怎么找出近似的汉字？

[JCZ2MkKb5S8ZX9pq]

• 想找出笔划差别细微的汉字。
• 比如 [余] 和 [佘] ， [茶] 和 [荼] 。
• 一种思路是在给定字体下，渲染成固定尺寸的图片，然后 bitmap 比较汉明距离。
• 但这样碰到偏旁缩放的字可能会误判，比如 [侯] 和 [候] 。
• python 下有啥现成的轮子嘛？
• 或者大家还有啥别的思路嘛？

[akira]

找以前的汉字库 16x16 像素的 ，然后随便做个图片相似度算法 应该就能满足你了

[c4f36e5766583218]

@JCZ2MkKb5S8ZX9pq #38
1. 这个我晓得，但那一般用来搞笑的吧~
2. 你的 ID 和我 ID 有得一拼。。我是有规则的，你是乱打的还是？

[noqwerty]

@xml123 这个大佬的博客在我加到收藏夹之后就再没更新过，太可惜了。

[secsilm]

@JCZ2MkKb5S8ZX9pq 我第一次读你的话就看出来了，而且很不舒服。另外我觉得你这样混淆不利于读者记住正确的字，甚至都分不清你这是故意的（有特殊含义）还是打错字了，也有可能让读者觉得你这个文章水平不行。

如果在你的使用场景对于这些都无关紧要。当我没说。

[Daming]

垚(yao)壵(zhuang)，这两个字算是比较难分清楚的了

[aREMbosAl]

@JCZ2MkKb5S8ZX9pq 我写过一个小工具，可以分解分解单字成偏旁部首和笔画，并且带部件结构信息，我想你会产生重复是因为没有结构信息导致。https://github.com/vincentzlt/textprep

[yufei02]

在分词领域，有一种解决方法是进行规划，如何你要区别的是"佘"和"余"，需要事先人工做个穷举，发音和字形穷举，然后满足相同的分词要求即可。并且把该词标识为规则词。

[yingfengi]

低配版火星文？

[ioschen]

@lastpass 是的，提取汉字拼音，还有多音字这些就是映射,包括不常用的也就那么多。一劳永逸，还可以开源给大家用😄

[ioschen]

@lastpass 你这个太少了，不全，比如陈阵就没有

[bghtyu]

https://www.zhihu.com/question/45631430/answer/364471155
知乎上有个人用聚类做的

[a632027512]

坐等现成的车。 打字输入倒是可以用手写输入。

[chinvo]

量化出来的结果不一定符合人识读的感官体验

拿你举例的 [余] 和 [佘] ， [茶] 和 [荼] ， [侯] 和 [候]，对于认识这些字的人来说，人识读的时候基本能一眼看出差别，对阅读体验还是很不友好的

不如用异体字和繁体字替代法，因为大部分人不能“看懂”异体字和繁体字，只能“猜测”其含义

[ihciah]

一个简单的思路，不一定对：训练一个分类器识别汉字，然后丢进去一个随机干扰后的“余”，那么 TopN 里除掉“余”本身就是和它相似的字了？

[JCZ2MkKb5S8ZX9pq]

@chinvo 繁体因为映射表比较完整，很容易被破解吧。日韩越等异体汉字倒是可以，那块有空也想搞搞。

[Michaelssss]

首先。。你先得定义什么是“近似”，然后提出量化标准。。

[loading]

不用，这种字，高中语文老师手里都有……

[JCZ2MkKb5S8ZX9pq]

@vincentzlt 我觉得你这个不错。
我之前一直觉得，可以用 unicode 这个拼字的特性，做一套自动字体生成的东西。根据横竖笔划密度，自动调整磅数、中宫、转折和尾端处理等等。

[Arnie97]

单就使用目的而言，这个方法远不如插零宽字符。这不就是故意在文章里制造错别字？而且文章里还不见得有相关的字出现。

[JCZ2MkKb5S8ZX9pq]

@bghtyu 这个不错，看上去接近我的预期。