添加了 “自干五” 和若干含 “扇 / 搧” 词组的简繁转换

[LeeiFrankJaw]

• “自干五” 最原始的意思是 “自带干粮的五毛”，所以其繁体应该是 “自乾五”。参见维基百科。

• 美国第45任和第47任总统的名字，其正确写法应该是 “唐纳德·特朗普” 或 “唐納．川普” 或 “當勞·特朗普”。经讨论，不对 “特朗普” 或 “川普” 进行地区性转换。

• 在台湾的用法中，间隔号是U+FF0E（．），而在大陆是U+00B7（·）。如果使用的是台湾字体，这些标点符号，都是居中显示的，所以 “全角句号” 也被拿来当成间隔号来使用。参见《重訂標點符號手冊》和《重編國語辭典修訂本》中的大量例证。经讨论，不对此符号进行转换。

• 作为一种特殊的现象，乱码出现的“锟斤拷”应该永远以简体的形式出现，这也正是维基百科中的处理方式。但经指正，不收此类词语的转换。

• 添加了一些从“扇”到“搧”的简繁转换，以《重訂標點符號手冊》为参考。

[frankslin]

援引的台灣官方標點規範中規定的「間隔號」是「占一個字的位置，居正中」，但是並沒有強制綁定到「．」(U+FF0E) 這個字符，而中國大陸現代出版物中常見的間隔號也是如此，通常用「·」(U+00B7) 也不過只是工程上的習慣，因為國標碼 GB2312 / GBK 等習慣上與 Unicode 如此映射。

我認為 OpenCC 預設配置和字典，不宜對 U+FF0E 與 U+00B7 一類符號做無條件互轉、也不宜單向轉換，原因是：

1. 二者的 Unicode 語義和實際文本用途上並不等價。 U+FF0E 也可能是中國大陸數學文獻中用的全角句點， U+00B7 也可能出現在外文、品牌名或作品名中。
2. 標點符號與排版風格差異，不屬於「繁簡字詞轉換」的範疇。

因此我建議「·」還是原樣保留；字典中一定要轉帶「·」的人名詞匯，圓點還是原樣輸出較好。

若使用者有特定出版規範需求，可以在 OpenCC 轉換後再套用自定義標點規則。例如這樣做： https://github.com/BYVoid/OpenCC/blob/master/examples/config/s2twp_quote_marks.json

[larachung]

* 在台湾的用法中，间隔号是U+FF0E（．），而在大陆是U+00B7（·）。如果使用的是台湾字体，这些标点符号，都是居中显示的，所以 “全角句号” 也被拿来当成间隔号来使用。参见《[重訂標點符號手冊](https://language.moe.gov.tw/001/Upload/FILES/SITE_CONTENT/M0001/HAU/h14.htm)》和《重編國語辭典修訂本》中的大量[例证](https://dict.revised.moe.edu.tw/dictView.jsp?ID=124658)。

全角句點U+FF0E（．）在繁中環境常被當作間隔號是客觀事實，但不代表這種用法是正確的，就好比簡中環境中常以U+002D（-）代替間隔號一樣。這種做法除在語義上存在顯而易見的誤用外，弊端有：

1. 繁中並非絕對使用置中標點，既使不考慮使用簡中和日韓文字體的情況，繁中仍存在傳統偏靠式標點字體，使用U+FF0E（．）作為間隔號可能帶來極嚴重的間隔號顯示問題；
2. 會被當作間隔號的點號不止U+FF0E（．）一個，還有U+2027 （‧)和U+2022（•）等，這些字符從語義上甚至比U+FF0E（．）更適合用作間隔號，沒有理由為U+FF0E（．）開特例。

參見：W3C Requirements for Chinese Text Layout 中文排版需求

[LeeiFrankJaw]

援引的台灣官方標點規範中規定的「間隔號」是「占一個字的位置，居正中」，但是並沒有強制綁定到「．」(U+FF0E) 這個字符，而中國大陸現代出版物中常見的間隔號也是如此，通常用「·」(U+00B7) 也不過只是工程上的習慣，因為國標碼 GB2312 / GBK 等習慣上與 Unicode 如此映射。

