将CJK音译为拉丁文--最好用C++。

Question

我正在编写一个程序，可以将CJK音译为拉丁语(即拼音、罗马语等)。例如，您将中文、日文或韩文文档作为输入，然后将音译版本作为输出输入到拉丁文中。

我是这个领域的新手，所以请容忍我在这里。

显然，首先我需要检测语言的类型(汉语、日语或韩语)，然后再做进一步的研究。然后，据我所知，为了完成音译，我需要把文本分成单词，因为在这些语言中，单词之间没有空格。这叫做分词。最后，在找出单词后，我需要将它们音译为拉丁语。

所以我的问题是：

1. 有很多(嗯，不是真的！)最好是一些)库来完成音译工作，因为我正在寻找C/C++中的开源库，所以我找到了Adson (只用于中文)和ICU4C。从Adson 不编译克隆Git。我也找不到简单、直接的ICU4C教程。如何才能找到一些关于ICU4C使用的教程？你知道还有其他图书馆可以把CJK音译为拉丁语吗？如果准确率较高(~90%)，我可以忘记它是用C++编写的。

Answer 1

ICU:有例子在http://userguide.icu-project.org/transforms/general和ICU 50现在有CJK分词。uconv示例可以与类似于uconv -f utf-8 -t utf-8 -x 'Any-Latin'的内容一起使用，以进行任何拉丁转换。不过，这并没有考虑到语言。