2 # Ruby/CHISE module by eto 2002-1114
8 $KCODE = 'u' #今のところこれ以外では動かない。String.splitが影響大。inspectも影響。
10 #$stdout.binmode if $debug
11 $stdout.sync = true if $debug
13 class String #======================================================================
14 def to_a() self.split(//) end #$KCODEが設定されているので、UTF-8的な一文字づつがchにはいる
15 def each_char() to_a.each {|ch| yield ch } end
16 def each_character() to_a.each {|ch| yield ch.char } end
17 def char_length() to_a.length end
18 def char_at(n) to_a()[n] end
19 def char() Character.get(to_a[0]) end
21 def char_id() char.char_id() end
22 def get_char_attribute(a) char.get_char_attribute(a) end
23 #def ucs() char.ucs() end
30 def method_missing(mid, *args)
31 if char_length == 1 #省略形が有効なのは、一文字の時だけ
32 char.method_missing(mid, *args)
34 raise NameError, "undefined method `#{mid.id2name}'", caller(1)
38 def map_utf8() map_char {|ch| ch.char.map_utf8 } end
39 alias map_ucs map_utf8
40 def map_ucs_er() map_char {|ch| ch.char.map_ucs_er } end
41 def to_er() map_char {|ch| ch.char.to_er } end
43 #put関係、[]関係は用意しないことにした。
44 def de_er!() #EntityReferenceを取り除く
45 return self unless self =~ Regexp.new(EntityReference::REGEXP_PART) #それらしいのが無ければ何もしない
47 self.sub!(Regexp.new(Regexp.escape(er)), Character.new(er).mcs_utf8) #変換自体はCharacterにまかせる
48 return self.de_er! if self =~ Regexp.new(EntityReference::REGEXP_PART) #まだあったら再帰
51 def de_er() return self.dup.de_er!; end
53 def map_char(block = Proc.new)
54 return unless block_given?
55 return self.to_a.map {|ch| (block.call(ch)).to_s }.join("")
57 def map_char!(block = Proc.new)
58 return unless block_given?
59 self.replace(self.map_char {|ch| block.call(ch)})
61 def inspect_all() map_char {|ch| ch.char.inspect_all } end
62 def inspect_x() map_char {|ch| ch.char.inspect_x } end
64 def to_euc() map_char {|ch| ch.char.to_euc } end
65 def map_euc() map_char {|ch| ch.char.map_euc } end
66 def to_sjis() map_char {|ch| ch.char.to_sjis } end
67 def map_sjis() map_char {|ch| ch.char.map_sjis } end
69 def decompose() map_char {|ch| ch.char.decompose } end
70 def decompose!() self.replace(self.decompose); self; end
71 def decompose_all_nu(level=nil)
72 level = 0 if level.nil?
74 p ['too many recursive', self]
78 return de.decompose_all(level+1) if de != self #なにか変化があったから再帰
81 def decompose_all() map_char {|ch| ch.char.decompose_all } end
82 def decompose_all!() self.replace(self.decompose_all); self; end
84 def find() #"日雲"→"曇"とかいう感じの操作
86 length = char_length()
89 ar << char.ids_contained #その文字を含んでいる漢字のリスト
101 if length == v #全部に顔を出していたら
109 db = CodesysDB.instance
110 composed = db.get('ids', self)
111 return "" if composed.nil? #なかったよと。
112 return "" if composed.char_length == 0 #なにごと?
113 return composed if composed.char_length == 1
114 composed.each_char {|ch|
116 return ch if char.has_attribute? #とりあえず最初にみつかったものを返すというヌルい仕様
118 return "" #attributeを持つものが一つも無かったら、""にする
121 #selfである文字列をIDSだと仮定し、それを完全にcomposeしきらないで、
122 #その部分集合だけをとりだして、compose可能であればできるだけcomposeする。
123 tree = IDS_Tree.new(self)
124 return self if tree.depth <= 1 #sub_nodesが無い場合はここでさよなら
125 tree.sub_nodes.each {|node|
127 next if c.nil? || c == ""
128 # print "#{self} #{node} #{c}\n"
130 n = self.gsub(node, c)
133 return self #おきかえられるものがまったくなかったら、自分をかえす。
137 module CHISE #======================================================================
139 (RUBY_PLATFORM =~ /cygwin/ || RUBY_PLATFORM =~ /mswin32/ || RUBY_PLATFORM =~ /mingw32/)
141 module_function :windows?
