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 $debug
14 def to_a() self.split(//) end #$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 char_length() to_a.length end
17 def char_at(n) to_a()[n] end
18 def char() Character.get(to_a[0]) end
19 # def method_missing(mid, *args) char.method_missing(mid, *args) end
20 def char_id() char.char_id() end
21 def get_char_attribute(a) char.get_char_attribute(a) end
22 def ucs() char.ucs() end
29 #put関係、[]関係は用意しないことにした。
30 def de_er!() #EntityReferenceを取り除く
31 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
33 self.sub!(Regexp.new(Regexp.escape(er)), Character.new(er).mcs_utf8) #変換自体はCharacterにまかせる
34 return self.de_er! if self =~ Regexp.new(EntityReference::REGEXP_PART) #まだあったら再帰
37 def de_er() return self.dup.de_er!; end
39 def map_char(block = Proc.new)
40 return unless block_given?
41 return self.to_a.map {|ch| (block.call(ch)).to_s }.join("")
43 def map_char!(block = Proc.new)
44 return unless block_given?
45 self.replace(self.map_char {|ch| block.call(ch)})
47 def inspect_all() map_char {|ch| ch.char.inspect_all } end
48 def inspect_x() map_char {|ch| ch.char.inspect_x } end
50 def decompose() map_char {|ch| ch.char.decompose } end
51 def decompose!() self.replace(self.decompose); self; end
52 def decompose_all(level=nil)
53 level = 0 if level.nil?
55 p ['too many recursive', self]
59 return de.decompose_all(level+1) if de != self #なにか変化があったから再帰
62 def decompose_all!() self.replace(self.decompose_all); self; end
64 def find() #"日雲"→"曇"とかいう感じの操作
66 length = char_length()
69 ar << char.ids_contained #その文字を含んでいる漢字のリスト
81 if length == v #全部に顔を出していたら
89 db = CodesysDB.instance
90 composed = db.get('ids', self)
91 return "" if composed.nil? #なかったよと。
92 return "" if composed.char_length == 0 #なにごと?
93 return composed if composed.char_length == 1
94 composed.each_char {|ch|
96 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
98 return "" #attributeを持つものが一つも無かったら、""にする
101 #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、
102 #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。
103 tree = IDS_Tree.new(self)
104 return self if tree.depth <= 1 #sub_nodesが無い場合はここでさよなら
105 tree.sub_nodes.each {|node|
107 next if c.nil? || c == ""
108 # print "#{self} #{node} #{c}\n"
110 n = self.gsub(node, c)
113 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。
119 (RUBY_PLATFORM =~ /cygwin/ || RUBY_PLATFORM =~ /mswin32/ || RUBY_PLATFORM =~ /mingw32/)
121 module_function :windows?
123 DB_DIR = 'd:/work/chise/char-db' #この後に/sysmtem-char-id/ucsという感じに続く
125 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
128 class EntityReference #======================================================================
129 #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?
131 %w( chinese-big5-cdp CDP- 4 X),
132 %w( ideograph-daikanwa M- 5 d),
133 %w( ideograph-cbeta CB 5 d),
134 %w( ideograph-gt GT- 5 d),
135 %w( ideograph-gt-k GT-K 5 d),
136 %w( japanese-jisx0208-1990 J90- 4 X),
137 %w( japanese-jisx0208 J83- 4 X),
138 %w( japanese-jisx0213-1 JX1- 4 X),
139 %w( japanese-jisx0213-2 JX2- 4 X),
140 %w( japanese-jisx0212 JSP- 4 X),
141 %w( japanese-jisx0208-1978 J78- 4 X),
142 %w( chinese-cns11643-1 C1- 4 X),
143 %w( chinese-cns11643-2 C2- 4 X),
144 %w( chinese-cns11643-3 C3- 4 X),
145 %w( chinese-cns11643-4 C4- 4 X),
146 %w( chinese-cns11643-5 C5- 4 X),
147 %w( chinese-cns11643-6 C6- 4 X),
148 %w( chinese-cns11643-7 C7- 4 X),
149 %w( korean-ksc5601 K0- 4 X),
151 CODESYS_ORDER = %w(japanese chinese korean ideograph)
152 REGEXP_PART = "&([-+0-9A-Za-z#]+);"
153 REGEXP_ALL = "^#{REGEXP_PART}$"
155 def self.match?(er) (er =~ Regexp.new(REGEXP_PART)) != nil end
157 def self.parse(er) #char_idをFIXNUMで返す
158 return "" unless er =~ Regexp.new(REGEXP_ALL) #なんか、間違ってる?
159 er = $1 #ついでに中身の部分を取り出す
160 return $1.hex if er =~ /^MCS-([0-9A-Fa-f]+)/ #MCS
161 # if er =~ /^U[-+]?([0-9A-Fa-f]+)/ #Unicode直打ち
162 if er =~ /^U[-+]?([0-9A-Fa-f]+)/ || er =~ /^#([0-9A-Fa-f]+)/ #Unicode直打ち
166 er.sub!(/^I-/, '') if er =~ /^I-/ #I-がついてるとどう違うのかはよくわからない
167 each_codesys {|codesys, er_prefix, keta, numtype| #p [codesys, er_prefix, keta, numtype]
168 numtyperegex = '\d' #if numtype == 'd'
169 numtyperegex = '[0-9A-Fa-f]' if numtype == 'X'
170 regexpstr = "^#{er_prefix}(#{numtyperegex}{#{keta},#{keta}})$" #p regexpstr
171 if er =~ Regexp.new(regexpstr)
173 code = codestr.to_i #if numtype == 'd'
174 code = codestr.hex if numtype == 'X'
175 char_id_u8 = EntityReference.get_database(codesys, code)
176 char_id_num = Character.parse_char_id(char_id_u8)
183 def self.each_codesys()
184 CODESYS_ORDER.each {|lang|
185 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。
186 next unless codesys =~ lang
187 yield(codesys, er_prefix, keta, numtype)
191 def self.get_database(codesys, code)
192 c = CodesysDB.instance.get(codesys, code)
194 if codesys =~ /-jisx0208/
195 #return self.get_database("=jis-x0208", code) #再帰でどうだ?
196 c = CodesysDB.instance.get("=jis-x0208", code)
203 class CharacterFactory #============================================文字オブジェクトの生成、cache
212 n = Character.parse_char_id(char_id)
214 @chars[n] = Character.new(n) if @chars[n] == nil
220 GC.start #ガーベージコレクション
222 def length() @chars.length; end
224 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。
228 class Character #=============================================================== 文字オブジェクト
229 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"
231 BASIC_KANJI.include?(self.to_s)
234 def initialize(char_id=nil)
235 @char_id = Character.parse_char_id(char_id)
236 @attributes = Hash.new
237 @check_all_database = false
240 def to_i() @char_id end
241 def mcs_utf8() Character.u4itou8(@char_id) end
242 def mcs_hex() sprintf("%x", @char_id) end
244 #----------------------------------------------------------------------
245 def self.get(char_id) CharacterFactory.instance.get(char_id) end #flyweightパターン
247 #----------------------------------------------------------------------
248 def get_char_attribute(a) # XEmacs UTF-2000互換API群
249 a.gsub!(/_/, '-') #underlineは-に置換
251 return atr if atr != nil
252 atr = check_database(a)
253 @attributes[a] = atr if atr != nil
254 return get_char_attribute("=jis-x0208") if a =~ /jisx0208/
255 return @attributes[a]
257 def put_char_attribute(a,v)
258 a.gsub!(/_/, '-') #underlineは-に置換
260 CharDB.instance.put(a, mcs_utf8(), v)
262 def char_attribute_alist() check_all_database(); @attributes; end
263 def char_attribute_list() check_all_database(); @attributes.keys; end
264 alias [] get_char_attribute #その略称
265 alias []= put_char_attribute
266 alias alist char_attribute_alist
267 alias list char_attribute_list
269 def method_missing(mid, *args) #参考:ostruct.rb
271 return get_char_attribute(mname) if args.length == 0
272 put_char_attribute(mname.chop, args[0]) if mname =~ /=$/ #代入
275 def has_attribute?() #意味のあるattributeを持ってますか?
280 return (keys.length != 0)
283 #----------------------------------------------------------------------
285 return false if ch == nil
286 return false unless ch.is_a? Character
287 self.char_id == ch.char_id
290 #----------------------------------------------------------------------
291 def self.parse_char_id(char_id) #FIXNUMを返す
292 return nil if char_id == nil
293 if char_id.is_a?(Numeric) #p [char_id]
294 char_id = 0x80000000 + char_id if char_id < 0 #補数表現
296 elsif char_id.is_a?(String)
297 return char_id.to_i if char_id =~ /^\d+$/ #文字列による数字だったら数値化してreturn
298 return EntityReference.parse(char_id) if char_id =~ Regexp.new(EntityReference::REGEXP_ALL) #実体参照?
299 char_id.sub!(/^\?/, '') if char_id =~ /^\?/ #もし先頭に?がついていたら削除
300 #このへん本当はもっとちゃんとチェックするべし
301 u4 = Uconv.u8tou4(char_id) #UCS-4文字列に変換
302 return Character.u4tou4i(u4) #UCS-4数値にしてreturn
304 raise ArgumentError, "unknown object for char_id", caller(1)
308 return 0 if u4 == nil || u4 == ""
309 return (u4[3] << 24 | u4[2] << 16 | u4[1] << 8 | u4[0]) #UCS-4数値にしてreturn
311 def self.u4itou4(num)
312 return "" if num == nil
313 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
315 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
317 u4 = Character.u4itou4(char_id)
318 u8 = Uconv.u4tou8(u4)
321 #raise ArgumentError, "invalid char_id (#{char_id})", caller(1)
327 #----------------------------------------------------------------------
328 def check_database(a)
331 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。
334 def check_all_database() #現在の@char_idから、文字データベースを参照する
335 return if @check_all_database
336 return if @char_id == nil
339 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
341 @attributes[a] = v #とかいう感じで代入するのでええかな?
343 @check_all_database = true #重い処理なので一応checkする
346 #----------------------------------------------------------------------
348 #ar = %w{ucs ucs-big5 ucs-cdp ucs-cns ucs-jis ucs-ks =>ucs =>ucs* =>ucs-jis}
349 #ar = %w{ucs ucs-jis ucs-big5 ucs-cdp ucs-cns ucs-ks =>ucs =>ucs* =>ucs-jis}
350 ar = %w{ucs-jis ucs =>ucs-jis}
351 #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。
353 u = get_char_attribute(a)
359 #----------------------------------------------------------------------CCS関係
360 def to_utf8() Uconv.u4tou8(Character.u4itou4(ucs())) end #UTF8文字列を返す
365 if u.nil? || 0xffff < u
373 if u.nil? || 0xffff < u
376 return Character.get(u).to_er()
381 return "" if u.nil? || 0xffff < u
382 Uconv.u16toeuc(Uconv.u4tou16(Character.u4itou4(ucs())))
391 return "" if u.nil? || 0xffff < u
392 Uconv.u16tosjis(Uconv.u4tou16(Character.u4itou4(ucs())))
400 #----------------------------------------------------------------------
401 def to_er(codesys=nil) #実体参照を返す、希望するcodesysが引数(未実装)
402 return "" if @char_id == nil
403 # return sprintf("&U+%04X;", @char_id) if @char_id <= 0xffff
404 return sprintf("&#x%04x;", @char_id) if @char_id <= 0xffff
405 # return sprintf("&#%05d;", @char_id) if @char_id <= 0xffff
406 # return sprintf("&U-%05X;", @char_id) if @char_id <= 0xfffff
407 return sprintf("&#x%05x;", @char_id) if @char_id <= 0xfffff
408 # return sprintf("&#%06d;", @char_id) if @char_id <= 0xfffff
409 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
