Rileva se il carattere è semplificato o il carattere tradizionale cinese

Question

Ho trovato questo question che mi consente di verificare se una stringa contiene un carattere cinese. Non sono sicuro che gli intervalli di unicode siano corretti, ma sembrano tornare falsi per il giapponese e il coreano e veri per il cinese.

Quello che non fa è dire se il personaggio è cinese tradizionale o semplificato. Come andresti a scoprirlo?

---

aggiornamento

D: Come posso riconoscere dal valore a 32 bit di un carattere Unicode se questo è un carattere cinese, coreano o giapponese?

http://unicode.org/faq/han_cjk.html

loro discussione che i personaggi indipendentemente dalla loro forma hanno lo stesso significato e pertanto devono essere rappresentati dallo stesso codice. Beh, non è privo di significato per me perché sto analizzando i singoli caratteri che non funziona con la loro soluzione:

Una soluzione migliore è quello di guardare al testo nel suo complesso: se c'è una discreta quantità di kana, è probabilmente giapponese, e se c'è una buona dose di hangul, probabilmente è coreano.

Answer 1

Come penso che tu abbia scoperto, non puoi. Semplificati e tradizionali sono solo due stili di scrittura degli stessi personaggi: è come la differenza tra caratteri romani e gotici per le lingue europee.

Answer 2

Come già affermato, non è possibile rilevare in modo affidabile lo stile di script da un singolo carattere, ma è possibile per un campione di testo sufficientemente lungo. Vedere https://github.com/jpatokal/script_detector per una gemma Ruby che fa il lavoro e Simplified Chinese Unicode table per una discussione generale.

Answer 3

È possibile alcuni caratteri. I set di caratteri tradizionali e semplificati si sovrappongono, quindi hai sostanzialmente tre serie di caratteri:

1. Caratteri che sono solo tradizionali;
2. Caratteri solo semplificati;
3. Caratteri che non sono stati modificati e sono disponibili in entrambi.

Prendere il carattere 面 per esempio. Appartiene sia al numero 2 che al numero 3 ... Come carattere semplificato, rappresenta 面 e 麵, volto e tagliatelle. Mentre 麵 è solo un personaggio tradizionale. Quindi, nel database Unihan, 麵 ha uno kSimplifiedVariant, che punta a 面. Quindi puoi dedurre che è solo un personaggio tradizionale.

Ma anche 面 ha un kTraditionalVariant, che punta a 麵. Ma questo è dove le interruzioni di sistema: se si utilizzano questi dati per dedurre che 面 è solo un carattere semplificato, si sarebbe sbagliato ...

D'altra parte, ha un 韩kTraditionalVariant, indicando 韓, e questi due sono una coppia "reale" semplificata/tradizionale.Ma nulla nel database Unihan differenzia casi come 韓 韩 da casi come 麵面.