143 DB_DIR = 'd:/work/chise/char-db' #この後に/sysmtem-char-id/ucsという感じに続く
145 DB_DIR = '/usr/local/lib/xemacs-21.4.10/i686-pc-linux/char-db' #この後に/sysmtem-char-id/ucsという感じに続く
148 class EntityReference #======================================================================
149 #状況によってどのERに変換するかが異なる可能性があるので、普通のclassとして実装したほうがいい?
151 %w( chinese-big5-cdp CDP- 4 X),
152 %w( ideograph-daikanwa M- 5 d),
153 %w( ideograph-cbeta CB 5 d),
154 %w( ideograph-gt GT- 5 d),
155 %w( ideograph-gt-k GT-K 5 d),
156 %w( japanese-jisx0208-1990 J90- 4 X),
157 %w( japanese-jisx0208 J83- 4 X),
158 %w( japanese-jisx0213-1 JX1- 4 X),
159 %w( japanese-jisx0213-2 JX2- 4 X),
160 %w( japanese-jisx0212 JSP- 4 X),
161 %w( japanese-jisx0208-1978 J78- 4 X),
162 %w( chinese-cns11643-1 C1- 4 X),
163 %w( chinese-cns11643-2 C2- 4 X),
164 %w( chinese-cns11643-3 C3- 4 X),
165 %w( chinese-cns11643-4 C4- 4 X),
166 %w( chinese-cns11643-5 C5- 4 X),
167 %w( chinese-cns11643-6 C6- 4 X),
168 %w( chinese-cns11643-7 C7- 4 X),
169 %w( korean-ksc5601 K0- 4 X),
171 CODESYS_ORDER = %w(japanese chinese korean ideograph)
172 REGEXP_PART = "&([-+0-9A-Za-z#]+);"
173 REGEXP_ALL = "^#{REGEXP_PART}$"
175 def self.match?(er) (er =~ Regexp.new(REGEXP_PART)) != nil end
177 def self.parse(er) #char_idをFIXNUMで返す
178 return "" unless er =~ Regexp.new(REGEXP_ALL) #なんか、間違ってる?
179 er = $1 #ついでに中身の部分を取り出す
180 return $1.hex if er =~ /^MCS-([0-9A-Fa-f]+)/ #MCS
181 # if er =~ /^U[-+]?([0-9A-Fa-f]+)/ #Unicode直打ち
182 if er =~ /^U[-+]?([0-9A-Fa-f]+)/ || er =~ /^#x([0-9A-Fa-f]+)/ #Unicode直打ち
186 er.sub!(/^I-/, '') if er =~ /^I-/ #I-がついてるとどう違うのかはよくわからない
187 each_codesys {|codesys, er_prefix, keta, numtype| #p [codesys, er_prefix, keta, numtype]
188 numtyperegex = '\d' #if numtype == 'd'
189 numtyperegex = '[0-9A-Fa-f]' if numtype == 'X'
190 regexpstr = "^#{er_prefix}(#{numtyperegex}{#{keta},#{keta}})$" #p regexpstr
191 if er =~ Regexp.new(regexpstr)
193 code = codestr.to_i #if numtype == 'd'
194 code = codestr.hex if numtype == 'X'
195 char_id_u8 = EntityReference.get_database(codesys, code)
196 char_id_num = Character.parse_char_id(char_id_u8)
203 def self.each_codesys()
204 CODESYS_ORDER.each {|lang|
205 CODESYS_TABLE.each {|codesys, er_prefix, keta, numtype| #普通こういう書き方はしない。ループ一個にする。
206 next unless codesys =~ lang
207 yield(codesys, er_prefix, keta, numtype)
211 def self.get_database(codesys, code)
212 c = CodesysDB.instance.get(codesys, code)
214 if codesys =~ /-jisx0208/
215 #return self.get_database("=jis-x0208", code) #再帰でどうだ?
