opencc-wasm 0.8.2 → 0.10.0

package/README.md

@@ -8,7 +8,7 @@
 
 > 🚀 **Out-of-the-box Chinese text conversion library** - 3 lines of code, auto-loads configs and dictionaries from CDN!
 
-WebAssembly port of OpenCC (Open Chinese Convert) with full API compatibility. Bundles the official OpenCC C++ core compiled via Emscripten, plus all official configs and prebuilt `.ocd2` dictionaries.
+WebAssembly port of OpenCC (Open Chinese Convert) with full API compatibility. Bundles the official OpenCC C++ core compiled via Emscripten, official configs, bundled CN Government Standard configs, Jieba-backed configs, and prebuilt `.ocd2` dictionaries.
 
 **License:** Apache-2.0
 
@@ -17,7 +17,7 @@ WebAssembly port of OpenCC (Open Chinese Convert) with full API compatibility. B
 - 🎯 **Zero Configuration** - Auto-loads all configs and dictionaries from CDN
 - 🔥 **3 Lines to Start** - Simplest API, just import and use
 - 🌐 **CDN Ready** - Use directly from jsDelivr/unpkg without bundler
-- 📦 **All-in-One** - Includes all 14+ official conversion types
+- 📦 **All-in-One** - Includes official conversion types, Jieba variants, and bundled CN Government Standard conversions
 - ⚡ **Auto Caching** - Resources cached after first load
 - 🔧 **Full Compatibility** - Compatible with `opencc-js` API
 - 🚫 **No Native Bindings** - Pure WASM, cross-platform
@@ -30,7 +30,7 @@ WebAssembly port of OpenCC (Open Chinese Convert) with full API compatibility. B
 ```html
 <script type="module">
   // 1. Import from CDN
-  import OpenCC from "https://cdn.jsdelivr.net/npm/opencc-wasm@0.4.1/dist/esm/index.js";
+  import OpenCC from "https://cdn.jsdelivr.net/npm/opencc-wasm@0.10.0/dist/esm/index.js";
 
   // 2. Create converter (auto-downloads everything!)
   const converter = OpenCC.Converter({ config: "s2twp" });
@@ -98,24 +98,45 @@ console.log(await keepSimp("測試简体混繁體")); // 測試简体混繁體
 | Config | Description | Example |
 |--------|-------------|---------|
 | `s2twp` | Simplified → Taiwan Traditional (with regional phrases) | 软件 → 軟體 |
+| `s2twp_jieba` | Simplified → Taiwan Traditional (with phrases, Jieba segmentation) | 服务器软件 → 伺服器軟體 |
 | `s2tw` | Simplified → Taiwan Traditional | 心里 → 心裡 |
+| `s2tw_jieba` | Simplified → Taiwan Traditional (Jieba segmentation) | 心里 → 心裡 |
 | `s2hk` | Simplified → Hong Kong Traditional | 心里  → 心裏 |
+| `s2hk_jieba` | Simplified → Hong Kong Traditional (Jieba segmentation) | 心里 → 心裏 |
 | `s2t` | Simplified → OpenCC Standard Traditional | 简体 → 簡體 |
+| `s2t_jieba` | Simplified → OpenCC Standard Traditional (Jieba segmentation) | 简体 → 簡體 |
+| `s2t_cngov` | Simplified → CN Gov Standard Traditional | 简体 → 簡體 |
 | `tw2sp` | Taiwan → Simplified (with regional phrases) | 滑鼠 → 鼠标 |
+| `tw2sp_jieba` | Taiwan → Simplified (with phrases, Jieba segmentation) | 伺服器軟體 → 服务器软件 |
 | `tw2s` | Taiwan → Simplified | 軟體 → 软件 |
 | `tw2t` | Taiwan → Traditional | 吃飯 → 喫飯 |
 | `hk2s` | Hong Kong → Simplified | 打印機 → 打印机 |
 | `hk2t` | Hong Kong → Traditional | 為 → 爲 |
 | `t2s` | OpenCC Standard Traditional → Simplified | 繁體 → 繁体 |
+| `t2s_cngov` | OpenCC Standard Traditional → CN Gov Simplified | 潮溼 → 潮湿 |
 | `t2tw` | OpenCC Standard Traditional → Taiwan | 牀 → 床 |
 | `t2hk` | OpenCC Standard Traditional → Hong Kong | 爲 → 為 |
-| `jp2t` | Japanese Shinjitai → Traditional | 桜花 → 櫻花 |
-| `t2jp` | Traditional → Japanese Shinjitai | 櫻花 → 桜花 |
 | `t2cngov` | Traditional → CN Gov Standard | 潮溼 → 潮湿 |
 | `t2cngov_keep_simp` | Traditional → CN Gov (Keep Simp) | 简体繁體 → 简体繁體 |
 | `t2cngov_jieba` | Traditional → CN Gov Standard (Jieba segmentation) | 測試简体混繁體 → 測試簡體混繁體 |
 | `t2cngov_keep_simp_jieba` | Traditional → CN Gov (Keep Simp, Jieba segmentation) | 測試简体混繁體 → 測試简体混繁體 |
 
+Hong Kong phrase configs are bundled but still under active development, matching their upstream status:
+
+| Config | Description | Example |
+|--------|-------------|---------|
+| `s2hkp` | Simplified → Hong Kong Traditional (with Hong Kong phrases) | 软件 → 軟件 |
+| `s2hkp_jieba` | Simplified → Hong Kong Traditional (with Hong Kong phrases, Jieba segmentation) | 服务器软件 → 伺服器軟件 |
+| `hk2sp` | Hong Kong Traditional → Simplified (with Mainland China phrases) | 軟件 → 软件 |
+| `hk2sp_jieba` | Hong Kong Traditional → Simplified (with Mainland China phrases, Jieba segmentation) | 伺服器軟件 → 服务器软件 |
+
+Japanese Kanji configs are bundled for exploratory use and are not recommended for production:
+
+| Config | Description | Example |
+|--------|-------------|---------|
+| `t2jp` | Old Japanese Kanji (Kyujitai) → New Japanese Kanji (Shinjitai) | 櫻花 → 桜花 |
+| `jp2t` | New Japanese Kanji (Shinjitai) → Old Japanese Kanji (Kyujitai), with a few Japanese phrases converted to Chinese equivalents | 桜花 → 櫻花 |
+
 #### Method 2: Using `from`/`to` parameters (compatible with `opencc-js`)
 
 Specify source and target locales:
@@ -133,6 +154,7 @@ const result = await converter("服务器");  // 伺服器
 | `tw` | Traditional Chinese (Taiwan) |
 | `twp` | Taiwan with phrases |
 | `hk` | Traditional Chinese (Hong Kong) |
+| `hkp` | Hong Kong with phrases |
 | `t` | Traditional Chinese (general) |
 | `s` | Simplified Chinese (alias) |
 | `sp` | Simplified with phrases |
@@ -140,6 +162,12 @@ const result = await converter("服务器");  // 伺服器
 
 **Both methods work identically!** Choose what you prefer.
 
+## 📦 Bundled Data Versions
+
+- OpenCC upstream: `71964afa6c7f`
+- CN Government Standard dictionaries: `Transformer(1.3.7)` (`da403c620a17`)
+- Release assets are regenerated into `dist/data/` with the current bundled configs and `.ocd2` dictionaries.
+
 ### OpenCC.ConverterFactory() - With Custom Dictionary
 