我認為 OpenCC 預設配置和字典，不宜對 U+FF0E 與 U+00B7 一類符號做無條件互轉、也不宜單向轉換，原因是：

1. 二者的 Unicode 語義和實際文本用途上並不等價。 U+FF0E 也可能是中國大陸數學文獻中用的全角句點， U+00B7 也可能出現在外文、品牌名或作品名中。

2. 標點符號與排版風格差異，不屬於「繁簡字詞轉換」的範疇。

因此我建議「·」還是原樣保留；字典中一定要轉帶「·」的人名詞匯，圓點還是原樣輸出較好。

若使用者有特定出版規範需求，可以在 OpenCC 轉換後再套用自定義標點規則。例如這樣做： https://github.com/BYVoid/OpenCC/blob/master/examples/config/s2twp_quote_marks.json

同意你的看法。我昨天是因为在数据文件中看到了 U+FF0E 的符号，而且还出现在好几处。这些符号，是不是也应该改成 U+00B7。等一下，我来列举一下。

OpenCC/data/dictionary/STPhrases.txt

Line 2299 in bda5451

乔修亚．吉尔菲艾斯 喬修亞．吉爾菲艾斯

OpenCC/data/dictionary/STPhrases.txt

Line 2311 in bda5451

乔治．布希 喬治．布希

OpenCC/data/dictionary/STPhrases.txt

Line 28630 in bda5451

曼苏尔．达杜拉 曼蘇爾．達杜拉

OpenCC/data/dictionary/STPhrases.txt

Line 36380 in bda5451

碧娜芝．布托 碧娜芝．布托

OpenCC/data/dictionary/STPhrases.txt

Line 41333 in bda5451

菲利克斯．米达麦亚 菲利克斯．米達麥亞

我的看法是，在简体的行文中，很难看到 “乔治．布希” 这样的写法。在繁体的行文中，要看地区，在台湾的行文中，很难看到 “佛漢·威廉斯”（可能维基百科除外）这样的写法。所以相应文件中的转换规则，被使用上的概率几乎为零。港澳的间隔号使用更加混乱，但基本上以 U+00B7 为主流，如 “當勞·特朗普”。

你说的对，我忽略了 U+00B7 是一个太过常用的符号，毕竟位列太初的 Latin-1 码之中。

至于 U+FF0E 在科技文献中作为句号的使用，见 rime/weasel#214 (comment) 。我个人的经验还是，在日文的科技文献中使用的比较多。在大陆的科技文献中，还是以 U+00B7 U+0020（. ）的组合更为常见。可以参见陈浩元的一些文章。当然，我个人是比较推崇日文中的用法，或者直接用正常的圆圈句号（。）。

[LeeiFrankJaw]

* 在台湾的用法中，间隔号是U+FF0E（．），而在大陆是U+00B7（·）。如果使用的是台湾字体，这些标点符号，都是居中显示的，所以 “全角句号” 也被拿来当成间隔号来使用。参见《[重訂標點符號手冊](https://language.moe.gov.tw/001/Upload/FILES/SITE_CONTENT/M0001/HAU/h14.htm)》和《重編國語辭典修訂本》中的大量[例证](https://dict.revised.moe.edu.tw/dictView.jsp?ID=124658)。

全角句點U+FF0E（．）在繁中環境常被當作間隔號是客觀事實，但不代表這種用法是正確的，就好比簡中環境中常以U+002D（-）代替間隔號一樣。這種做法除在語義上存在顯而易見的誤用外，弊端有：

1. 繁中並非絕對使用置中標點，既使不考慮使用簡中和日韓文字體的情況，繁中仍存在傳統偏靠式標點字體，使用U+FF0E（．）作為間隔號可能帶來極嚴重的間隔號顯示問題；

2. 會被當作間隔號的點號不止U+FF0E（．）一個，還有U+2027 （‧)和U+2022（•）等，這些字符從語義上甚至比U+FF0E（．）更適合用作間隔號，沒有理由為U+FF0E（．）開特例。

參見：W3C Requirements for Chinese Text Layout 中文排版需求

我也不知道为什么台湾那边为什么要用 U+FF0E 啊，我昨天修改的仅仅是 TWPhrases 系列文件。我现在正在撤回中……

关于繁体行文中标点符号偏置的传统，我是十分清楚的。1951年版的《標點符號用法》，可以说是代表性文献了。

台湾那边，标点符号还有一处比较与众不同的地方，就是破折号。那边一般用两个 U+2500（──）来表示破折号。

[frankslin]

