泄/洩 處理

[danny0838]

《通規》將「洩」併入「泄」。

目前 OpenCC 標準似乎只認「泄」為正體，而 TWVariants 一律將「泄」轉為「洩」。

二字比較重要的差別是：

1. 古水名、姓氏如「泄水」、「泄柳」，不可替換為「洩」。
2. 傳統中醫的病名「泄」、「泄瀉」及生物「排泄」，不可替換為「洩」。（但另有「排洩」一詞指把人為把多餘的水排出）
3. 「泄泄」、「洩洩」二詞都存在且近似，但似乎非完全同義或互通。「泄沓」、「泄泄沓沓」目前沒看到有文本用「洩」。
4. 在台灣，「泄」通常用於自然發散、露出；「洩」通常用於人為行為或結果，如「洩憤」、「洩洪」、「洩密」。有些詞用不同字意義不同：如陽氣「發泄」、「發洩」情緒；瓦斯「外泄」、機密「外洩」。

因此 TWVariantsPhrases 應加上相關詞以確保轉換正確，TWVariants 應改為雙輸出，且可能要考慮改為以「泄」優先。

OpenCC 標準可能要考慮按「能分則不合」原則將二字皆收為正字。

[skyuns]

建議要比較常用語，如:洩漏 洩密 洩洪 洩氣...，看用 「泄」或「洩」哪一個字比較多。
如果「洩」較常用，卻改以「泄」優先。那麼 TWVariantsPhrases 要列出的「洩」相關詞彙會比較多。

多者入字典(TWVariants): 以多的那方設為優先，處理多數狀況。
少者入詞典(TWVariantsPhrases): 以少的那方設為例外，保護少數的用語，如: 泄柳、泄泄沓沓...。

STPhrases、TWVariantsPhrases如果要增加一些容易有歧義也要考慮。
像上面提到的古水名「泄水」，會跟現代建築常用的"洩水坡度"衝突，這時候應該也要評估哪一個會比較常見..

[frankslin]

从 https://asbc.iis.sinica.edu.tw/ 查询结果看，「洩」有 28 笔资料，「泄」有 7 笔。

但是从 engineering 的角度，如果默认选「泄」，似乎维护成本会更低一些，因为使用「洩」的词组边界明显更清晰一些。

[skyuns]

這個語料庫網站搜尋"洩"，28個結果，其中並沒有列出"洩漏"、"洩露"。再搜尋"洩漏"，卻分別又有54、43個結果。然後找不到"泄泄沓沓"。
這說明了該語料庫的搜尋方法與涵蓋範圍有其限制。找單字，不是全語料庫的全部詞頻統計，而且特殊詞彙也沒有。

再從"洩"的28個結果之一，"以 洩 方才發球局落敗之恨。"來看:
"以洩"，這兩個字在"國語辭典"或是"漢語大詞典"是找不到這個詞頭。
然而，現代繁體用語卻也常見如: 以洩心頭之恨、以洩我之...等。古文獻中也有: 無以洩其中、以洩不勢...等。

因此，如果以少用的「泄」為優先，則 TWVariantsPhrases 或 STPhrases 除了標準的"洩"字詞頭"洩漏"、"洩露"之外，
還要列舉用到"洩"的雙字(以洩)或三字(以洩方、以洩心、以洩我..)會很多，才不會轉成較少見的"以泄心頭之恨"。
類似的例子，會這樣使用，不一定是詞的還有: 洩出、所洩、一洩、事洩、而洩、不洩、洩成...等等。

而如果 TWVariantsPhrases 或 STPhrases 增加了 "洩出" 之後，像"洩出氣體"、"氣流分由舌邊洩出而成" 這種轉換是正確了；
但是，又會有 "排泄出" 轉換的問題，處理就變得更複雜了。

所以，我是覺得 泄/洩 是有需要分開處理，
但要思考，是不是只在最近新的TWVariantsPhrases增加"泄"相關詞語，會比較簡單?

[danny0838]

目前看來「泄」的意義較廣泛一點，有些詞只能用「泄」卻不能用「洩」；反之，幾乎所有「洩」都可以通用「泄」，但對一般台港使用者而言可能語感欠佳。預設「泄」的好處是可防止過度轉換，但相對的是有可能轉換不足。

作為參考，維基百科目前看起來是不轉換單字的「泄」，只轉換很少的「泄」相關詞。如「泄欲→洩慾」。

我個人認為先盡量保持穩定比較好，可先改為雙輸出，暫且維持「洩」優先，先增加不宜轉為「洩」的詞組。未來有更詳細的研究和討論時再考慮是否改為「泄」優先。

另一個想討論的點是 OpenCC 正體打算怎麼認定？如果 OpenCC 同意基於「能分則不合」原則將「泄」「洩」皆收為正體，並且採用和台灣習慣類似的區分原則，就可以把相關規則移到 STPhrases，減少 s2tw, s2hk 多重轉換表的複雜性。

[frankslin]

「OpenCC 标准繁体」并非预先制定、独立发布的标准，而是由 OpenCC 的转换规则逐步演化而形成的中间表示层，是一个工程化的概念，而不是语言学的概念。其具体内容随词表和转换规则演进而调整，遵循 OpenCC 設計思想：原则上，应选用「歧义最小」的转换中间体，兼顾避免「过度转换」。它本身不是一种实际存在的地区用字习惯。

设计上参考了《康熙字典》等辞书。对于清代没有的概念和用语（例如「核反应」#1246、「巴厘岛」#1202 等），我们也需要对既往标准进行必要的延拓、修订。

我想说 OpenCC 用户真正希望看到的，是符合现代繁体书写习惯的转换结果，而不一定是语源学意义上最古老、最正统的字形。
最近的几个例子如「周济」的「周」、「抬」的处理，都表明没有必要因「賙」「擡」更符合历史用法就一定要取这些字为 OpenCC 标准繁体的输出。

再者，我对「避免过度转换」的理解如下：仅根据有限的词句片段区分某个字的不同用法，理论上也并不充分。现有的「字符串匹配」算法只能在词表覆盖范围内尽量区分，而无法真正理解上下文语义。因此，OpenCC 的转换结果只能算是一种「近似」。对于某些字词，即使从语言学角度存在更精确的区分方式，若无法通过字符串匹配规则稳定、可靠地识别，其实际效果反而可能不如保持较为保守的处理。在此前提下，「避免过度转换」并不意味着放弃区分，而是承认现有算法能力的边界，对于无法以较高置信度判断是否应当转换的情况，应倾向于保持输入原状。

按 OpenCC 设计原则继续推导，可以得到一个更细一步的判断框架：

• 是否有助于减少简繁及 s/hk/tw 之间转换的歧义；
• 是否符合现代各地繁体中文实际使用者的习惯；
• 是否会导致过度转换或引入不必要的生僻字、设备显示存在兼容性问题的字形。

当然，这些并不是机械的流程图或者打分表；具体结论仍需结合个案分析。