前阵子我妈打电话问我「GBKAPI」，说小区群里吵翻天了。我让她把群里说法截个图过来，好家伙，五个人五种答案，没一个对的。
动手前先准备这些
简繁转换不只是字对字替换，要考虑一简多繁(发→發/髮)、用词差异(软件/軟體、计算机/電腦)、地域习惯。专业转换用OpenCC库支持词级转换和异体字处理，比简单字对字准确得多。处理用户输入一定过滤特殊字符，防XSS和注入是基本功。数据格式(JSON/XML/CSV)要先确认再解析，猜格式必出错。
进入正题
编码方面：简体常用GBK/GB2312，繁体常用BIG5，统一用UTF-8最省心。纯字对字转换会出错(比如"皇后"的"后"和"后面"的"後"在简体都是"后"，转繁体要区分)，这就是为什么需要词库。字符串操作要考虑多字节字符，中文一个字不等于一个字节。大文件别一次性读进内存，用流式处理或逐行读取，否则容易OOM。
走个完整流程
先搞清概念。GBKAPI这类文本操作，本质是对字符串按某种规则转换或分析。搞懂规则(编码标准、正则语法、格式规范)，操作就有章法；规则没吃透，照着抄都会出错。哈希和加密是两码事，前者不可逆后者可逆，别混着用。处理文本统一用UTF-8，能避免90%的乱码和编码冲突问题。
具体怎么做
流程其实很死板，记住顺序就行：
- 第一步：确认源文本编码(建议统一UTF-8)
- 第二步：选择转换工具：简单字对字 or OpenCC词级转换
- 第三步：简转繁用OpenCC的s2t，繁转简用t2s
- 第四步：转换后人工抽查一简多繁的高频字(后/发/干/面/台)
- 第五步：台湾地区用语还需做词汇转换(软件/軟體、网络/網路)
几个要注意的地方
为了避免算完发现对不上，请注意：
- 不能字对字：简体"后"对应繁体"後"(后面)和"后"(皇后)
- "发"对应"發"(发展)和"髮"(头发)，字对字会出错
- 两岸用语差异：软件/軟體、计算机/電腦、网络/網路、打印/列印
- 统一用UTF-8能同时表示简繁，避免GBK/BIG5编码冲突
记住：会查、会算、会验证，比记住任何一个具体数字都重要。
哈希和加密是两码事，前者不可逆后者可逆，别混着用。处理文本统一用UTF-8，能避免90%的乱码和编码冲突问题。处理用户输入一定过滤特殊字符，防XSS和注入是基本功。编码转换先确认源编码，盲目转只会越转越乱。能用成熟库就别自己造轮子，特别是编码、加密、解析这种容易出错的领域。大文件别一次性读进内存，用流式处理或逐行读取，否则容易OOM。编码问题九成是UTF-8和GBK没统一，全链路统一UTF-8能解决一大半乱码。
常见问题
【GBKAPI是什么意思？】属于文本处理范畴，是对字符串按特定规则转换或分析的操作。具体含义要看场景，但核心都是让文本数据能在不同环境正确表示和使用。
【简体和繁体用什么编码？】简体常用GBK/GB2312，繁体常用BIG5，但现在统一用UTF-8最省心，能同时表示简繁甚至多国语言。乱码多半是编码不一致，统一UTF-8能解决大部分问题。
【简繁转换为什么不能字对字？】因为一简多繁：简体"后"对应繁体"後"(后面)和"后"(皇后)，"发"对应"發"(发展)和"髮"(头发)。字对字会出错，要用OpenCC等支持词级转换的库。
【简繁转换还要注意什么？】用词差异：软件/軟體、计算机/電腦、网络/網路、打印/列印。不只是字形，是两岸用语习惯不同。专业转换库(OpenCC)会处理这些词汇层面的差异。