216 c = CodesysDB.instance.get("=jis-x0208", code)
223 class CharacterFactory #============================================文字オブジェクトの生成、cache
232 n = Character.parse_char_id(char_id)
234 @chars[n] = Character.new(n) if @chars[n] == nil
240 GC.start #ガーベージコレクション
242 def length() @chars.length; end
244 reset if @max < @chars.length #MAXを超えたらresetしてしまう。乱暴じゃがcacheなのでこれでいいのだ。
248 class Character #=============================================================== 文字オブジェクト
249 BASIC_KANJI = "人子女母父王口耳手足力目首毛心犬牛鳥貝角羽虫馬魚羊肉皮米竹木麦豆山川雨風水土石金田穴日月火音糸刀舟門戸衣矢弓車皿一二三四五六七八九十百千万寸尺上中下本玉立回食行止交向歩考入示走生出来書言大小白青多少高長"
251 BASIC_KANJI.include?(self.to_s)
254 def initialize(char_id=nil)
255 @char_id = Character.parse_char_id(char_id)
256 @attributes = Hash.new
257 @check_all_database = false
260 def to_i() @char_id end
261 def mcs_utf8() Character.u4itou8(@char_id) end
262 def mcs_hex() sprintf("%x", @char_id) end
264 #----------------------------------------------------------------------
265 def self.get(char_id) CharacterFactory.instance.get(char_id) end #flyweightパターン
267 #----------------------------------------------------------------------
268 def normalize_attribute_name(b)
270 a.gsub!(/_/, '-') #underlineは-に置換
271 a.sub!(/^map-/, '=>')
273 a.sub!(/^from-/, '<-')
276 def get_char_attribute(b) # XEmacs UTF-2000互換API群
277 a = normalize_attribute_name(b)
280 return atr if atr != nil
281 atr = check_database(a)
282 @attributes[a] = atr if atr != nil
283 return get_char_attribute("=jis-x0208") if a =~ /jisx0208/ #ここだけ特殊形
284 return @attributes[a]
286 def put_char_attribute(b,v)
287 a = normalize_attribute_name(b)
289 CharDB.instance.put(a, mcs_utf8(), v)
291 def char_attribute_alist() check_all_database(); @attributes; end
292 def char_attribute_list() check_all_database(); @attributes.keys; end
293 alias [] get_char_attribute #その略称
294 alias []= put_char_attribute
295 alias alist char_attribute_alist
296 alias list char_attribute_list
298 def method_missing(mid, *args) #参考:ostruct.rb
300 return get_char_attribute(mname) if args.length == 0
301 put_char_attribute(mname.chop, args[0]) if mname =~ /=$/ #代入
304 def has_attribute?() #意味のあるattributeを持ってますか?
309 return (keys.length != 0)
312 #----------------------------------------------------------------------
314 return false if ch == nil
315 return false unless ch.is_a? Character
316 self.char_id == ch.char_id
319 #----------------------------------------------------------------------
320 def self.parse_char_id(char_id) #FIXNUMを返す
321 return nil if char_id == nil
322 if char_id.is_a?(Numeric) #p [char_id]
323 char_id = 0x80000000 + char_id if char_id < 0 #補数表現
325 elsif char_id.is_a?(String)
326 return char_id.to_i if char_id =~ /^\d+$/ && 1 < char_id.length #文字列による数字だったら数値化してreturn
327 return EntityReference.parse(char_id) if char_id =~ Regexp.new(EntityReference::REGEXP_ALL) #実体参照?
328 char_id.sub!(/^\?/, '') if char_id =~ /^\?/ #もし先頭に?がついていたら削除
329 #このへん本当はもっとちゃんとチェックするべし
331 u4 = Uconv.u8tou4(char_id) #UCS-4文字列に変換
337 return Character.u4tou4i(u4) #UCS-4数値にしてreturn
339 raise ArgumentError, "unknown object for char_id", caller(1)
343 return 0 if u4 == nil || u4 == ""
344 return (u4[3] << 24 | u4[2] << 16 | u4[1] << 8 | u4[0]) #UCS-4数値にしてreturn
346 def self.u4itou4(num)
347 return "" unless num.is_a?(Integer)
348 return sprintf("%c%c%c%c", num&0xff, (num >> 8)&0xff, (num >> 16)&0xff, (num >> 24)&0xff) #UCS-4数値を文字列にしてreturn
350 def self.u4itou8(char_id) #ucsの数値を受けとり、UTF-8の文字一文字を返す
352 u4 = Character.u4itou4(char_id)
353 u8 = Uconv.u4tou8(u4)
356 #raise ArgumentError, "invalid char_id (#{char_id})", caller(1)
362 #----------------------------------------------------------------------
363 def check_database(a)
366 v = db.get(a, u8) #u8で表される文字のaアトリビュートを調べる。
369 def check_all_database() #現在の@char_idから、文字データベースを参照する
370 return if @check_all_database
371 return if @char_id == nil
374 atrs = db.get_all(u8) #u8で表される文字のアトリビュートを全部持ってこい
376 @attributes[a] = v #とかいう感じで代入するのでええかな?
