2 # Ruby/UTF-2000 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 decompose() map_char {|ch| ch.char.decompose } end
65 def decompose!() self.replace(self.decompose); self; end
66 def decompose_all_nu(level=nil)
67 level = 0 if level.nil?
69 p ['too many recursive', self]
73 return de.decompose_all(level+1) if de != self #なにか変化があったから再帰
76 def decompose_all() map_char {|ch| ch.char.decompose_all } end
77 def decompose_all!() self.replace(self.decompose_all); self; end
79 def find() #"日雲"→"曇"とかいう感じの操作
81 length = char_length()
84 ar << char.ids_contained #その文字を含んでいる漢字のリスト
96 if length == v #全部に顔を出していたら
104 db = CodesysDB.instance
105 composed = db.get('ids', self)
106 return "" if composed.nil? #なかったよと。
107 return "" if composed.char_length == 0 #なにごと?
108 return composed if composed.char_length == 1
109 composed.each_char {|ch|
111 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
113 return "" #attributeを持つものが一つも無かったら、""にする
116 #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、
117 #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。
118 tree = IDS_Tree.new(self)
119 return self if tree.depth <= 1 #sub_nodesが無い場合はここでさよなら
120 tree.sub_nodes.each {|node|
122 next if c.nil? || c == ""
123 # print "#{self} #{node} #{c}\n"
125 n = self.gsub(node, c)
128 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。
132 module CHISE #======================================================================
134 (RUBY_PLATFORM =~ /cygwin/ || RUBY_PLATFORM =~ /mswin32/ || RUBY_PLATFORM =~ /mingw32/)
136 module_function :windows?
138 DB_DIR = 'd:/work/chise/char-db' #この後に/sysmtem-char-id/ucsという感じに続く
140 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
143 class EntityReference #======================================================================
144 #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?
146 %w( chinese-big5-cdp CDP- 4 X),
147 %w( ideograph-daikanwa M- 5 d),
148 %w( ideograph-cbeta CB 5 d),
149 %w( ideograph-gt GT- 5 d),
150 %w( ideograph-gt-k GT-K 5 d),
151 %w( japanese-jisx0208-1990 J90- 4 X),
152 %w( japanese-jisx0208 J83- 4 X),
153 %w( japanese-jisx0213-1 JX1- 4 X),
154 %w( japanese-jisx0213-2 JX2- 4 X),
155 %w( japanese-jisx0212 JSP- 4 X),
156 %w( japanese-jisx0208-1978 J78- 4 X),
157 %w( chinese-cns11643-1 C1- 4 X),
158 %w( chinese-cns11643-2 C2- 4 X),
159 %w( chinese-cns11643-3 C3- 4 X),
160 %w( chinese-cns11643-4 C4- 4 X),
161 %w( chinese-cns11643-5 C5- 4 X),
162 %w( chinese-cns11643-6 C6- 4 X),
163 %w( chinese-cns11643-7 C7- 4 X),
164 %w( korean-ksc5601 K0- 4 X),
166 CODESYS_ORDER = %w(japanese chinese korean ideograph)
167 REGEXP_PART = "&([-+0-9A-Za-z#]+);"
168 REGEXP_ALL = "^#{REGEXP_PART}$"
170 def self.match?(er) (er =~ Regexp.new(REGEXP_PART)) != nil end
172 def self.parse(er) #char_idをFIXNUMで返す
173 return "" unless er =~ Regexp.new(REGEXP_ALL) #なんか、間違ってる?
