Help:繁简处理/技术方案

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。

[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）
1. 先行逐字作繁簡轉換。
2. 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。
3. 沒有對應的，以最常見的對應頻率為優先。
4. 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
1. 在中文版
  1. 如果检测为简体用户，则自动产生一个zh-hant:的繁体跨语言链接，反之亦然。
  2. 如果简体用户点击zh-hant:的跨语言链接，则显示繁体版本，并有一个zh-hans:的简体跨语言链接，反之亦然
2. 在其他语言版本，有两种方式可选
  1. 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-hans:和zh-hant:两个跨语言链接。如果用户添加的是zh-hans:或zh-hant:同样如此处理。点击zh-hans:或zh-hant:进入相应的繁简版本
  2. 无论用户添加zh:，zh-hans:或zh-hant:，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。

[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。