前言
本文旨在探討漢語族（Sinitic languages）的主要特性，並分析其對漢語自然語言處理（NLP）的影響。
說明
在討論漢語族時，往往難以完全迴避政治因素。本文將以中立的角度，專注於語言學層面的分析。
目前漢語族的特徵是「文字相通，口語分離」。不同語言使用者若未曾學習彼此的語言，通常無法直接溝通。
漢語族語言之間常以借字來記錄語言。例如，「米芳」是一種地方小吃，雖以華語文字呈現，但實際發音並非 mǐ‑fāng，而是 bí‑phang。
考量政治現實，本文建議避免以方言（dialect）來稱呼各漢語族語言，而更適合使用「中國地方語言」（Chinese regional languages）作為描述。
演算法
考量漢語族語言的特性，最合適的策略是共用分析器核心代碼，但將詞典獨立分離。
在實作層面，可以透過條件編譯、命令列參數等方式來區隔不同的程式碼，只要專案架構設計合理，即能保持靈活性。
由於歷史因素，目前仍需區分簡體中文與正體中文。建議核心程式碼僅採用其中一種文字，另一種則透過前處理轉換支援。
以站長的漢語 NLP 專案 zhparse 為例，其核心採用正體中文，尚未支援簡體中文。未來將透過前處理方式提供簡體中文支援，而不會將其納入核心程式碼。
羅曼語系
羅曼語系的發展情形與漢語族有一定相似之處。古代以拉丁文為共同基礎，隨著時間推移逐漸演化為法語、西班牙語、義大利語等多種語言。
然而，羅曼語系的文字系統已經分化，因此自然被視為獨立語言，而非同一語言的方言分支。
文字編碼
目前多語系的標準解決方案是 UTF‑8，這已成為全球資訊界的共識。
然而，部分漢語族的罕見字並未被納入編碼體系，在數位環境中等同於消亡。
值得注意的是，這些罕用字在日常生活中幾乎不會出現，因此實際影響並未如想像般巨大。
結論
漢語族在 NLP 中的挑戰主要來自：
- 文字相通、口語分離
- 借字現象造成文字與語音落差
- 政治與文化因素影響語言分類
- 編碼限制導致部分罕字消亡
未來方向可聚焦於：
- 共用核心程式碼，詞典獨立管理
- 以前處理方式處理簡繁差異
- 借鏡羅曼語系的演化經驗