378 @check_all_database = true #重い処理なので一応checkする
381 #----------------------------------------------------------------------
383 #ar = %w{ucs ucs-big5 ucs-cdp ucs-cns ucs-jis ucs-ks =>ucs =>ucs* =>ucs-jis}
384 #ar = %w{ucs ucs-jis ucs-big5 ucs-cdp ucs-cns ucs-ks =>ucs =>ucs* =>ucs-jis}
385 ar = %w{ucs-jis ucs =>ucs-jis}
386 #並び順は恣意的で、ucs-jisを先に出している。本来はこれも指定できるようにするべき。
388 u = get_char_attribute(a)
394 #----------------------------------------------------------------------CCS関係
395 def to_utf8() Uconv.u4tou8(Character.u4itou4(ucs())) end #UTF8文字列を返す
400 if u.nil? || 0xffff < u
406 alias map_ucs map_utf8
409 if u.nil? || 0xffff < u
412 return Character.get(u).to_er()
417 return "" if u.nil? || 0xffff < u
418 Uconv.u16toeuc(Uconv.u4tou16(Character.u4itou4(ucs())))
427 return "" if u.nil? || 0xffff < u
428 Uconv.u16tosjis(Uconv.u4tou16(Character.u4itou4(ucs())))
436 #----------------------------------------------------------------------
437 def to_er(codesys=nil) #実体参照を返す、希望するcodesysが引数(未実装)
438 return "" if @char_id == nil
439 return sprintf("&#x%04x;", @char_id) if @char_id <= 0xffff
440 return sprintf("&#x%05x;", @char_id) if @char_id <= 0xfffff
441 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
444 return sprintf("&#{er_prefix}%0#{keta}#{numtype};", code)
446 return sprintf("&MCS-%08X;", @char_id) #本当はこれは無しにしたい
450 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
452 ar << er if er != nil
458 return "<>" if @char_id == nil
459 ar = [to_utf8(), to_er().sub(/^&/,'').chop]
462 alias inspect inspect_x
463 def inspect_all_codesys() #未完成
464 #to_erを全てのcodesysにおいて実行する。その結果をコンパクトにまとめる
468 alist.to_a.sort.each {|a, v| ar << "#{a}:#{v}" }
469 return ar.join(',')+">"
473 alist.to_a.sort.each {|a, v|
474 str += "#{a}: #{v}\n"
479 def inspect_ids(hex_flag=false)
482 ar << (hex_flag ? "x"+mcs_hex : to_utf8)
483 if to_s != ids #idsが部品そのものだったら部品追加はしない
488 ar << "x"+char.mcs_hex
499 return "("+ar.join("\t")+")"
502 #----------------------------------------------------------------------IDS関係
506 # return idss if idss
507 # return k if self.is_basic_kanji? #基本漢字はstop kanjiとするぞと。
508 return self['ids-represent'] if self['ids-represent'] #ids_representを持っている場合はその値とする。
509 return self['ids-element'] if self['ids-element'] #ids_elementを持っている場合はその値とする。
511 idss = self['ids-meaning']
512 return idss if idss != nil && 0 < idss.length && k != idss
513 idss = self['ids-aggregated']
514 return idss if idss != nil && 0 < idss.length && k != idss
516 return idss if idss != nil && 0 < idss.length && k != idss
518 # return k if idss.nil? || idss.length == 0 || k == idss
519 # if idss.char_length == 2
520 # p ['What???', k, idss, k.inspect_all]
521 # #return idssx[1] #二個目だけ返すとか?
522 # return k #IDSに展開する方法が無いと。
524 # return k if k == idss
525 # if idss.include?(k) #<C5-4C4D><C6-4A37>この二文字のBUG対策
526 # #return idss.sub(k, '')
527 # return k #IDSに展開する方法が無いと。
533 de = self.decompose #出発点
537 de = pde.decompose #もう一度分解をしてみる。
538 break if pde == de #ループを抜けだす
539 exit if 10 < level #p ['too many recursive', self]
544 def decompose_all_nu(level=nil)
545 level = 0 if level.nil?
547 p ['too many recursive', self]
551 return de.decompose_all(level+1) if de != self #なにか変化があったから再帰
552 return de #もうこれ以上変化は無さそうだぞと。
554 def is_ids?() 0x2ff0 <= @char_id && @char_id <= 0x2fff end
555 def ids_operator_argc()
556 return 0 unless is_ids?