同意你的看法。我昨天是因为在数据文件中看到了 U+FF0E 的符号，而且还出现在好几处。这些符号，是不是也应该改成 U+00B7。等一下，我来列举一下。

謝謝指出，這些已經刪掉 #1379
是否再加可另議，但顯然不應將「布希」之類作為簡中原樣加回 STPhrases。

[frankslin]

建議：以後最好一個 PR 解決一類問題，這樣比較容易單獨討論、合並處理。

[frankslin]

合並前還需要修一下這個 test failure

data/dictionary/DictionaryPhraseCharacterDependencyTest.cpp:153: Failure
Expected equality of these values:
  0U
    Which is: 0
  failureCount
    Which is: 4
Phrase-level character substitutions must also be declared in the corresponding character dictionary. If a direct character conversion is not generally desirable, keep it as a non-default candidate such as A<TAB>A B instead of deleting it outright:
STPhrases.txt:14809 maps "呼扇" -> "呼搧", including character substitution "扇" -> "搧", but STCharacters.txt does not list that target as a candidate.
STPhrases.txt:23864 maps "扇火" -> "搧火", including character substitution "扇" -> "搧", but STCharacters.txt does not list that target as a candidate.
STPhrases.txt:23869 maps "扇风" -> "搧風", including character substitution "扇" -> "搧", but STCharacters.txt does not list that target as a candidate.
STPhrases.txt:46349 maps "铺眉扇眼" -> "鋪眉搧眼", including character substitution "扇" -> "搧", but STCharacters.txt does not list that target as a candidate.
[  FAILED  ] DictionaryPhraseCharacterDependencyTest.PhraseSubstitutionsRemainDeclaredInCharacterDictionaries (226 ms)

[larachung]

我也不知道为什么台湾那边为什么要用 U+FF0E 啊，我昨天修改的仅仅是 TWPhrases 系列文件。我现在正在撤回中……

台湾那边，标点符号还有一处比较与众不同的地方，就是破折号。那边一般用两个 U+2500（──）来表示破折号。

繁中使用U+FF0E只不過是誤用而已。破折號的情況與間號號類似，同樣沒有專用碼位，所以會有多個字符被當作破折號使用。與間隔號同理，不能簡單認為繁中是使用U+2500來表示破折號，而是繁中常使用U+2500作為破折號。繁中常使用的破折號也不止有兩個U+2500，除和簡中習慣相同的兩個U+2014外，還有兩個U+2015。此外還有W3C提倡的一個U+2E3A（⸺）。幾種用法在顯示效果、字體相容性、編碼相容性上很難說有絕對的優劣。

[LeeiFrankJaw]

我也不知道为什么台湾那边为什么要用 U+FF0E 啊，我昨天修改的仅仅是 TWPhrases 系列文件。我现在正在撤回中……
台湾那边，标点符号还有一处比较与众不同的地方，就是破折号。那边一般用两个 U+2500（──）来表示破折号。

繁中使用U+FF0E只不過是誤用而已。破折號的情況與間號號類似，同樣沒有專用碼位，所以會有多個字符被當作破折號使用。與間隔號同理，不能簡單認為繁中是使用U+2500來表示破折號，而是繁中常使用U+2500作為破折號。繁中常使用的破折號也不止有兩個U+2500，除和簡中習慣相同的兩個U+2014外，還有兩個U+2015。此外還有W3C提倡的一個U+2E3A（⸺）。幾種用法在顯示效果、字體相容性、編碼相容性上很難說有絕對的優劣。

我原话确实是说 “那边一般用两个 U+2500（──）来表示破折号” 啊。我没有那么 unsophisticated。

W3C 的草稿，我几年前就通读过，有一些细节的地方，不是很喜欢。他们起草人当中，好像有一位是早年在推广自己的孔雀计划的那位。

Anyway，话说回来，历史上 “积非成是” 的事情多得去了，如 “空穴来风” “七月流火” “万人空巷” “炙手可热” “差强人意”。任何标准或规范，如果缺少人主动去遵守，都产生不了多大的影响力。我确实不认为标点符号的这一类问题，在短期内，能通过几个文件、标准或规范得到解决。