Repository navigation
{HK,TW}VariantsRevPhrases.txt 未對所有非全等異體字列出轉換例外詞 #1246
Description
HKVariants.txt 有以下 8 組出現於 scheme/st_multi.txt 的非全等異體字：
臺 台
纔 才
喫 吃
菸 煙
鍼 針
覈 核
皁 皂
脣 唇
但 HKVariantsRevPhrases.txt 中僅處理「吃」「台」（以及個別轉換的「冑」「巖」）。
因此在 hk2t 轉換下「才智」「核心」等詞會被錯誤轉換為「纔智」「覈心」。（另外需加入更多包含「台」的香港地名，待日後處理 已於 #1267 加入）
TWVariants.txt 亦有相同情況：
纔 才
蔘 參
喫 吃
鍼 針
覈 核
皁 皂
脣 唇
以上 7 組中 TWVariantsRevPhrases.txt 中僅處理「吃」（以及個別轉換的「凶」「著」）。
大部分所需詞語已存在於 STPhrases.txt，建議建立機制抽出，避免重覆列出，方便維護。
相關討論見 Telegram 羣組。
Activity
graphemecluster commentedon May 24, 2026
我的設想（只是一個點子）：
STPhrases.txt 裏不收兩側皆有「台」的字。刪除：
改為在另一文件收
編譯 s2t 時把不包含「台」字的 substring 動態轉換：
"指揮"→"指挥"並與 STPhrases.txt 合併
frankslin commentedon May 25, 2026
根据 TWPhrases/TWPhrasesRev 这对文件的先例，OpenCC 项目在词典维护上，倾向于把衍生结果存入词典文件，并通过一系列自动测试来保证词典的完备性（例如 TWPhrases/TWPhrasesRev 的词条正反向转换必须都有定义，否则会报错）。这样会相对比较容易分析出「为何某个特定词句的转换未按预期进行」。
使用「自动生成」机制，虽然能减少一些词典条目，看似维护更简单，但实则会让生成结果的机制不透明，增加心智负担。目前的 TWVariantsRev / HKVariantsRev 等 3 个 Rev 文件，即是由 TWVariants 等原始文件机械转换而来的。此外还有一个 tofu-risk 文件內容是机械抽取的（不过未来的方向是取消这些导致「豆腐块」的转换，所以可以理解为一项临时的兼容性措施）。
已按上述思路修改了 HKVariantsRevPhrases.txt 和 TWVariantsRevPhrases.txt 并加入了测试，详见 #1247。