如滥、调，我们称为次常用字，范围为 0xc940－0xf9fe，共7652个，剩下的便是一些特殊字符。
制作码表文件的原理是这样的：首先将所有的gb编码写入一个文件，然后，使用具有gb码到big5码转换
功能的软件，将文件转换为big5码文件，即得到码表文件。

1. ;;生成简体汉字文件
   
2. (defun c:gbc1 (/ result tmp i j)
   
3.   (setq f (open "d:\\gbc.txt" "w")
   
4. i 160 j 160)
   
5.   (while (< i 248)
   
6.     (setq i (1+ i) j 160 tmp nil)
   
7.     (while (< j 255)
   
8.       (setq j (1+ j))
   
9.       (WRITE-LINE (VL-LIST->STRING (list i j)) f)
   
10.       (setq tmp (cons (VL-LIST->STRING (list i j)) tmp))
    
11.       )
    
12.     )
    
13.   (close f)
    
14.   (princ)
    
15.   )
    

;;生成简体汉字文件<br /> (defun c:gbc1 (/ result tmp i j)<br />   (setq f (open "d:\\gbc.txt" "w")<br /> i 160 j 160)<br />   (while (< i 248)<br />     (setq i (1+ i) j 160 tmp nil)<br />     (while (< j 255)<br />       (setq j (1+ j))<br />       (WRITE-LINE (VL-LIST->STRING (list i j)) f)<br />       (setq tmp (cons (VL-LIST->STRING (list i j)) tmp))<br />       )<br />     )<br />   (close f)<br />   (princ)<br />   )<br />

然后将生成的gbc.txt"用编码转换软件转成相应的GBK码(GBK.txt)和Big5(Big5.txt)文件，这三个文件中的编码是一一对应的，有了这三个文件，就很容易进行不同编码加减字体转换了！

highflybir

Gu_xl 发表于 2013-1-25 09:36
中文与英文用ascii码一个字节表示不同，它使用两个字节来表示。事实上，在文本文件中保存
的就是每个汉字对 ...

很好的思路。
不过为了使得检索更快，我这里只是把有繁体字的简体字列举出来。
如果要把整个汉字都列表出来的话，恐怕速度会受影响。

dwg001

学习繁体字又多了一种工具，飞鸟好样的。

429014673

厉害呀               

429014673

块文字不行

郭会召

  谢谢分享   

fire9527

惊叹楼主知识之渊博！乐于奉献精神让人感动！

ll_j

Gu_xl 发表于 2013-1-25 09:36
中文与英文用ascii码一个字节表示不同，它使用两个字节来表示。事实上，在文本文件中保存
的就是每个汉字对 ...

你所说的这是代码的规则，是进行代码页转换的方法，但并不适用于简繁转换，汉字在GBK中的代码和GB中的代码是相同的，和GB5不同，但相同的汉字有一个共同的Uni码（并不一一对应），这是代码页转换的根本，也就是说，在大陆使用的GBK码中，也有繁体字，这个繁体字和对应的简体字并不具有相同的Uni码，因此，简单地使用代码页转换的方法并不能转换简繁。
以前就看过简繁转换的检索表，没有找到规律，似乎转换简繁的方法也只能是根据检索表来检索，而检索表的定制就不知怎样过程了。
我这里有以前用过的一个对应文件，是汉字三个代码页对应的关系，不过似乎和简繁转换没有什么关系。

Atsai

下載使用，讚一個！