 ```javascript
@@ -402,6 +430,23 @@ A: Initial load downloads configs + dicts (~1-2MB). Subsequent conversions are f
 
 ## 📜 Changelog
 
+### 0.10.0 - 2026-06-29
+
+- Aligned bundled assets with **OpenCC 1.3.2** (configs now include a `normalization` step and the `STPhrases_GeneratedFromRegionalPhrases` dictionary)
+- Updated CN Government Standard dictionaries to `80a8b40` (additional non-standard variant characters from 《古代汉语词典》第3版)
+- Fixed normalization dict loading: ocd2 files in the `normalization` array are now mounted into the WASM VFS before `opencc_create` is called (previously `s2twp`, `s2hkp`, and similar configs threw a file-not-found error)
+- Fixed build: added `SingleStageConverter.cpp` and `PipelineConverter.cpp` to the Emscripten source list after the upstream `Converter` split
+- `converter.inspect()` now returns `pipelineStages` and always populates top-level `segments` from the last pipeline stage
+- TypeScript: `InspectionResult` gains optional `pipelineStages?: InspectionResult[]`
+
+### 0.9.0 - 2026-06-15
+
+- Aligned bundled assets with OpenCC upstream `71964afa6c7f`
+- Updated CN Government Standard dictionaries to `Transformer(1.3.7)` (`da403c620a17`)
+- Bundled upstream Hong Kong phrase configs: `s2hkp`, `hk2sp`, plus Jieba-backed variants; these configs remain under active development
+- Added bundled `s2t_cngov` and `t2s_cngov` configs and refreshed wasm dictionary assets
+- Updated wasm build inputs for the upstream resource/dictionary split and regenerated publishable `dist/` artifacts
+
 ### 0.8.1 - 2026-04-22
 