557 return 3 if @char_id == 0x2ff2 || @char_id == 0x2ff3
562 class DBS #======================================================================複数のDBを集めたclass、未完成
565 class ADB < BDB::Hash #======================================================================一つのDB
566 def initialize(*args)
571 self.close #これがないと、うまくデータベースがセーブされないのです。
575 def self.open_create(filename)
576 ADB.open(filename, nil, BDB::CREATE | BDB::EXCL) #上書きはしない
580 if key.char_length == 1
581 return '?'+key #Stringだったら引く前に?を足す
584 #key = key.to_s if key.is_a?(Numeric) #NumberだったらStringにする。
585 #ここで && key ! =~ /^\?/ をいれると、?自身を検索できなくなってしまう。
590 return v.to_i if v =~ /^\d+$/ #数字だったらここで変換しておく
591 return v.sub(/^\?/, '') if v =~ /^\?/ #冒頭の?は取り除く
592 return $1 if v =~ /^"(.+)"$/ #最初と最後に"がついていたら、取り除く
593 #p ['get', v, t, key, db]
594 #return parse_sexp(v) if v =~ /^\(.+\)$/ #最初と最後が()の時は、S式にparseする
597 def myget(key) #keyキーを引いて返す
599 v = get(key) #存在しなかったらnilを返すことになる
602 def myput(key, v) #keyにvをいれる
609 class DB #======================================================= データベース群のabstract class
610 def self.unix_to_win(unix) #Windowsファイル名制限のため、変換する
611 win = unix.gsub(/</, '(')
617 def self.win_to_unix(win)
618 unix = win.gsub(%r|\)|, '>')
619 unix.gsub!(%r|\(|, '<')
620 unix.gsub!(%r|!|, '?')
621 unix.gsub!(%r|\+|, '*')
625 return @pre + DB.unix_to_win(t) + @post if windows?
626 return @pre + t + @post
628 def get_dirname(t) File.dirname(get_filename(t)) end
632 keys.each {|key| open_db(key) }
637 next if ! File.file?(f)
643 t = DB.win_to_unix(f)
644 t.sub!(%r|^#{@pre}|, '')
645 t.sub!(%r|#{@post}$|, '') if @post != ""
652 return nil if db.nil?
657 return nil if get(t) #すでにopenしていたら再openはしない。
659 bdb = ADB.open(get_filename(t), nil, 0)
660 @dbs[t] = bdb if bdb != nil
662 p ["open error", get_filename(t)]; return nil
666 def make_db(t, h=nil) #tという名前でhという中身のデータベースを作る
667 return nil if get(t) #すでにある場合はreturn
668 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
671 db = ADB.open_create(get_filename(t)) #上書きはしない
674 k = '?'+k if k.is_a?(String)
680 p ["make error", get_filename(t)]; return nil
684 def make_db_no_question_mark(t, h=nil) #tという名前でhという中身のデータベースを作る
685 return nil if get(t) #すでにある場合はreturn
686 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
689 db = ADB.open_create(get_filename(t)) #上書きはしない
692 # k = '?'+k if k.is_a?(String)
698 p ["make error", get_filename(t)]; return nil
702 def remove_db(t) #tという名前のデータベースを消去する
709 File.unlink(get_filename(t)) if FileTest.file?(get_filename(t))
711 p ["unlink error", get_filename(t)]; return nil
714 Dir.rmdir(dn) if FileTest.directory?(dn) && Dir.entries(dn).length <= 2 #空directoryだったら消す
718 return s.to_i if s =~ /^\d+$/
724 file = get_filename(t)
725 open("#{file}.txt", "w"){|out|
726 # out.binmode.sync = true
728 ar.map! {|k, v| [to_num(k), to_num(v)] }
730 out.printf("%s\t%s\n", k, v)
735 def each_db() @dbs.to_a.sort.each {|t, db| yield(t, db) } end
736 def dump_all() each_db {|t, db| dump_db(t) } end
737 def close_all() each_db {|t, db| db.close } end
738 def keys() @dbs.keys end
740 return unless block_given?
746 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
747 vv = get(t, k) #p ['each', t, k, v, vv]
752 return unless block_given?
756 ar.map! {|k, v| [to_num(k), to_num(v)] }
758 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
759 vv = get(t, k) #p ['each', t, k, v, vv]
763 #----------------------------------------------------------------------
764 def get(t, key=nil) #tというデータベースのkeyキーを引いて返す
766 return db if key.nil?
