地區用字及地區慣用詞轉換詞典架構調整方案

目前的地區用字及地區慣用詞轉換詞典架構比較混亂，且實際有些問題（參見：#378, #495, #496），反映現行架構有些不足，因此討論下是否要一次把架構調整及優化好。

目前遇到的問題

目前遇到的問題主要有兩個，還有一個優化的議題：

無法處理一對多

如 #378 所述，以 hk2t, hk2s 為例，程式根據 HKVariants.txt 反轉生成的 HKVariantsRev.ocd2 無法妥善處理一對多的優先權問題。

@BYVoid 目前提出可以加一個 HKVariantsRev.txt 修正。hk2t 可以以 HKVariantsRev.txt 優先，HKVariantsRev.ocd2 次之。

無法處理單向轉換

這種情況可能會發生在罕用字或罕用詞的轉換。如 #495 所述，假設 TWVariants.txt 加上「宂=>冗/穴」，程式根據 TWVariants.txt 反轉生成的 TWVariantsRev.ocd2 就必然會有「冗=>宂」、「穴=>宂」，但後者是我們不希望的轉換。換言之，「宂=>穴」應該只作為單向轉換。

以目前架構來說，要解決這問題，可以加個擴充詞典 TWVariantsUni.txt，t2tw 時以 TWVariants.txt 優先，TWVariantsUni.txt 次之；反向轉換時只取 TWVariants.txt 反轉生成 TWVariantsRev.ocd2，忽略 TWVariantsUni.txt。

優化及減少冗餘

另外有一個優化的問題：目前架構是以 XXVariants.txt 為主詞典，反向轉換時用程式自動生成反轉詞典；但實際上一對多的情況是「地區轉標準」遠比「標準轉地區」為多，中國的繁轉簡和簡轉繁是如此，日本新字體也是如此。像簡化字總表、日本的常用漢字表，都是以地區正體為主鍵，被兼併字為副。

考量此點，其實改以 XXStandard.txt 為主詞典，「地區轉標準」直接使用，「標準轉地區」時用程式自動生成反向詞典，整體需要的修正和冗餘量會比較少。

除了冗餘量，也比較容易處理一對多。「標準轉地區」的表在多個標準字對應一個地區字時會有分散的「發=>发」、「髮=>发」，不易維護，改成「发=>發/髮」就清楚得多。或許有人會覺得「標準轉地區」的方向比較直觀，不過這更多是視角和習慣問題。

地區用字轉換的調整方案

據上，可大略整理出幾個調整方案：

方案一：標準轉地區+標準轉地區擴充+地區轉標準修正

以轉香港用字為例：

• 字典：HKVariants.txt、HKVariantsUni.txt、HKVariantsRev.txt
• 詞典：HKVariantsPhrases.txt、HKVariantsPhrasesUni.txt、HKVariantsRevPhrases.txt

這個方案大部分沿用原架構，優點是改動最小；缺點方面就是優化得少，另外日文和此架構有點不一致。

方案二：地區轉標準+地區轉標準擴充+標準轉地區修正

以轉香港用字為例：

• 字典：HKStandard.txt、HKStandardUni.txt、HKStandardRev.txt
• 詞典：HKStandardPhrases.txt、HKStandardPhrasesUni.txt、HKStandardRevPhrases.txt

若採用此方案，JPVariants.txt 可以全部併入 JPShinjitaiCharacters.txt，t2jp 改用程式自動生成反向的 JPShinjitaiCharactersRev.ocd2（或 JPVariants.ocd2？）

方案三：標準轉地區+地區轉標準

以轉香港用字為例：

• 字典：HKVariants.txt、HKVariantsRev.txt
• 詞典：HKVariantsPhrases.txt、HKVariantsRevPhrases.txt

這方案其實就是比照簡轉繁和繁轉簡，把正向和反向詞典分開。優點是邏輯比較簡單，改詞典時不需一邊思考合併的問題。缺點是冗餘量比較大，而且每加一組字詞都要正、反向都加入。

地區慣用詞轉換的調整方案

慣用詞轉換和地區字轉換類似，但是慣用詞比較沒有一對多集中在「地區轉標準」的情況，較無必要改成以「地區轉標準」為主詞典，但是如果地區字轉換要改，慣用詞轉換一併改會比較一致。

方案一：標準轉地區+標準轉地區擴充+地區轉標準修正

以轉香港用詞為例：

• HKPhrases.txt、HKPhrasesUni.txt、HKPhrasesRev.txt

方案二：地區轉標準+地區轉標準擴充+標準轉地區修正

以轉香港用詞為例：

• HKPhrases.txt、HKPhrasesUni.txt、HKPhrasesRev.txt

我認為檔名可以和方案一一樣，只是方向反轉。不過如果考慮相容性問題，還是可以改檔名，但怎麼改就待集思廣義了。

方案三：標準轉地區+地區轉標準

以轉香港用詞為例：

• HKPhrases.txt、HKPhrasesRev.txt

小結

總之就是待大家集思廣義。我個人比較偏好方案二，這樣日後會比較好維護。但如果考量向下相容性，方案一是衝擊最小的做法。