174 er = $1 #ついでに中身の部分を取り出す
175 return $1.hex if er =~ /^MCS-([0-9A-Fa-f]+)/ #MCS
176 # if er =~ /^U[-+]?([0-9A-Fa-f]+)/ #Unicode直打ち
177 if er =~ /^U[-+]?([0-9A-Fa-f]+)/ || er =~ /^#x([0-9A-Fa-f]+)/ #Unicode直打ち
181 er.sub!(/^I-/, '') if er =~ /^I-/ #I-がついてるとどう違うのかはよくわからない
182 each_codesys {|codesys, er_prefix, keta, numtype| #p [codesys, er_prefix, keta, numtype]
183 numtyperegex = '\d' #if numtype == 'd'
184 numtyperegex = '[0-9A-Fa-f]' if numtype == 'X'
185 regexpstr = "^#{er_prefix}(#{numtyperegex}{#{keta},#{keta}})$" #p regexpstr
186 if er =~ Regexp.new(regexpstr)
188 code = codestr.to_i #if numtype == 'd'
189 code = codestr.hex if numtype == 'X'
190 char_id_u8 = EntityReference.get_database(codesys, code)
191 char_id_num = Character.parse_char_id(char_id_u8)
198 def self.each_codesys()
199 CODESYS_ORDER.each {|lang|
200 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。
201 next unless codesys =~ lang
202 yield(codesys, er_prefix, keta, numtype)
206 def self.get_database(codesys, code)
207 c = CodesysDB.instance.get(codesys, code)
209 if codesys =~ /-jisx0208/
210 #return self.get_database("=jis-x0208", code) #再帰でどうだ?
211 c = CodesysDB.instance.get("=jis-x0208", code)
218 class CharacterFactory #============================================文字オブジェクトの生成、cache
227 n = Character.parse_char_id(char_id)
229 @chars[n] = Character.new(n) if @chars[n] == nil
235 GC.start #ガーベージコレクション
237 def length() @chars.length; end
239 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。
243 class Character #=============================================================== 文字オブジェクト
244 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"
246 BASIC_KANJI.include?(self.to_s)
249 def initialize(char_id=nil)
250 @char_id = Character.parse_char_id(char_id)
251 @attributes = Hash.new
252 @check_all_database = false
255 def to_i() @char_id end
256 def mcs_utf8() Character.u4itou8(@char_id) end
257 def mcs_hex() sprintf("%x", @char_id) end
259 #----------------------------------------------------------------------
260 def self.get(char_id) CharacterFactory.instance.get(char_id) end #flyweightパターン
262 #----------------------------------------------------------------------
263 def normalize_attribute_name(b)
265 a.gsub!(/_/, '-') #underlineは-に置換
266 a.sub!(/^map-/, '=>')
268 a.sub!(/^from-/, '<-')
271 def get_char_attribute(b) # XEmacs UTF-2000互換API群
272 a = normalize_attribute_name(b)
275 return atr if atr != nil
276 atr = check_database(a)
277 @attributes[a] = atr if atr != nil
278 return get_char_attribute("=jis-x0208") if a =~ /jisx0208/ #ここだけ特殊形
279 return @attributes[a]
281 def put_char_attribute(b,v)
282 a = normalize_attribute_name(b)
284 CharDB.instance.put(a, mcs_utf8(), v)
286 def char_attribute_alist() check_all_database(); @attributes; end
287 def char_attribute_list() check_all_database(); @attributes.keys; end
288 alias [] get_char_attribute #その略称
289 alias []= put_char_attribute
290 alias alist char_attribute_alist
291 alias list char_attribute_list
293 def method_missing(mid, *args) #参考:ostruct.rb
295 return get_char_attribute(mname) if args.length == 0
296 put_char_attribute(mname.chop, args[0]) if mname =~ /=$/ #代入
299 def has_attribute?() #意味のあるattributeを持ってますか?
304 return (keys.length != 0)
307 #----------------------------------------------------------------------
309 return false if ch == nil
310 return false unless ch.is_a? Character
311 self.char_id == ch.char_id
314 #----------------------------------------------------------------------
315 def self.parse_char_id(char_id) #FIXNUMを返す
316 return nil if char_id == nil
317 if char_id.is_a?(Numeric) #p [char_id]
318 char_id = 0x80000000 + char_id if char_id < 0 #補数表現
320 elsif char_id.is_a?(String)
321 return char_id.to_i if char_id =~ /^\d+$/ && 1 < char_id.length #文字列による数字だったら数値化してreturn
322 return EntityReference.parse(char_id) if char_id =~ Regexp.new(EntityReference::REGEXP_ALL) #実体参照?
