澄清 OpenCC 中 “t”（OpenCC 标准繁体）的语义，并避免将 `s2t.json` 作为面向用户的默认配置

[frankslin]

说明

在 OpenCC 的实际使用中，s2t.json 经常被当作“简体转繁体”的默认配置直接用于用户界面。

但这里的 t 实际上是 OpenCC 内部使用的标准繁体中间态，并不对应任何现实地区的书写规范（如台湾或香港），主要用于转换流程中的规范化与规则复用。

这一点目前在文档和示例中不够明显，容易导致长期误用。

影响

• 终端用户常感觉 s2t.json 的输出“不自然”
• 下游库和示例代码无意中强化了错误默认值
• t / tw / twp / hk 之间的语义差异不够清晰

建议

这是一个文档与使用指引层面的问题，不涉及行为变更：

• 明确说明 t 是 OpenCC 的内部标准繁体形式，不建议直接用于用户展示
• 在示例和文档中，建议面向用户的默认配置使用 s2tw.json / s2twp.json / s2hk.json
• 避免将 s2t.json 作为“简体转繁体”的通用示例

相关 PR

已有一个相关的说明性改动在此仓库等待 review： frankslin#4

相關 issues

• 群/羣, 台/臺 #909

[lotem]

t 是傳統漢字。
就是現實中的傳統漢字，有據可查。
港臺標準有專門的配置文件。

[frankslin]

感谢回复！我了解 OpenCC 项目提供了 s2t.json，s2tw.json，s2twp.json 与 s2hk.json 四种「简转繁」的配置文件，不过不了解这些配置的具体使用场景建议，以及各转换链路的具体区别。这使我得难以决定如何提交某些特定的修正请求。

具体而言，我遇到的不符合预期的结果如 #909 已經提過的「台」与「臺」的问题。這四種配置中，只有 s2hk.json 会将「台湾」转换成我希望的「台灣」。（我不是在这里讨论「某个具体的字应怎么转换」，而是想知道：如果我来修改转换表以达到我希望的效果，从哪里改最合理、能最大限度地避免预期之外的回归。）

研究后发现，s2t.json 的转换链路目前是其余几种转换模式的基础。这四种配置的分词表全部相同，转换链路各自为：

• s2t.json：STPhrases → STCharacters
• s2tw.json：STPhrases → STCharacters → TWVariants
• s2twp.json：STPhrases → STCharacters → TWPhrases → TWVariants
• s2hk.json：STPhrases → STCharacters → HKVariants

也就是说，一旦 s2t.json （即 STPhrases + STCharacters）决定将「台」转成「臺」，其余几种配置目前只能通过 Variants 表反向转回以补救。s2hk.json 即在 HKVariants 中包含了 「臺」转回「台」 的逻辑。但 TWVariants 中则没有这样做；我不清楚加在这里是不是最合适的。

我想，更理想的做法或许是把 STPhrases + STCharacters 拆分为「无争议的」和「有争议的」两部分。「无争议的」的继续保留在s2tw.json 等配置文件中，而「有争议的」则让这些文件跳过去，这样或可避免「来回转」的麻烦。

[danny0838]

OpenCC 應該是優先選擇轉換成當地標準，而臺灣的官方標準就是「臺」，雖然很多人習慣用「台」，甚至官方網站內文也常用「台」，二者已幾乎通用。

至於 s2hk 選擇「台」是因為香港以「台」作為標準，「臺」反而視為異體字，至少《香港小學學習字詞表》是這樣寫的：

對於這種「非標準，但實際上常用，也比較接地氣的用字」，恐怕不是 OpenCC 官方詞典能處理的範圍，最多加個次位備選即「臺 => 臺 台」，但 OpenCC 本身對一對多轉換支援不好，實際上還是不會轉，而且如果接受這做法，未來可能有一大堆字都要提供異體字作為備選，會涉及很大的詞典更動，ByVoid 當初說異體字問題要另外考慮 (#492)，結果到現在還沒下文XD。

如有相關需求，大概只能自建詞典處理了。