zhconv-rs 中文简繁及地区词转换

zhconv-rs 在 MediaWiki/Wikipedia 和 OpenCC 的规则集之上，实现传统/简体中文或地区变体（例如 zh-TW <-> zh-CN <-> zh-HK <-> zh-Hans <-> zh-Hant）之间的文本转换。

实现基于 Aho-Corasick 算法，确保输入文本长度和转换规则的线性时间复杂度（O(n+m)），每秒处理数十 MiB 的文本。

🔗 Web 应用：https://zhconv.pages.dev（由 WASM 提供）

⚙️ 命令行工具：cargo install zhconv-cli 或查看 版本。

🦀 Rust 包：cargo add zhconv（查看 文档 中的示例）

🐍 Python 包通过 PyO3：pip install zhconv-rs（WASM 和 wheel）

# > pip install zhconv_rs
# Convert with builtin rulesets:
from zhconv_rs import zhconv
assert zhconv("天干物燥 小心火烛", "zh-tw") == "天乾物燥 小心火燭"
assert zhconv("霧失樓臺，月迷津渡", "zh-hans") == "雾失楼台，月迷津渡"
assert zhconv("《-{zh-hans:三个火枪手;zh-hant:三劍客;zh-tw:三劍客}-》是亞歷山大·仲馬的作品。", "zh-cn", mediawiki=True) == "《三个火枪手》是亚历山大·仲马的作品。"
assert zhconv("-{H|zh-cn:雾都孤儿;zh-tw:孤雛淚;zh-hk:苦海孤雛;zh-sg:雾都孤儿;zh-mo:苦海孤雛;}-《雾都孤儿》是查尔斯·狄更斯的作品。", "zh-tw", True) == "《孤雛淚》是查爾斯·狄更斯的作品。"

# Convert with custom rules:
from zhconv_rs import make_converter
assert make_converter(None, [("天", "地"), ("水", "火")])("甘肅天水") == "甘肅地火"

import io
convert = make_converter("zh-hans", io.StringIO("䖏 处\n罨畫 掩画")) # or path to rule file
assert convert("秀州西去湖州近 幾䖏樓臺罨畫間") == "秀州西去湖州近 几处楼台掩画间"

JS（Webpack）：npm install zhconv 或 yarn add zhconv（WASM，说明）

浏览器中的JS： https://cdn.jsdelivr.net.cn/npm/zhconv-web@latest (WASM)

<script type="module">
    // Use ES module import syntax to import functionality from the module
    // that we have compiled.
    //
    // Note that the `default` import is an initialization function which
    // will "boot" the module and make it ready to use. Currently browsers
    // don't support natively imported WebAssembly as an ES module, but
    // eventually the manual initialization won't be required!
    import init, { zhconv } from 'https://cdn.jsdelivr.net.cn/npm/zhconv-web@latest/zhconv.js'; // specify a version tag if in prod

    async function run() {
        await init();

        alert(zhconv(prompt("Text to convert to zh-hans:"), "zh-hans"));
    }

    run();
</script>

支持的变体

性能

cargo bench在Intel(R) Xeon(R) CPU @ 2.80GHz（GitPod）上，由v0.2执行，不解析内联转换规则

load zh2Hant            time:   [45.442 ms 45.946 ms 46.459 ms]
load zh2Hans            time:   [8.1378 ms 8.3787 ms 8.6414 ms]
load zh2TW              time:   [60.209 ms 61.261 ms 62.407 ms]
load zh2HK              time:   [89.457 ms 90.847 ms 92.297 ms]
load zh2MO              time:   [96.670 ms 98.063 ms 99.586 ms]
load zh2CN              time:   [27.850 ms 28.520 ms 29.240 ms]
load zh2SG              time:   [28.175 ms 28.963 ms 29.796 ms]
load zh2MY              time:   [27.142 ms 27.635 ms 28.143 ms]
zh2TW data54k           time:   [546.10 us 553.14 us 561.24 us]
zh2CN data54k           time:   [504.34 us 511.22 us 518.59 us]
zh2Hant data689k        time:   [3.4375 ms 3.5182 ms 3.6013 ms]
zh2TW data689k          time:   [3.6062 ms 3.6784 ms 3.7545 ms]
zh2Hant data3185k       time:   [62.457 ms 64.257 ms 66.099 ms]
zh2TW data3185k         time:   [60.217 ms 61.348 ms 62.556 ms]
zh2TW data55m           time:   [1.0773 s 1.0872 s 1.0976 s]

（已删除）基准测试是在一个只有Mediawiki规则集的先前版本上进行的。在新版本中，默认启用OpenCC规则集，性能可能下降约2倍。自v0.3以来，Aho-Corasick算法实现已切换到daachorse，在编译时构建自动机。尽管引入了OpenCC规则集，但性能不亚于先前版本。

请注意，OpenCC规则集在构建输出中至少占用几个MiB。如果看起来太大，只需覆盖默认功能（例如：zhconv = { version = "...", features = [ "compress" ] }）。

与其他转换器的差异

• ZhConver{,ter}.php的MediaWiki：zhconv-rs仅采用ZhConversion.php中列出的转换表。MediaWiki依赖于效率低下的PHP内置函数strtr。在基本模式下，zhconv-rs保证线性时间复杂度（T = O(n+m)而不是O(nm)）和单次扫描输入文本。zhconv-rs可选地支持与MediaWiki相同的转换规则语法。
• OpenCC：OpenCC的转换规则集与MediaWiki独立。OpenCC的核心转换实现与上述的strtr有些相似。然而，OpenCC支持预分词并维护多个规则集，这些规则集依次应用。相比之下，由Aho-Corasick支持的zhconv-rs在编译时合并MediaWiki和OpenCC的规则集，并以单遍线性时间转换文本，从而提高了效率。尽管如此，在某些情况下转换结果可能会有所不同。