770 def put(t, key, v) #tというデータベースのkeyにvをいれる
777 db.myput(key, v) #putする
781 class CharDB < DB #------------------------------------ MCS-UTF8をキーとした属性へのデータベース
785 @glob, @pre, @post = "#{DB_DIR}/system-char-id/*", "#{DB_DIR}/system-char-id/", ""
788 def get_all(u8) #全データベースのu8キーを引いてHashにまとめて返す
792 atrs[t] = v if v != nil
798 class CodesysDB < DB #----------------------------------------------------------------------
802 @glob, @pre, @post = "#{DB_DIR}/*/system-char-id", "#{DB_DIR}/", "/system-char-id"
805 #def keys() @dbs.keys.sort end #どんなCodesysの情報を持っているかの一覧
806 def keys() @dbs.keys end #どんなCodesysの情報を持っているかの一覧
810 return Codesys.new(t)
814 class Codesys < DB #======================================================================
818 @dbs = CodesysDB.instance
820 def keys() #どんなコードポイントの情報を持っているかの一覧
821 ks = @dbs.get(@name).keys
822 if @name =~ /jisx0208/ #特別処理
823 n = @dbs.get('=jis-x0208').keys
824 # p ['keys', @name, ks, n]
827 ks.map! {|k| to_num(k) }
831 v = @dbs.get(@name, key)
833 if @name =~ /jisx0208/ #jisx0208が含まれている場合だけ特別処理する
834 return @dbs.get('=jis-x0208', key)
839 return unless block_given?
845 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
846 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
851 return unless block_given?
855 ar.map! {|k, v| [to_num(k), to_num(v)] }
857 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
858 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
866 db = CodesysDB.instance
867 @common = db.get_codesys('=jis-x0208')
868 @newest = db.get_codesys('japanese-jisx0208-1990')
871 char = @common.get(code)
872 return char unless char.nil?
873 char = @newest.get(code)
874 return char unless char.nil?
879 class IDS_TEXT_DB < DB #======================================================================
882 IDS_DB_DIR = 'd:/work/chise/ids/' #この後にIDS-JIS-X0208-1990.txtという感じに続く
884 IDS_DB_DIR = '/home/eto/work/chise/ids/' #この後にIDS-JIS-X0208-1990.txtという感じに続く
888 #IDS-UCS-Compat-Supplement.txt
897 IDS-JIS-X0208-1990.txt
918 @glob, @pre, @post = "#{IDS_DB_DIR}/db/*", "#{IDS_DB_DIR}/db/", ""
919 dir = File.dirname(@pre)
920 Dir.mkdir(dir) unless FileTest.exist?(dir)
924 return unless block_given?
925 @ids_list.each {|file|
927 yield(IDS_DB_DIR+file)
933 next if line =~ /^;/ #コメントはとばす
935 code, char, ids = line.split
936 yield(code, char, ids)
942 dir = File.dirname(file) + '/../ids-new/'
943 Dir.mkdir(dir) if ! FileTest.directory?(dir)
944 newfile = dir + File.basename(file)
946 open(newfile, "w"){|out|
947 out.binmode.sync = true
948 each_line(file){|code, ch, ids|
949 char = Character.get(ch)
951 out.print "#{code} #{ch} #{ids}\n"
958 dir = File.dirname(file) + '/../ids-error'
959 Dir.mkdir(dir) unless FileTest.exist?(dir)
960 errfile = dir + '/' + File.basename(file)
962 open(errfile, "w"){|out|
963 out.binmode.sync = true
964 each_line(file){|code, ch, ids|
965 char = Character.get(ch)
966 ids_error = char['ids-error']
967 next if ids_error.nil?
968 out.print "#{code} #{ch} #{ids} #{ids_error}\n"
975 class IDS_DB < DB #======================================================================BDB化したIDS DBを扱う
978 @dbs = CharDB.instance
981 db = IDS_TEXT_DB.instance
984 @same_ids_counter = 0
985 @good_ids_counter = 0
986 @conflict_ids_counter = 0
987 db.each_line(file){|code, ch, ids|
990 ids = "" if ids == nil
991 next if ids == "" #IDSが定義されていない場合は、さっくりと無視するべしよ。
993 charimg = Character.get(ch) #実体参照である可能性がある
995 next if code =~ /'$/ || code =~ /"$/ #大漢和番号のダッシュ付きは無視する
996 char = Character.get("&"+code+";") #code表記を元に実体参照を作って解釈する
997 if char.nil? || char.to_s == "" #うまく文字にならなかった
998 print "char == null #{char.inspect} #{code} #{ch} #{ids}\n" unless code =~ /^M-/ || code =~ /^CB/
999 #大漢和、CBETA以外の場合は、エラーメッセージ。
1002 if char != charimg #code表記と文字が一致していない?