323 char_id.sub!(/^\?/, '') if char_id =~ /^\?/ #もし先頭に?がついていたら削除
324 #このへん本当はもっとちゃんとチェックするべし
326 u4 = Uconv.u8tou4(char_id) #UCS-4文字列に変換
332 return Character.u4tou4i(u4) #UCS-4数値にしてreturn
334 raise ArgumentError, "unknown object for char_id", caller(1)
338 return 0 if u4 == nil || u4 == ""
339 return (u4[3] << 24 | u4[2] << 16 | u4[1] << 8 | u4[0]) #UCS-4数値にしてreturn
341 def self.u4itou4(num)
342 return "" unless num.is_a?(Integer)
343 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
345 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
347 u4 = Character.u4itou4(char_id)
348 u8 = Uconv.u4tou8(u4)
351 #raise ArgumentError, "invalid char_id (#{char_id})", caller(1)
357 #----------------------------------------------------------------------
358 def check_database(a)
361 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。
364 def check_all_database() #現在の@char_idから、文字データベースを参照する
365 return if @check_all_database
366 return if @char_id == nil
369 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
371 @attributes[a] = v #とかいう感じで代入するのでええかな?
373 @check_all_database = true #重い処理なので一応checkする
376 #----------------------------------------------------------------------
378 #ar = %w{ucs ucs-big5 ucs-cdp ucs-cns ucs-jis ucs-ks =>ucs =>ucs* =>ucs-jis}
379 #ar = %w{ucs ucs-jis ucs-big5 ucs-cdp ucs-cns ucs-ks =>ucs =>ucs* =>ucs-jis}
380 ar = %w{ucs-jis ucs =>ucs-jis}
381 #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。
383 u = get_char_attribute(a)
389 #----------------------------------------------------------------------CCS関係
390 def to_utf8() Uconv.u4tou8(Character.u4itou4(ucs())) end #UTF8文字列を返す
395 if u.nil? || 0xffff < u
401 alias map_ucs map_utf8
404 if u.nil? || 0xffff < u
407 return Character.get(u).to_er()
412 return "" if u.nil? || 0xffff < u
413 Uconv.u16toeuc(Uconv.u4tou16(Character.u4itou4(ucs())))
422 return "" if u.nil? || 0xffff < u
423 Uconv.u16tosjis(Uconv.u4tou16(Character.u4itou4(ucs())))
431 #----------------------------------------------------------------------
432 def to_er(codesys=nil) #実体参照を返す、希望するcodesysが引数(未実装)
433 return "" if @char_id == nil
434 return sprintf("&#x%04x;", @char_id) if @char_id <= 0xffff
435 return sprintf("&#x%05x;", @char_id) if @char_id <= 0xfffff
436 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
439 return sprintf("&#{er_prefix}%0#{keta}#{numtype};", code)
441 return sprintf("&MCS-%08X;", @char_id) #本当はこれは無しにしたい
445 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
447 ar << er if er != nil
453 return "<>" if @char_id == nil
454 ar = [to_utf8(), to_er().sub(/^&/,'').chop]
457 alias inspect inspect_x
458 def inspect_all_codesys() #未完成
459 #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
463 alist.to_a.sort.each {|a, v| ar << "#{a}:#{v}" }
464 return ar.join(',')+">"
468 alist.to_a.sort.each {|a, v|
469 str += "#{a}: #{v}\n"
474 def inspect_ids(hex_flag=false)
477 ar << (hex_flag ? "x"+mcs_hex : to_utf8)
478 if to_s != ids #idsが部品そのものだったら部品追加はしない
483 ar << "x"+char.mcs_hex
494 return "("+ar.join("\t")+")"
497 #----------------------------------------------------------------------IDS関係
501 # return idss if idss
502 # return k if self.is_basic_kanji? #基本漢字はstop kanjiとするぞと。
503 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。
504 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。
506 idss = self['ids-meaning']
507 return idss if idss != nil && 0 < idss.length && k != idss
508 idss = self['ids-aggregated']
509 return idss if idss != nil && 0 < idss.length && k != idss
511 return idss if idss != nil && 0 < idss.length && k != idss
513 # return k if idss.nil? || idss.length == 0 || k == idss
514 # if idss.char_length == 2
515 # p ['What???', k, idss, k.inspect_all]
516 # #return idssx[1] #二個目だけ返すとか?
517 # return k #IDSに展開する方法が無いと。
519 # return k if k == idss
520 # if idss.include?(k) #<C5-4C4D><C6-4A37>この二文字のBUG対策
521 # #return idss.sub(k, '')
522 # return k #IDSに展開する方法が無いと。
528 de = self.decompose #出発点
532 de = pde.decompose #もう一度分解をしてみる。
533 break if pde == de #ループを抜けだす
534 exit if 10 < level #p ['too many recursive', self]
539 def decompose_all_nu(level=nil)
540 level = 0 if level.nil?
