中文文本正则化(Text Normalization)是把非汉字字符串转换为汉字字符串以确定其读音的过程。文本正则化在语音合成、语音识别、机器翻译、主题检测、文本挖掘等领域有着重要应用。加权有限状态转换器(Weighted Finite StateTransducer，WFST)是一种很好的规则与统计相结合的技术，本文以WFST为框架，设计并实现了一个中文文本正则化系统。　　 本文的工作主要包含三方面：一，分析了中文文本正则化问题，给出了一种新的基于构成形式的分类体系；二，设计并实现了一个基于加权有限状态转换器的中文文本正则化系统；三，构建了一个中文文本正则化的评价库。　　 本文所设计的文本正则化系统主要由三个模块构成：规则集合，词典和语言模型。本文利用合成(Composition)算法对各层模型进行合并，并使用WFST的确定化(Determination)、最小化(Minimization)算法对搜索网络进行优化。在解码方面，本文采用最短路径搜索算法实现了最优结果解码。　　 系统采用人民日报语料进行训练，在人民日报语料上评测显示，引入二元和三元语言模型后，正则化的句正确率比随机选择规则进行解码的句正确率最大可提高54.86％。将各模型合并形成静态搜索网络并优化后，在线解码时间比应用各网络分步解码时间减少了69.59％。