1003 unless code =~ /^M-/ || code =~ /^MH-/ || code =~ /^CB/ #食い違っていて当然であるので何もしない
1004 print "unknown char #{char.inspect} #{code} #{ch} #{ids}\n"
1005 next #それ以外の場合はエラーメッセージをだして、次へ。
1008 #next if !char.has_attribute? #isolated characterはまぎれこませない。
1010 ids.de_er! #実体参照を解除する
1011 next if ids == char.to_s #もし文字とまったく一緒なら、意味が無いので情報を持たない
1012 next if ids.char_length == 1
1014 idstree = IDS_Tree.new(ids)
1015 c = idstree.check_integrity
1016 c = "contains self" if ids.include?(char.to_s)
1017 if c #ちょっとでもエラーがある場合は、
1018 char['ids-error'] = c #エラーを記録して、データとしては保持しない
1022 if char['ids'].nil? || char['ids'] == "" #元々IDSが無かった場合は、
1023 char['ids'] = ids #普通に代入すればそれでいいです。
1024 @good_ids_counter += 1
1025 else #しかしいままでにすでにIDSが定義されていた場合は?
1026 if char['ids'] == ids #新しいIDSと古いIDSが完全に一致するなら無視しましょう。
1027 @same_ids_counter += 1
1028 else #しかしいままでのIDSと新しいIDSが食い違った場合は?
1029 @conflict_ids_counter += 1
1030 # print "conflict #{char.inspect} #{code} #{ids} #{char['ids']}\n"
1034 print "#{file} #{@char_counter} #{@same_ids_counter} #{@conflict_ids_counter} #{@good_ids_counter}\n"
1035 CharacterFactory.instance.reset()
1037 @dbs.dump_db('ids-error') #テキスト化する
1038 @dbs.dump_db('ids') #テキスト化する
1040 def make_ids_reverse
1042 @dbs.each('ids') {|k, v|
1044 ids = char.decompose
1045 h[ids] = "" if h[ids].nil?
1049 h[k] = char_sort(v) #文字の順番を、よく使うっぽいものからの順番にする
1051 h.delete_if {|k, v| #h[k]が""になる可能性もあるが、それはkeyとして入れないことにする。
1054 print "length #{h.length}\n"
1055 cdb = CodesysDB.instance
1056 cdb.make_db_no_question_mark('ids', h)
1057 cdb.open_db('ids') #これが無いと、dump_dbされません。
1060 def char_sort(composed)
1061 return composed if composed.char_length == 1
1067 if char.char_id < 0xfffff #Unicodeっぽい?
1073 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1077 # p [codesys, v] if v
1078 if v #EntityReferenceの順番に準拠する。
1086 # p ['yokuwakaran character', ar, ar[0].inspect_all, arorg]
1087 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1091 # p [codesys, v] if v
1097 def dump_ids_duplicated
1098 open('ids-duplicated.txt', 'w'){|out|
1100 CodesysDB.instance.each('ids') {|k, v|
1102 out.print "nil #{k} #{v}\n"
1107 out.print "#{n} #{k} #{v}"
1110 out.print " #{char.inspect}"
1116 def make_ids_aggregated
1117 @dbs.each('ids') {|k, v|
1119 ids = char.decompose
1121 char['ids-aggregated'] = ag
1123 @dbs.dump_db('ids-aggregated')
1125 def dump_ids_aggregated
1126 open('ids-aggregated.txt', 'w'){|out|
1128 @dbs.each('ids') {|k, v|
1131 ag = char['ids-aggregated']
1132 out.print "#{char.to_s} #{ag} #{ids}\n" if ids != ag
1137 @dbs.each('ids') {|k, v|
1143 ids = pids.decompose
1144 break if ids == pids #これ以上分割できないようだったら終了〜。
1147 p [char.to_s, pids, ids, ar] if 10 < counter #これは何かおかしいぞと
1152 #やっぱりIDS文字も加えることにする. by eto 2003-02-05
1153 # ar.delete_if {|ch|
1154 # ch.char.is_ids? #IDS文字はまぎれこませない。
1157 char['ids-parts'] = str
1159 @dbs.dump_db('ids-parts')
1161 def make_ids_contained
1163 @dbs.each('ids-parts') {|k, v|
1165 parts = char.ids_parts
1166 parts.each_char {|ch|
1168 h[ch] = [] if h[ch].nil?
1171 # part['ids-contained'] = "" if part['ids-contained'].nil?