542 p ['too many recursive', self]
546 return de.decompose_all(level+1) if de != self #なにか変化があったから再帰
547 return de #もうこれ以上変化は無さそうだぞと。
549 def is_ids?() 0x2ff0 <= @char_id && @char_id <= 0x2fff end
550 def ids_operator_argc()
551 return 0 unless is_ids?
552 return 3 if @char_id == 0x2ff2 || @char_id == 0x2ff3
557 class DBS #======================================================================複数のDBを集めたclass、未完成
560 class ADB < BDB::Hash #======================================================================一つのDB
561 def initialize(*args)
566 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。
570 def self.open_create(filename)
571 ADB.open(filename, nil, BDB::CREATE | BDB::EXCL) #上書きはしない
575 if key.char_length == 1
576 return '?'+key #Stringだったら引く前に?を足す
579 #key = key.to_s if key.is_a?(Numeric) #NumberだったらStringにする。
580 #ここで && key ! =~ /^\?/ をいれると、?自身を検索できなくなってしまう。
585 return v.to_i if v =~ /^\d+$/ #数字だったらここで変換しておく
586 return v.sub(/^\?/, '') if v =~ /^\?/ #冒頭の?は取り除く
587 return $1 if v =~ /^"(.+)"$/ #最初と最後に"がついていたら、取り除く
588 #p ['get', v, t, key, db]
589 #return parse_sexp(v) if v =~ /^\(.+\)$/ #最初と最後が()の時は、S式にparseする
592 def myget(key) #keyキーを引いて返す
594 v = get(key) #存在しなかったらnilを返すことになる
597 def myput(key, v) #keyにvをいれる
604 class DB #======================================================= データベース群のabstract class
605 def self.unix_to_win(unix) #Windowsファイル名制限のため、変換する
606 win = unix.gsub(/</, '(')
612 def self.win_to_unix(win)
613 unix = win.gsub(%r|\)|, '>')
614 unix.gsub!(%r|\(|, '<')
615 unix.gsub!(%r|!|, '?')
616 unix.gsub!(%r|\+|, '*')
620 return @pre + DB.unix_to_win(t) + @post if windows?
621 return @pre + t + @post
623 def get_dirname(t) File.dirname(get_filename(t)) end
627 keys.each {|key| open_db(key) }
632 next if ! File.file?(f)
638 t = DB.win_to_unix(f)
639 t.sub!(%r|^#{@pre}|, '')
640 t.sub!(%r|#{@post}$|, '') if @post != ""
647 return nil if db.nil?
652 return nil if get(t) #すでにopenしていたら再openはしない。
654 bdb = ADB.open(get_filename(t), nil, 0)
655 @dbs[t] = bdb if bdb != nil
657 p ["open error", get_filename(t)]; return nil
661 def make_db(t, h=nil) #tという名前でhという中身のデータベースを作る
662 return nil if get(t) #すでにある場合はreturn
663 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
666 db = ADB.open_create(get_filename(t)) #上書きはしない
669 k = '?'+k if k.is_a?(String)
675 p ["make error", get_filename(t)]; return nil
679 def make_db_no_question_mark(t, h=nil) #tという名前でhという中身のデータベースを作る
680 return nil if get(t) #すでにある場合はreturn
681 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
684 db = ADB.open_create(get_filename(t)) #上書きはしない
687 # k = '?'+k if k.is_a?(String)
693 p ["make error", get_filename(t)]; return nil
697 def remove_db(t) #tという名前のデータベースを消去する
704 File.unlink(get_filename(t)) if FileTest.file?(get_filename(t))
706 p ["unlink error", get_filename(t)]; return nil
709 Dir.rmdir(dn) if FileTest.directory?(dn) && Dir.entries(dn).length <= 2 #空directoryだったら消す
713 return s.to_i if s =~ /^\d+$/
719 file = get_filename(t)
720 open("#{file}.txt", "w"){|out|
721 # out.binmode.sync = true
723 ar.map! {|k, v| [to_num(k), to_num(v)] }
725 out.printf("%s\t%s\n", k, v)
730 def each_db() @dbs.to_a.sort.each {|t, db| yield(t, db) } end
731 def dump_all() each_db {|t, db| dump_db(t) } end
732 def close_all() each_db {|t, db| db.close } end
733 def keys() @dbs.keys end
735 return unless block_given?