 - Fixed the publish pipeline so `npm run build` / `prepack` refresh bundled assets before generating `dist`

package/README.zh.md

@@ -8,7 +8,7 @@
 
 > 🚀 **開箱即用的中文簡繁轉換程式庫** - 3 行程式碼搞定，自動從 CDN 載入設定和字典！
 
-OpenCC（Open Chinese Convert）的 WebAssembly 移植版本，完全相容原版 API。內建官方 OpenCC C++ 核心（透過 Emscripten 編譯），以及所有官方設定檔和預先建置的 `.ocd2` 字典檔。
+OpenCC（Open Chinese Convert）的 WebAssembly 移植版本，完全相容原版 API。內建官方 OpenCC C++ 核心（透過 Emscripten 編譯）、官方設定檔、隨附的大陸政府標準設定、Jieba 設定，以及預先建置的 `.ocd2` 字典檔。
 
 **授權條款：** Apache-2.0
 
@@ -17,7 +17,7 @@ OpenCC（Open Chinese Convert）的 WebAssembly 移植版本，完全相容原
 - 🎯 **零設定** - 自動從 CDN 載入所有設定檔和字典檔
 - 🔥 **3 行開始** - 最簡單的 API，匯入即用
 - 🌐 **CDN 就緒** - 可直接從 jsDelivr/unpkg 使用，無需打包工具
-- 📦 **一應俱全** - 包含所有 14+ 種官方轉換類型
+- 📦 **一應俱全** - 包含官方轉換類型、Jieba 變體與隨附的大陸政府標準轉換
 - ⚡ **自動快取** - 資源首次載入後自動快取
 - 🔧 **完全相容** - 相容 `opencc-js` API
 - 🚫 **無需原生綁定** - 純 WASM，跨平台
@@ -30,7 +30,7 @@ OpenCC（Open Chinese Convert）的 WebAssembly 移植版本，完全相容原
 ```html
 <script type="module">
   // 1. 從 CDN 匯入
-  import OpenCC from "https://cdn.jsdelivr.net/npm/opencc-wasm@0.4.1/dist/esm/index.js";
+  import OpenCC from "https://cdn.jsdelivr.net/npm/opencc-wasm@0.10.0/dist/esm/index.js";
 
   // 2. 建立轉換器（自動下載所有資源！）
   const converter = OpenCC.Converter({ config: "s2twp" });
@@ -97,25 +97,46 @@ console.log(await keepSimp("測試简体混繁體")); // 測試简体混繁體
 
 | 設定檔 | 說明 | 範例 |
 |--------|------|------|
-| `s2twp` | 簡體 → 台灣正體（含地域用詞轉換） | 軟體 → 軟體 |
+| `s2twp` | 簡體 → 台灣正體（含地域用詞轉換） | 软件 → 軟體 |
+| `s2twp_jieba` | 簡體 → 台灣正體（含地域用詞，Jieba 分詞） | 服务器软件 → 伺服器軟體 |
 | `s2tw` | 簡體 → 台灣正體 | 心里 → 心裡 |
+| `s2tw_jieba` | 簡體 → 台灣正體（Jieba 分詞） | 心里 → 心裡 |
 | `s2hk` | 簡體 → 香港繁體 | 心里  → 心裏 |
+| `s2hk_jieba` | 簡體 → 香港繁體（Jieba 分詞） | 心里 → 心裏 |
 | `s2t` | 簡體 → OpenCC 標準繁體 | 简体 → 簡體 |
+| `s2t_jieba` | 簡體 → OpenCC 標準繁體（Jieba 分詞） | 简体 → 簡體 |
+| `s2t_cngov` | 簡體 → 大陸政府標準繁體 | 简体 → 簡體 |
 | `tw2sp` | 台灣正體 → 簡體（含地域用詞轉換） | 滑鼠 → 鼠标 |
+| `tw2sp_jieba` | 台灣正體 → 簡體（含地域用詞，Jieba 分詞） | 伺服器軟體 → 服务器软件 |
 | `tw2s` | 台灣正體 → 簡體 | 軟體 → 软件 |
 | `tw2t` | 台灣正體 → OpenCC 標準繁體 | 吃飯 → 喫飯 |
 | `hk2s` | 香港繁體 → 簡體 | 打印機 → 打印机 |
 | `hk2t` | 香港繁體 → OpenCC 標準繁體 | 為 → 爲 |
 | `t2s` | OpenCC 標準繁體 → 簡體 | 繁體 → 繁体 |
+| `t2s_cngov` | OpenCC 標準繁體 → 大陸政府標準簡體 | 潮溼 → 潮湿 |
 | `t2tw` | OpenCC 標準繁體 → 台灣正體 | 牀 → 床 |
 | `t2hk` | OpenCC 標準繁體 → 香港繁體 | 爲 → 為 |
-| `jp2t` | 日文新字體 → 日文舊字體 | 桜花 → 櫻花 |
-| `t2jp` | 日文舊字體 → 日文新字體 | 櫻花 → 桜花 |
 | `t2cngov` | 繁體 → 大陸政府標準繁體 | 潮溼 → 潮湿 |
 | `t2cngov_keep_simp` | 繁體 → 大陸政府標準繁體（保留簡體） | 简体繁體 → 简体繁體 |
 | `t2cngov_jieba` | 繁體 → 大陸政府標準繁體（Jieba 分詞） | 測試简体混繁體 → 測試簡體混繁體 |
 | `t2cngov_keep_simp_jieba` | 繁體 → 大陸政府標準繁體（保留簡體，Jieba 分詞） | 測試简体混繁體 → 測試简体混繁體 |
 
+香港常用詞設定檔已隨包提供，但比照上游仍在開發中，歡迎補充詞組：
+
+| 設定檔 | 說明 | 範例 |
+|--------|------|------|
+| `s2hkp` | 簡體 → 香港繁體（含香港常用詞彙） | 软件 → 軟件 |
+| `s2hkp_jieba` | 簡體 → 香港繁體（含香港常用詞彙，Jieba 分詞） | 服务器软件 → 伺服器軟件 |
+| `hk2sp` | 香港繁體 → 簡體（含中國大陸常用詞彙） | 軟件 → 软件 |
+| `hk2sp_jieba` | 香港繁體 → 簡體（含中國大陸常用詞彙，Jieba 分詞） | 伺服器軟件 → 服务器软件 |
+
+日文漢字設定檔已隨包提供，但比照上游僅供探索性研究，不建議用於生產環境：
+
+| 設定檔 | 說明 | 範例 |
+|--------|------|------|
+| `t2jp` | 日文舊字體 → 日文新字體 | 櫻花 → 桜花 |
+| `jp2t` | 日文新字體 → 日文舊字體，並將少量日文詞組轉換為對應中文 | 桜花 → 櫻花 |
+
 #### 方式 2：使用 `from`/`to` 參數（与 `opencc-js` 相容）
 
 指定來源和目標語系：
@@ -133,6 +154,7 @@ const result = await converter("服务器");  // 伺服器
 | `tw` | 繁體中文（台灣） |
 | `twp` | 台灣正體（含慣用詞） |
 | `hk` | 繁體中文（香港） |
+| `hkp` | 香港繁體（含慣用詞） |
 | `t` | 繁體中文（通用） |
 | `s` | 簡體中文（別名） |
 | `sp` | 簡體（含慣用詞） |
@@ -140,6 +162,12 @@ const result = await converter("服务器");  // 伺服器
 
 **兩種方式功能完全相同！** 選擇您喜歡的即可。
 
+## 📦 內建資料版本
+
+- OpenCC 上游：`71964afa6c7f`
+- 大陸政府標準詞典：`Transformer(1.3.7)`（`da403c620a17`）
+- 發行資源已用目前隨附的設定檔與 `.ocd2` 詞典重新產生到 `dist/data/`。
+
 ### OpenCC.ConverterFactory() - 含自訂字典的轉換器
 
