일부 상형 문자 언어의 Word-Counter?

Question

일부 상형 문자 언어의 단어 계산에 사용할 수있는 라이브러리가 있습니까 (예 : 중국어, 일본어, 한국어 ...)?

MS Word가이 언어의 텍스트를 효과적으로 계산한다는 것을 알았습니다. 이 기능을 구현하기 위해 .NET 응용 프로그램에서 MS Word 라이브러리에 대한 참조를 추가 할 수 있습니까?

또는이 목적을 달성하기위한 다른 해결책이 있습니까?

Answer 1

일부 상형 문자 언어 (예 : 중국어, 일본어, 한국어 ...)의 단어 계산에 사용할 수있는 라이브러리가 있습니까?

상형 문자? 아니야, 그들은 그렇지 않아. 그들은 로고가이며 너무 미묘한 차이가 아닙니다. 어떤 원어민 강사가 나보다 훨씬 잘 설명 할 수 있다고 확신합니다.

일본과 중국 텍스트는 단어에있을 수 있습니다 문자 정확히 서양 언어로하지만 하나의 문자 로 구성된다. 또한 은 구분 기호로 공백을 사용하여 구분 문자/단어를 만들 수 없으므로이라는 단어를 구분하는 데 공백이 필요하지 않습니다.

Word에서하는 작업은 단어 수를 계산하는 것입니다 (단어가 문자와 같다고 가정). 코드에서 동일한 작업을 수행 할 수 있습니다 (유니 코드이므로 바이트 수를 계산할 수 없습니다). 당신이 공백에 의존 할 수 없기 때문에 진짜 단어를 계산하려면 사전이 필요합니다.

예를 들어

이러한 문자열 :

这 是 一个 示例 文本

こ れ は, サ ン プ ル の テ キ ス ト で す

8 자와 (중국어) 8 개 단어로 계산됩니다 일본어 15 자, 15 자. 사실 그것은 아닙니다 (예를 들어 일본어로는 로마자로 음역 할 때 5 단어입니다). 또한 일본어로 두 개 이상의 알파벳이 있다는 것을 잊지 마십시오 (그리고 그 중 한 가족은 소리 나는 것입니다).

무엇이 요점입니까? 당신은 무엇을 셀 것입니까? 단어는 우리가 그들을 나타내는 데 사용하는 표음 표현 (라틴 문자 포함) 중 하나로 번역됩니까? 어느 것? 단어 카운팅 꽤 다를 것입니다 그리고 실제로 우리의 개념을 단어 (그 이유는, 단어 개수 문자를 가정합니다) 계산됩니다. 이제 말했다

이 코드를 작성하려고 : 24 인 (AN UTF-8 인코딩을 가정하여) 바이트, 그것은 8 게재합니다 말씀처럼 (우리가 문자를 계산하고)

string text = "这是一个示例文本"; 
MessageBox.Show(text.Length.ToString()); 

. 여기에 공백을 셀 수 없다. 한 음역의 단어 수를 계산하려는 경우 외부 라이브러리를 사용해야합니다 (혼자서하는 것은 쉬운 일이 아닙니다). 지원하려는 각 언어에 대해 다른 라이브러리를 사용해야합니다 (언어를 자동으로 쉽게 감지 할 수 있습니다. 일본어는 매우 자주 히라가나/가타카나 문자를 사용함). 어느 것? 그들 중 많은 수가 있는데, 나는 중국어에 대해 모른다. 그러나 일본어로 한자를 번역하기 위해 널리 쓰이는 것은 Kakasi이다.

한국어는 완전히 다른 이야기이며, 라틴어와 정확히 같은 알파벳이지만 문자 (음절이라고 부름)는 많은 문자로 구성 될 수 있습니다. 다시 그들은 공백이 필요 없으므로 단어 계산에 의존 할 수 없습니다. 그것은 다소 복잡합니다. 왜냐하면 여기서 당신은 문자 카운팅을 위해서조차도 사전을 필요로하기 때문입니다 (그렇지 않으면 당신은 음절을 계산할 것입니다).