741 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
742 vv = get(t, k) #p ['each', t, k, v, vv]
747 return unless block_given?
751 ar.map! {|k, v| [to_num(k), to_num(v)] }
753 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
754 vv = get(t, k) #p ['each', t, k, v, vv]
758 #----------------------------------------------------------------------
759 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
761 return db if key.nil?
765 def put(t, key, v) #tというデータベースのkeyにvをいれる
772 db.myput(key, v) #putする
776 class CharDB < DB #------------------------------------ MCS-UTF8をキーとした属性へのデータベース
780 @glob, @pre, @post = "#{DB_DIR}/system-char-id/*", "#{DB_DIR}/system-char-id/", ""
783 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
787 atrs[t] = v if v != nil
793 class CodesysDB < DB #----------------------------------------------------------------------
797 @glob, @pre, @post = "#{DB_DIR}/*/system-char-id", "#{DB_DIR}/", "/system-char-id"
800 #def keys() @dbs.keys.sort end #どんなCodesysの情報を持っているかの一覧
801 def keys() @dbs.keys end #どんなCodesysの情報を持っているかの一覧
805 return Codesys.new(t)
809 class Codesys < DB #======================================================================
813 @dbs = CodesysDB.instance
815 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
816 ks = @dbs.get(@name).keys
817 if @name =~ /jisx0208/ #特別処理
818 n = @dbs.get('=jis-x0208').keys
819 # p ['keys', @name, ks, n]
822 ks.map! {|k| to_num(k) }
826 v = @dbs.get(@name, key)
828 if @name =~ /jisx0208/ #jisx0208が含まれている場合だけ特別処理する
829 return @dbs.get('=jis-x0208', key)
834 return unless block_given?
840 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
841 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
846 return unless block_given?
850 ar.map! {|k, v| [to_num(k), to_num(v)] }
852 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
853 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
859 class IDS_TEXT_DB < DB #======================================================================
862 IDS_DB_DIR = 'd:/work/chise/ids/' #この後にIDS-JIS-X0208-1990.txtという感じに続く
864 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
868 #IDS-UCS-Compat-Supplement.txt
877 IDS-JIS-X0208-1990.txt
898 @glob, @pre, @post = "#{IDS_DB_DIR}/db/*", "#{IDS_DB_DIR}/db/", ""
899 dir = File.dirname(@pre)
900 Dir.mkdir(dir) unless FileTest.exist?(dir)
904 return unless block_given?
905 @ids_list.each {|file|
907 yield(IDS_DB_DIR+file)
913 next if line =~ /^;/ #コメントはとばす
915 code, char, ids = line.split
916 yield(code, char, ids)
922 dir = File.dirname(file) + '/../ids-new/'
923 Dir.mkdir(dir) if ! FileTest.directory?(dir)
924 newfile = dir + File.basename(file)
926 open(newfile, "w"){|out|
927 out.binmode.sync = true
928 each_line(file){|code, ch, ids|
929 char = Character.get(ch)
931 out.print "#{code} #{ch} #{ids}\n"
938 dir = File.dirname(file) + '/../ids-error'
939 Dir.mkdir(dir) unless FileTest.exist?(dir)
940 errfile = dir + '/' + File.basename(file)
942 open(errfile, "w"){|out|
943 out.binmode.sync = true
944 each_line(file){|code, ch, ids|
945 char = Character.get(ch)
946 ids_error = char['ids-error']
947 next if ids_error.nil?
948 out.print "#{code} #{ch} #{ids} #{ids_error}\n"
955 class IDS_DB < DB #======================================================================BDB化したIDS DBを扱う
958 @dbs = CharDB.instance
961 db = IDS_TEXT_DB.instance
964 @same_ids_counter = 0
965 @good_ids_counter = 0
966 @conflict_ids_counter = 0
967 db.each_line(file){|code, ch, ids|
970 ids = "" if ids == nil
971 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。
973 charimg = Character.get(ch) #実体参照である可能性がある
975 next if code =~ /'$/ || code =~ /"$/ #大漢和番号のダッシュ付きは無視する
976 char = Character.get("&"+code+";") #code表記を元に実体参照を作って解釈する
977 if char.nil? || char.to_s == "" #うまく文字にならなかった
978 print "char == null #{char.inspect} #{code} #{ch} #{ids}\n" unless code =~ /^M-/ || code =~ /^CB/
979 #大漢和、CBETA以外の場合は、エラーメッセージ。
982 if char != charimg #code表記と文字が一致していない?
