编译了 wasm 版本的 OpenCC,在浏览器上可以直接进行简繁体转换了

2018-09-17 07:58:26 +08:00
 oyyd

wasm-opencc 开放中文转换OpenCC的 wasm 版本

这个项目对 OpenCC 进行了添加修改修改,并利用Emscripten进行编译,在 OpenCC 进行中文简繁体转换的能力上具有以下特性:

开发后的一些想法

OpenCC 很好,但遗憾的是我们必须开个服务才能使用,而我先前一直想在浏览器上直接运行,对页面的文本直接进行转换。而后发现tesseract.js是使用 Emscripten 编译而成,对 wasm 相关技术的成熟度感到意外,于是便有了这个项目。

在之前,我对 wasm 最关注的一点是 现在 Emscripten/WebAssembly 是否足够成熟了呢? 如果你期望的是开箱即用,文档社区支持齐全(文档其实比较齐全,只是在碰到问题搜索对应文档时容易遇到困难),不会碰到太多问题的工具的话,我的想法是“没有”。你当然需要了解 c/cpp 和构建工具,并且我碰到了很多问题,特别是内存操作的问题,Emscripten 会抛出一个错误数字,没有其他任何错误信息,定位非常困难。或许有类似 gdb、lldb 的工具帮助解决这些问题,只是我目前不知道。

但如果你理解 WebAssembly 本身要解决的问题并不容易,并且愿意投入时间去面对这些问题的话,我想你在开发完一个项目以后会觉得 Emscripten 比你在使用前所想象的更加成熟一些。我开发完这个项目后,目前没有测试出内存相关的问题(当然本身是 js 运行环境,这点或许不值得一提);在把碰到的几个问题解决或避开以后,其他大部分代码都没有出现问题,剩下的就只是纯粹 js 领域的封装调用了。

另外,一开始我没有打算提供 node 版本的代码,因为 @byvoid 自己早就做了 addon 的版本。但后来想到自己在开发 addon 上经历过的问题,深知 addon 在维护和部署上的困难,就一并生成了一份在 node 运行的版本。所以我觉得在 node 环境上,即便已经有了 addon 这套调用 c/cpp 的机制,wasm 也依旧具有优势。因为你可以用更短的时间,开发出不需要编译、能运行在浏览器上的版本,同时还不用理解 v8.h、node.h、Nan,只需要学习相对简单的多得多的 Embind 就可以了。

回头来看,WebAssembly 最大的优势诚如其文档所言,你可以直接将生成 llvm 的项目运行在 js 环境下,这点和 node addon 同理。如果单纯是从应用的性能问题考虑使用相关技术工具的话,还是要慎重抉择。

2580 次点击
所在节点    分享创造
11 条回复
yksoft1
2018-09-17 08:04:32 +08:00
并且我碰到了很多问题,特别是内存操作的问题,Emscripten 会抛出一个错误数字,没有其他任何错误信息,定位非常困难。或许有类似 gdb、lldb 的工具帮助解决这些问题,只是我目前不知道。
我只知道打开--profiling-funcs 不去掉函数名之后可以在 Firefox 中看到 call stack
pango
2018-09-17 08:49:12 +08:00
这个可以说很实用了,完全可以商用的,感谢楼主开源。
qdwang
2018-09-17 08:49:18 +08:00
我是写 rust 编译到 wasm,用 wasmbindgen 交互,感觉非常方便。
mytry
2018-09-17 11:14:10 +08:00
不复杂的项目还是编译成 asm.js 比较好,兼容性更好,代码也可以直接在控制台里看。而且最新的浏览器内部会自动把 asm.js 转成 WebAssembly 运行。
mytry
2018-09-17 11:24:24 +08:00
等等,这玩意没有分词功能吗。。。
![]( )
oyyd
2018-09-17 16:03:59 +08:00
@mytry 分词要看每个配置对应使用的分词词典,词典可以自己编辑。
oyyd
2018-09-17 16:05:32 +08:00
@qdwang 哈哈,Rust 社区在这方面做了很多事情,早有耳闻。
oyyd
2018-09-17 16:08:07 +08:00
@pango 感谢支持。更应该感谢 OpenCC 原项目,只是做了些微小的工作。
oyyd
2018-09-17 16:09:47 +08:00
@yksoft1 看到你 3 天前的帖子了
sarices
2018-09-17 16:38:34 +08:00
鼠标在港澳台都是滑鼠,你只在台湾繁体做了处理,港澳没有
oyyd
2018-09-17 18:01:17 +08:00
@sarices 感谢提出。关于字典本身的问题,恐怕最好的方法是维护一套自己的字典。这也是我把字典数据的加载分离出来的原因。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/489927

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX