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？

[vJianZhen]

建一个映射表，把所有近似字都录入进去

[ymcj001]

@vJianZhen 足够暴力

[x86]

参考下手写输入法

[lastpass]

常用字就 3 千，
字型相似的汉字有限且不多。
直接映射。
简单粗暴还好用。

[jingxyy]

没毛病，1 楼靠谱

[danielmiao]

可以先对图片侵蚀和膨胀，最后对图片异或处理，简单的话就简单的判断 1 的比重用阈值处理，复杂就扔到神经网络，做一批训练样本，学习下

[vJianZhen]

@ymcj001 汉字本来就少啊。楼主也没说具体需求。这种办法好得很

[JCZ2MkKb5S8ZX9pq]

@vJianZhen 我就想问怎么建映射表
你说的方法手动一个个比？

[JCZ2MkKb5S8ZX9pq]

@lastpass 我就是想问映射表哪儿来？

[pkokp8]

五笔？

[ifxo]

没办法的，用嘴当然好做了

[lastpass]

另外:别去分析图片。
直接通过区位码读点阵字库的点阵内容就好。

[JCZ2MkKb5S8ZX9pq]

@lastpass 区位码我去看看哦
而且因为是找近似字，范围应该不限于常用字，而是常用的 unicode 大字库了，比如微软雅黑 /思源 /萍方的交集，差不多这个范围里找。

[lastpass]

回复 @JCZ2MkKb5S8ZX9pq 搜索了一下。有对应的书籍。是否全面就不知道了。人工穷举也是个办法啊。比你花费时间去写程序跑出来结果更快更简单呀。

[JCZ2MkKb5S8ZX9pq]

@lastpass 查了下
[GB 2312 - 维基百科，自由的百科全书]( https://zh.wikipedia.org/wiki/GB_2312)
16~55 区（ 3755 个）：常用汉字（也称一级汉字），按拼音排序；
56~87 区（ 3008 个）：非常用汉字（也称二级汉字），按部首 /笔画排序；
按拼音排序，好像并不适合用来做识别。

[lastpass]

JCZ2MkKb5S8ZX9pq 非常好找。直接鄙视链最底端的百度文库都有。
https://m.baidu.com/sf_edu_wenku/view/35840bfebe23482fb5da4c04.html?re=view

[ebingtel]

别用图片比较吧……每个汉字都有自己的笔画(网上很多开源的)，感觉可以根据笔画向量来查找

[JCZ2MkKb5S8ZX9pq]

@lastpass 人工穷举不太可能啊，字太多了，排序又不规则，两两比较就算只有 3000 个，这也太夸张了。况且很多近似字都是冷门生僻字，字库范围就不能按 3000 来算。

[JCZ2MkKb5S8ZX9pq]

@lastpass 感谢提供的百度链接，但这个不大符合我的预期。
一方面近似度差了点，一方面不够量化，多近多远没个准。

[JCZ2MkKb5S8ZX9pq]

@pkokp8 @ebingtel 我自己手机就用的笔划输入法，真的不行。
笔划是天上一脚地上一脚，差个位置差很远。
比如
[林] 横竖撇捺横竖撇捺
[扶] 横竖撇捺横横撇捺