983 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
984 print "unknown char #{char.inspect} #{code} #{ch} #{ids}\n"
985 next #それ以外の場合はエラーメッセージをだして、次へ。
988 #next if !char.has_attribute? #isolated characterはまぎれこませない。
990 ids.de_er! #実体参照を解除する
991 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
992 next if ids.char_length == 1
994 idstree = IDS_Tree.new(ids)
995 c = idstree.check_integrity
996 c = "contains self" if ids.include?(char.to_s)
997 if c #ちょっとでもエラーがある場合は、
998 char['ids-error'] = c #エラーを記録して、データとしては保持しない
1002 if char['ids'].nil? || char['ids'] == "" #元々IDSが無かった場合は、
1003 char['ids'] = ids #普通に代入すればそれでいいです。
1004 @good_ids_counter += 1
1005 else #しかしいままでにすでにIDSが定義されていた場合は?
1006 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。
1007 @same_ids_counter += 1
1008 else #しかしいままでのIDSと新しいIDSが食い違った場合は?
1009 @conflict_ids_counter += 1
1010 # print "conflict #{char.inspect} #{code} #{ids} #{char['ids']}\n"
1014 print "#{file} #{@char_counter} #{@same_ids_counter} #{@conflict_ids_counter} #{@good_ids_counter}\n"
1015 CharacterFactory.instance.reset()
1017 @dbs.dump_db('ids-error') #テキスト化する
1018 @dbs.dump_db('ids') #テキスト化する
1020 def make_ids_reverse
1022 @dbs.each('ids') {|k, v|
1024 ids = char.decompose
1025 h[ids] = "" if h[ids].nil?
1029 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
1031 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。
1034 print "length #{h.length}\n"
1035 cdb = CodesysDB.instance
1036 cdb.make_db_no_question_mark('ids', h)
1037 cdb.open_db('ids') #これが無いと、dump_dbされません。
1040 def char_sort(composed)
1041 return composed if composed.char_length == 1
1047 if char.char_id < 0xfffff #Unicodeっぽい?
1053 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1057 # p [codesys, v] if v
1058 if v #EntityReferenceの順番に準拠する。
1066 # p ['yokuwakaran character', ar, ar[0].inspect_all, arorg]
1067 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1071 # p [codesys, v] if v
1077 def dump_ids_duplicated
1078 open('ids-duplicated.txt', 'w'){|out|
1080 CodesysDB.instance.each('ids') {|k, v|
1082 out.print "nil #{k} #{v}\n"
1087 out.print "#{n} #{k} #{v}"
1090 out.print " #{char.inspect}"
1096 def make_ids_aggregated
1097 @dbs.each('ids') {|k, v|
1099 ids = char.decompose
1101 char['ids-aggregated'] = ag
1103 @dbs.dump_db('ids-aggregated')
1105 def dump_ids_aggregated
1106 open('ids-aggregated.txt', 'w'){|out|
1108 @dbs.each('ids') {|k, v|
1111 ag = char['ids-aggregated']
1112 out.print "#{char.to_s} #{ag} #{ids}\n" if ids != ag
1117 @dbs.each('ids') {|k, v|
1123 ids = pids.decompose
1124 break if ids == pids #これ以上分割できないようだったら終了〜。
1127 p [char.to_s, pids, ids, ar] if 10 < counter #これは何かおかしいぞと
1132 #やっぱりIDS文字も加えることにする. by eto 2003-02-05
1133 # ar.delete_if {|ch|
1134 # ch.char.is_ids? #IDS文字はまぎれこませない。
1137 char['ids-parts'] = str
1139 @dbs.dump_db('ids-parts')
1141 def make_ids_contained
1143 @dbs.each('ids-parts') {|k, v|
1145 parts = char.ids_parts
1146 parts.each_char {|ch|
1148 h[ch] = [] if h[ch].nil?
