如何自訂 OpenCC 字彙轉換表

OpenCC 已提供十分優質的繁簡轉換，不過呢，實際使用下來難免會有些不到位的地方。所幸，OpenCC 的架構開放又有彈性，修改 json 設定檔就能載入自訂轉換字典，如果對既有轉換表或轉換規則不滿意，OpenCC 開放源碼，絕對讓你改到開心為止。

用個簡單例子示範如何自訂字彙轉換。假設我想將「黑暗執行緒在雲霄飛車上吃便當」翻成簡體，如使用包含常用詞彙轉換的設定檔 tw2sp.json，轉換結果如下：

輸出結果為「黑暗綫程在云霄飞车上吃便当」，而我希望保留「執行緒」不要翻成「綫程」，並將「云霄飞车」與「便当」 翻成大陸用語「过山车」與「盒饭」。

遇到 OpenCC 未包含的轉換字彙，最簡單的解決方法是在 json 設定加掛自訂的轉換表。如下圖，每行文字以 Tab 鍵相隔，前方是繁體中文詞彙，後方是希望轉換的簡體中文詞彙：

將 tw2sp.json 另存為 my-tw2sp.json 再修改加入{ "type": "text", "file": "TWCustMapping.txt" }：

改用 my-tw2sp.json，「过山车」與「盒饭」對了，但「綫程」沒改過來：

細究原因，是 TWPhrasesRev.ocd 裡定義了將「執行緒」轉為「綫程」。要修正這點可從原始碼中找到 TWPhrasesRev.txt，新增一條專有名詞，指定「黑暗執行緒」還是翻成「黑暗執行緒」，值得注意的是 TWPhrasesRev.txt 每一行前後都是繁體。

如下圖，我們將 TWPhrasesRev.ocd 換成 TWPhrasesRev.txt，type 則改成 "text"：

重跑一次，結果就完全符合預期了：

OpenCC 支援 .txt 跟 .ocd 兩種格式的字典檔，修改並改用 TWPhrasesRev.txt 即可自訂轉換詞彙，如希望提高轉換效率，可利用 opencc_dict.exe 工具將修改版 .txt 轉換成 .ocd。(注意：.ocd 檔 32/64 位元有別，請用正確位元版本的 opencc_dict.exe 進行轉換)

掌握以上技巧，我們就能微調轉換結果，符合客戶的各式要求囉~ 祝大家轉換愉快。

Exmaple of customized conversion rules for OpenCC