 ```javascript
@@ -402,6 +430,23 @@ A：首次載入需要下載設定檔和字典檔（約 1-2MB）。後續轉換
 
 ## 📜 變更歷史
 
+### 0.10.0 - 2026-06-29
+
+- 將隨附資源對齊 **OpenCC 1.3.2**（設定檔新增 `normalization` 預處理步驟，並隨附 `STPhrases_GeneratedFromRegionalPhrases` 詞典）
+- 大陸政府標準詞典更新到 `80a8b40`（新增來自《古代漢語詞典》第3版的表外異體字）
+- 修正 normalization 詞典載入問題：`normalization` 陣列中引用的 ocd2 檔案現在會在呼叫 `opencc_create` 前掛載到 WASM VFS（舊版對 `s2twp`、`s2hkp` 等設定會丟出找不到檔案的錯誤）
+- 修正 build：在 Emscripten 來源清單中補上 `SingleStageConverter.cpp` 和 `PipelineConverter.cpp`（上游將 `Converter` 拆分後必要）
+- `converter.inspect()` 現在會回傳 `pipelineStages`，並始終從最末 pipeline stage 的 segments 填充頂層 `segments` 欄位
+- TypeScript：`InspectionResult` 新增選用欄位 `pipelineStages?: InspectionResult[]`
+
+### 0.9.0 - 2026-06-15
+
+- 將隨附資源對齊 OpenCC 上游 `71964afa6c7f`
+- 大陸政府標準詞典更新到 `Transformer(1.3.7)`（`da403c620a17`）
+- 隨包提供上游香港常用詞轉換設定：`s2hkp`、`hk2sp`，以及對應 Jieba 變體；這些設定仍在開發中
+- 新增隨附的 `s2t_cngov`、`t2s_cngov` 設定並刷新 wasm 詞典資源
+- 配合上游 resource/dictionary 拆分更新 wasm build input，並重新產生可發布的 `dist/` 產物
+
 ### 0.8.1 - 2026-04-22
 
 - 修正發布流程，讓 `npm run build` / `prepack` 會先刷新資源，再產生 `dist`

package/dist/cjs/index.cjs

@@ -9,9 +9,9 @@ const readFileText = (url) => fs.readFileSync(fileURLToPath(url), "utf-8");
 const readFileBuffer = (url) => fs.readFileSync(fileURLToPath(url));
 
 const CONFIG_MAP = {
-  cn: { t: "s2t.json", tw: "s2tw.json", hk: "s2hk.json", cn: null },
-  tw: { cn: "tw2s.json", t: "tw2t.json", tw: null },
-  hk: { cn: "hk2s.json", t: "hk2t.json", hk: null },
+  cn: { t: "s2t.json", tw: "s2tw.json", twp: "s2twp.json", hk: "s2hk.json", hkp: "s2hkp.json", cn: null },
+  tw: { cn: "tw2s.json", s: "tw2s.json", sp: "tw2sp.json", t: "tw2t.json", tw: null },
+  hk: { cn: "hk2s.json", s: "hk2s.json", sp: "hk2sp.json", t: "hk2t.json", hk: null },
   t: { cn: "t2s.json", tw: "t2tw.json", hk: "t2hk.json", jp: "t2jp.json", t: null },
   jp: { t: "jp2t.json" },
 };
@@ -97,6 +97,9 @@ async function ensureConfig(configName) {
 
   const dicts = new Set();
   const resources = new Set();
+  if (Array.isArray(cfgJson.normalization)) {
+    cfgJson.normalization.forEach((item) => collectOcd2Files(item?.dict, dicts));
+  }
   collectOcd2Files(cfgJson.segmentation?.dict, dicts);
   collectSegmentationResources(cfgJson.segmentation, resources);
   if (Array.isArray(cfgJson.conversion_chain)) {
@@ -125,6 +128,9 @@ async function ensureConfig(configName) {
     if (node.type === "ocd2" && node.file) node.file = "/data/dict/" + node.file;
     if (node.type === "group" && Array.isArray(node.dicts)) node.dicts.forEach(patchPaths);
   };
+  if (Array.isArray(cfgJson.normalization)) {
+    cfgJson.normalization.forEach((item) => patchPaths(item?.dict));
+  }
   patchPaths(cfgJson.segmentation?.dict);
   if (Array.isArray(cfgJson.conversion_chain)) {
     cfgJson.conversion_chain.forEach((item) => patchPaths(item?.dict));