1151 # part['ids-contained'] = "" if part['ids-contained'].nil?
1152 # part['ids-contained'] += k
1158 char['ids-contained'] = v.join('')
1161 @dbs.dump_db('ids-contained')
1163 def make_ids_decomposed
1164 @dbs.each('ids') {|k, v|
1166 de= char.decompose_all
1167 char['ids-decomposed'] = de
1169 @dbs.dump_db('ids-decomposed')
1173 class Node < Array #=======================================================木構造の中の一つの枝
1174 def initialize(nodeleaf=nil, nodenum=nil)
1176 @nodeleaf = nodeleaf
1179 original_add(@nodeleaf)
1182 attr_reader :nodenum
1183 alias original_add <<
1184 private :original_add
1187 @nodenum -= 1 if @nodenum
1193 ar += n.nodes if n.is_a? Node
1199 class Tree #======================================================================木構造を扱う
1204 @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
1206 def depth() @depth - 1 end
1207 def add_node(nodeleaf=nil, nodenum=nil) #枝を追加
1208 new_node = Node.new(nodeleaf, nodenum)
1209 @stack.last << new_node
1211 if @depth < @stack.length
1212 @depth = @stack.length
1216 def end_node() #この枝は終り
1220 def add_leaf(a) #葉を追加
1226 n = @stack.last.nodenum
1233 n = @stack.last.nodenum
1234 return nil if @root.length == 0 #no tree is good tree
1235 return "unmatch leaves" if n && n != 0
1236 return "extra nodes" if @root.first.is_a?(Node) && @root.length != 1
1237 return "extra leaves" if @root.length != 1
1250 def to_s() @root.to_s end
1251 def inspect() @root.inspect end
1254 class IDS_Tree < Tree #======================================================================
1261 @str.each_char {|ch|
1262 char = Character.new(ch)
1264 add_node(char, ids_operator_argc(char))
1271 return true if "+*".include?(obj.to_s) #テスト用ですかね
1272 return true if obj.is_ids?
1275 def ids_operator_argc(obj)
1276 return obj.ids_operator_argc if 0 < obj.ids_operator_argc
1281 return r if r #不完全がすでにわかっているならreturn
1282 return "contains ques" if @str =~ /\?/ #?が含まれている?
1288 class IDS #======================================================================IDSそのものを扱うclass
1289 def initialize(str) #IDS文字列をうけとる。
1294 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。
1298 class Counter #======================================================================
1300 #counter = Counter.new(50) { exit }
1315 class DBS_Management #======================================================================ファイル管理
1316 OBSOLETE_ATTRIBUTES = "
1347 ancient-ideograph-of
1348 ancient-char-of-shinjigen-1
1349 original-ideograph-of
1350 original-char-of-shinjigen-1
1351 simplified-ideograph-of
1353 vulgar-char-of-shinjigen-1
1355 ideographic-variants
1356 variant-of-shinjigen-1
1361 @odir = DB_DIR+"/system-char-id/obsolete" #直打ちしている。
1363 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
1364 db = CharDB.instance
1366 Dir.mkdir(@odir) unless FileTest.directory? @odir
1367 OBSOLETE_ATTRIBUTES.each {|attr|
1368 next if attr =~ /^#/
1369 filename = db.get_filename(attr)
1370 move_to_obsolete(filename)
1371 move_to_obsolete(filename+".txt")
1374 def move_to_obsolete(file)
1375 cmd = "mv #{file} #{@odir}"
1381 class JoyoList #======================================================================
1383 #JP_JOYO_FILE = DB_DIR+"/../jp-joyo.txt" #EUC-jisx0213
1384 JP_JOYO_FILE = DB_DIR+"/../joyo-ucs.txt" #UCS
1385 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"
1386 # COMPOSIT_KANJI = "鳴名加品古"
1393 open(JP_JOYO_FILE) {|f|
1395 next if line =~ /^;/ #コメントはとばす
1397 #stroke, nchar, ochar = line.split #new char, old char, old charはnilが多い
1398 stroke, nchar = line.split
1406 print char.inspect_ids(true), "\t;", char.inspect_ids(false), "\n"
1413 #----------------------------------------------------------------------終了