412 return sprintf("&#{er_prefix}%0#{keta}#{numtype};", code)
414 return sprintf("&MCS-%08X;", @char_id) #本当はこれは無しにしたい
418 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
420 ar << er if er != nil
426 return "<>" if @char_id == nil
427 ar = [to_utf8(), to_er().sub(/^&/,'').chop]
430 alias inspect inspect_x
431 def inspect_all_codesys()
432 #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
436 alist.to_a.sort.each {|a, v| ar << "#{a}:#{v}" }
437 return ar.join(',')+">"
441 alist.to_a.sort.each {|a, v|
442 str += "#{a}: #{v}\n"
447 def inspect_ids(hex_flag=false)
450 ar << (hex_flag ? "x"+mcs_hex : to_utf8)
451 if to_s != ids #idsが部品そのものだったら部品追加はしない
456 ar << "x"+char.mcs_hex
468 return "("+ar.join("\t")+")"
471 #----------------------------------------------------------------------IDS関係
475 # return idss if idss
476 return k if self.is_basic_kanji? #基本漢字はstop kanjiとするぞと。
478 idss = self['ids-aggregated']
479 return idss if idss != nil && 0 < idss.length && k != idss
481 return idss if idss != nil && 0 < idss.length && k != idss
483 # return k if idss.nil? || idss.length == 0 || k == idss
484 # if idss.char_length == 2
485 # p ['What???', k, idss, k.inspect_all]
486 # #return idssx[1] #二個目だけ返すとか?
487 # return k #IDSに展開する方法が無いと。
489 # return k if k == idss
490 # if idss.include?(k) #<C5-4C4D><C6-4A37>この二文字のBUG対策
491 # #return idss.sub(k, '')
492 # return k #IDSに展開する方法が無いと。
496 def is_ids?() 0x2ff0 <= @char_id && @char_id <= 0x2fff end
497 def ids_operator_argc()
498 return 0 unless is_ids?
499 return 3 if @char_id == 0x2ff2 || @char_id == 0x2ff3
504 class DBS #======================================================================複数のDBを集めたclass
507 class ADB < BDB::Hash #======================================================================一つのDB
508 def initialize(*args)
513 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。
517 def self.open_create(filename)
518 ADB.open(filename, nil, BDB::CREATE | BDB::EXCL) #上書きはしない
522 if key.char_length == 1
523 return '?'+key #Stringだったら引く前に?を足す
526 #key = key.to_s if key.is_a?(Numeric) #NumberだったらStringにする。
527 #ここで && key ! =~ /^\?/ をいれると、?自身を検索できなくなってしまう。
532 return v.to_i if v =~ /^\d+$/ #数字だったらここで変換しておく
533 return v.sub(/^\?/, '') if v =~ /^\?/ #冒頭の?は取り除く
534 return $1 if v =~ /^"(.+)"$/ #最初と最後に"がついていたら、取り除く
535 #p ['get', v, t, key, db]
536 #return parse_sexp(v) if v =~ /^\(.+\)$/ #最初と最後が()の時は、S式にparseする
539 def myget(key) #keyキーを引いて返す
541 v = get(key) #存在しなかったらnilを返すことになる
544 def myput(key, v) #keyにvをいれる
551 class DB #======================================================= データベース群のabstract class
552 def self.unix_to_win(unix) #Windowsファイル名制限のため、変換する
553 win = unix.gsub(/</, '(')
559 def self.win_to_unix(win)
560 unix = win.gsub(%r|\)|, '>')
561 unix.gsub!(%r|\(|, '<')
562 unix.gsub!(%r|!|, '?')
563 unix.gsub!(%r|\+|, '*')
566 # def windows?() DB.windows?() end
568 return @pre + DB.unix_to_win(t) + @post if windows?
569 return @pre + t + @post
571 def get_dirname(t) File.dirname(get_filename(t)) end
575 keys.each {|key| open_db(key) }
580 next if ! File.file?(f)
586 t = DB.win_to_unix(f)
587 t.sub!(%r|^#{@pre}|, '')
588 t.sub!(%r|#{@post}$|, '') if @post != ""
596 return nil if db.nil?
