将CJK音译为拉丁语 - 最好是C ++语言

Question

我正在尝试编写一个可以将CJK音译为拉丁语的程序（即拼音，罗马字等）。例如，您将中文，日文或韩文文档作为输入，然后将音译版本转换为拉丁文作为输出。

我是这个领域的新手，所以请在这里忍受。

显然，首先我需要检测语言的类型（中文，日文或韩文），然后再进一步了解。然后，据我所知，到目前为止，为了进行音译，我需要将文本分成单词，因为在这些语言中，单词之间没有空格。这称为word segmentation。最后找出我需要将它们音译成拉丁语的单词。

所以这是我的问题：

1. 有许多（实际上并不是真的！更好的说有些）库进行音译工作，因为我正在寻找C / C ++中的开源库，我找到了Adson（仅适用于中文）和ICU4C。来自Adson didn't compile的克隆Git回购。我无法为ICU4C找到简单直接的教程。我怎样才能找到一些关于ICU4C使用的教程？你知道其他图书馆将CJK音译为拉丁语吗？如果准确率更高（~90％），我可以忘记它是用C ++编写的。

Answer 1

ICU：http://userguide.icu-project.org/transforms/general中有例子，ICU 50现在有CJK分词。 uconv示例可以与uconv -f utf-8 -t utf-8 -x 'Any-Latin'之类的内容一起使用，以进行任意拉丁变换。但是，这并没有考虑到语言。