【自然语言处理】opencc：中文繁体☞中文简体的转换

在看蚂蚁金服人工智能团队写的一篇关于中文的NLP的论文时，才知道有opencc这么个库，可以将中文繁体转为中文简体，大大简化了处理过程。
如果用的pycharm直接点开解释器，搜opencc，然后install openCC即可。也可以在Terminal通过pip install opencc-python -i https: //pypi.doubanio.com/simple。
举个栗子：

import opencc

cc = opencc.OpenCC()
print(cc.convert("「開放中文轉換」，是一個致力於中文簡繁轉換的項目，提供高質量詞庫和函數庫"))

「开放中文转换」，是一个致力于中文简繁转换的项目，提供高质量词库和函数库

可以看下转换效果非常好~
当然，openCC是一个类类型，其构造函数还有个参数为config，config可取的值有四种，官方文档如下：

t2s - Traditional Chinese to Simplified Chinese
s2t - Simplified Chinese to Traditional Chinese
mix2t - Mixed to Traditional Chinese
mix2s - Mixed to Simplified Chinese

默认情况为t2s，即繁☞简，s2t简☞繁，mix2t与繁体中文混合，mix2s与简体中文混合。

import opencc

cc = opencc.OpenCC('s2t')
print(cc.convert("「开放中文转换」，是一个致力于中文简繁转换的项目，提供高质量词库和函数库"))

「開放中文轉換」，是一個致力於中文簡繁轉換的項目，提供高質量詞庫和函數庫

文本转换的栗子：
原文本：

import opencc

cc = opencc.OpenCC()
with open("train.txt", encoding='utf-8') as f:
    stringArr = [line.strip().split('\n') for line in f.readlines()]

with open("convert.txt", mode='w', encoding='utf-8') as f:
    for s in stringArr:
        f.write(cc.convert(s[0]+'\n'))

转换后的文本：