601 return nil if get(t) #すでにopenしていたら再openはしない。
603 bdb = ADB.open(get_filename(t), nil, 0)
604 @dbs[t] = bdb if bdb != nil
606 p ["open error", get_filename(t)]; return nil
610 def make_db(t, h=nil) #tという名前でhという中身のデータベースを作る
611 return nil if get(t) #すでにある場合はreturn
612 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
615 db = ADB.open_create(get_filename(t)) #上書きはしない
618 k = '?'+k if k.is_a?(String)
624 p ["make error", get_filename(t)]; return nil
628 def make_db_no_question_mark(t, h=nil) #tという名前でhという中身のデータベースを作る
629 return nil if get(t) #すでにある場合はreturn
630 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
633 db = ADB.open_create(get_filename(t)) #上書きはしない
636 # k = '?'+k if k.is_a?(String)
642 p ["make error", get_filename(t)]; return nil
646 def remove_db(t) #tという名前のデータベースを消去する
653 File.unlink(get_filename(t)) if FileTest.file?(get_filename(t))
655 p ["unlink error", get_filename(t)]; return nil
658 Dir.rmdir(dn) if FileTest.directory?(dn) && Dir.entries(dn).length <= 2 #空directoryだったら消す
662 return s.to_i if s =~ /^\d+$/
668 file = get_filename(t)
669 open("#{file}.txt", "w"){|out|
670 # out.binmode.sync = true
672 ar.map! {|k, v| [to_num(k), to_num(v)] }
674 out.printf("%s\t%s\n", k, v)
679 def each_db() @dbs.to_a.sort.each {|t, db| yield(t, db) } end
680 def dump_all() each_db {|t, db| dump_db(t) } end
681 def close_all() each_db {|t, db| db.close } end
682 def keys() @dbs.keys end
684 return unless block_given?
690 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
691 vv = get(t, k) #p ['each', t, k, v, vv]
696 return unless block_given?
700 ar.map! {|k, v| [to_num(k), to_num(v)] }
702 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
703 vv = get(t, k) #p ['each', t, k, v, vv]
707 #----------------------------------------------------------------------
708 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
710 return db if key.nil?
714 def put(t, key, v) #tというデータベースのkeyにvをいれる
721 db.myput(key, v) #putする
725 class CharDB < DB #------------------------------------ MCS-UTF8をキーとした属性へのデータベース
729 @glob, @pre, @post = "#{DB_DIR}/system-char-id/*", "#{DB_DIR}/system-char-id/", ""
732 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
736 atrs[t] = v if v != nil
742 class CodesysDB < DB #----------------------------------------------------------------------
746 @glob, @pre, @post = "#{DB_DIR}/*/system-char-id", "#{DB_DIR}/", "/system-char-id"
749 #def keys() @dbs.keys.sort end #どんなCodesysの情報を持っているかの一覧
750 def keys() @dbs.keys end #どんなCodesysの情報を持っているかの一覧
754 return Codesys.new(t)
758 class Codesys < DB #======================================================================
762 @dbs = CodesysDB.instance
764 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
765 ks = @dbs.get(@name).keys
766 if @name =~ /jisx0208/ #特別処理
767 n = @dbs.get('=jis-x0208').keys
768 # p ['keys', @name, ks, n]
771 ks.map! {|k| to_num(k) }
775 v = @dbs.get(@name, key)
777 if @name =~ /jisx0208/ #jisx0208が含まれている場合だけ特別処理する
778 return @dbs.get('=jis-x0208', key)
783 return unless block_given?
789 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
790 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
795 return unless block_given?