1172 # part['ids-contained'] += k
1178 char['ids-contained'] = v.join('')
1181 @dbs.dump_db('ids-contained')
1183 def make_ids_decomposed
1184 @dbs.each('ids') {|k, v|
1186 de= char.decompose_all
1187 char['ids-decomposed'] = de
1189 @dbs.dump_db('ids-decomposed')
1193 class Node < Array #=======================================================木構造の中の一つの枝
1194 def initialize(nodeleaf=nil, nodenum=nil)
1196 @nodeleaf = nodeleaf
1199 original_add(@nodeleaf)
1202 attr_reader :nodenum
1203 alias original_add <<
1204 private :original_add
1207 @nodenum -= 1 if @nodenum
1213 ar += n.nodes if n.is_a? Node
1219 class Tree #======================================================================木構造を扱う
1224 @depth = 1 #stackの深さが最大になったところの値、木構造が無いときは1となる
1226 def depth() @depth - 1 end
1227 def add_node(nodeleaf=nil, nodenum=nil) #枝を追加
1228 new_node = Node.new(nodeleaf, nodenum)
1229 @stack.last << new_node
1231 if @depth < @stack.length
1232 @depth = @stack.length
1236 def end_node() #この枝は終り
1240 def add_leaf(a) #葉を追加
1246 n = @stack.last.nodenum
1253 n = @stack.last.nodenum
1254 return nil if @root.length == 0 #no tree is good tree
1255 return "unmatch leaves" if n && n != 0
1256 return "extra nodes" if @root.first.is_a?(Node) && @root.length != 1
1257 return "extra leaves" if @root.length != 1
1270 def to_s() @root.to_s end
1271 def inspect() @root.inspect end
1274 class IDS_Tree < Tree #======================================================================
1281 @str.each_char {|ch|
1282 char = Character.new(ch)
1284 add_node(char, ids_operator_argc(char))
1291 return true if "+*".include?(obj.to_s) #テスト用ですかね
1292 return true if obj.is_ids?
1295 def ids_operator_argc(obj)
1296 return obj.ids_operator_argc if 0 < obj.ids_operator_argc
1301 return r if r #不完全がすでにわかっているならreturn
1302 return "contains ques" if @str =~ /\?/ #?が含まれている?
1308 class IDS #======================================================================IDSそのものを扱うclass
1309 def initialize(str) #IDS文字列をうけとる。
1314 def parse_x #柔軟型のParse. IDSキャラクターが前にきてなくてもよい。などなど。
1318 class Counter #======================================================================
1320 #counter = Counter.new(50) { exit }
1335 class DBS_Management #======================================================================ファイル管理
1336 OBSOLETE_ATTRIBUTES = "
1367 ancient-ideograph-of
1368 ancient-char-of-shinjigen-1
1369 original-ideograph-of
1370 original-char-of-shinjigen-1
1371 simplified-ideograph-of
1373 vulgar-char-of-shinjigen-1
1375 ideographic-variants
1376 variant-of-shinjigen-1
1381 @odir = DB_DIR+"/system-char-id/obsolete" #直打ちしている。
1383 def move_obsolete_files # 廃止予定のbdbファイルをobsoleteディレクトリーにつっこむ
1384 db = CharDB.instance
1386 Dir.mkdir(@odir) unless FileTest.directory? @odir
1387 OBSOLETE_ATTRIBUTES.each {|attr|
1388 next if attr =~ /^#/
1389 filename = db.get_filename(attr)
1390 move_to_obsolete(filename)
1391 move_to_obsolete(filename+".txt")
1394 def move_to_obsolete(file)
1395 cmd = "mv #{file} #{@odir}"
1401 class JoyoList #======================================================================
1403 #JP_JOYO_FILE = DB_DIR+"/../jp-joyo.txt" #EUC-jisx0213
1404 JP_JOYO_FILE = DB_DIR+"/../joyo-ucs.txt" #UCS
1405 COMPOSIT_KANJI = "鳴名加品古知問間聞取兄見切分粉貧林森校東明住位好岩砂里男畑習休短空坂島倉美孝赤看光初努協解新歌語話張強忘悲答晴現正字安守灰秋秒困国医包同合舌居右左受友反道返迷花菜集机主太氷州点店庫仕帳幼防引配早直班筆重番北化比死夏後進酒福私家世内谷半原前寺思電雲気布旅衆泣"
1406 # COMPOSIT_KANJI = "鳴名加品古"
1413 open(JP_JOYO_FILE) {|f|
1415 next if line =~ /^;/ #コメントはとばす
1417 #stroke, nchar, ochar = line.split #new char, old char, old charはnilが多い
1418 stroke, nchar = line.split
1426 print char.inspect_ids(true), "\t;", char.inspect_ids(false), "\n"
1433 #----------------------------------------------------------------------終了