799 ar.map! {|k, v| [to_num(k), to_num(v)] }
801 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
802 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
808 class IDS_TEXT_DB < DB #======================================================================
811 IDS_DB_DIR = 'd:/work/chise/ids/' #この後にIDS-JIS-X0208-1990.txtという感じに続く
813 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
817 #IDS-UCS-Compat-Supplement.txt
826 IDS-JIS-X0208-1990.txt
847 @glob, @pre, @post = "#{IDS_DB_DIR}/db/*", "#{IDS_DB_DIR}/db/", ""
848 dir = File.dirname(@pre)
849 Dir.mkdir(dir) unless FileTest.exist?(dir)
853 return unless block_given?
854 @ids_list.each {|file|
856 yield(IDS_DB_DIR+file)
862 next if line =~ /^;/ #コメントはとばす
864 code, char, ids = line.split
865 yield(code, char, ids)
871 dir = File.dirname(file) + '/../ids-new/'
872 Dir.mkdir(dir) if ! FileTest.directory?(dir)
873 newfile = dir + File.basename(file)
875 open(newfile, "w"){|out|
876 out.binmode.sync = true
877 each_line(file){|code, ch, ids|
878 char = Character.get(ch)
880 out.print "#{code} #{ch} #{ids}\n"
887 dir = File.dirname(file) + '/../ids-error'
888 Dir.mkdir(dir) unless FileTest.exist?(dir)
889 errfile = dir + '/' + File.basename(file)
891 open(errfile, "w"){|out|
892 out.binmode.sync = true
893 each_line(file){|code, ch, ids|
894 char = Character.get(ch)
895 ids_error = char['ids-error']
896 next if ids_error.nil?
897 out.print "#{code} #{ch} #{ids} #{ids_error}\n"
904 class IDS_DB < DB #======================================================================BDB化したIDS DBを扱う
907 @dbs = CharDB.instance
910 db = IDS_TEXT_DB.instance
913 @same_ids_counter = 0
914 @good_ids_counter = 0
915 @conflict_ids_counter = 0
916 db.each_line(file){|code, ch, ids|
919 ids = "" if ids == nil
920 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。
922 charimg = Character.get(ch) #実体参照である可能性がある
924 next if code =~ /'$/ || code =~ /"$/ #大漢和番号のダッシュ付きは無視する
925 char = Character.get("&"+code+";") #code表記を元に実体参照を作って解釈する
926 if char.nil? || char.to_s == "" #うまく文字にならなかった
927 print "char == null #{char.inspect} #{code} #{ch} #{ids}\n" unless code =~ /^M-/ || code =~ /^CB/
928 #大漢和、CBETA以外の場合は、エラーメッセージ。
931 if char != charimg #code表記と文字が一致していない?
932 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
933 print "unknown char #{char.inspect} #{code} #{ch} #{ids}\n"
934 next #それ以外の場合はエラーメッセージをだして、次へ。
937 #next if !char.has_attribute? #isolated characterはまぎれこませない。
939 ids.de_er! #実体参照を解除する
940 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
941 next if ids.char_length == 1
943 idstree = IDS_Tree.new(ids)
944 c = idstree.check_integrity
945 c = "contains self" if ids.include?(char.to_s)
946 if c #ちょっとでもエラーがある場合は、
947 char['ids-error'] = c #エラーを記録して、データとしては保持しない
951 if char['ids'].nil? || char['ids'] == "" #元々IDSが無かった場合は、
952 char['ids'] = ids #普通に代入すればそれでいいです。
953 @good_ids_counter += 1
954 else #しかしいままでにすでにIDSが定義されていた場合は?
955 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。
956 @same_ids_counter += 1
957 else #しかしいままでのIDSと新しいIDSが食い違った場合は?
958 @conflict_ids_counter += 1
959 # print "conflict #{char.inspect} #{code} #{ids} #{char['ids']}\n"
963 print "#{file} #{@char_counter} #{@same_ids_counter} #{@conflict_ids_counter} #{@good_ids_counter}\n"
964 CharacterFactory.instance.reset()
966 @dbs.dump_db('ids-error') #テキスト化する
967 @dbs.dump_db('ids') #テキスト化する
971 @dbs.each('ids') {|k, v|
974 h[ids] = "" if h[ids].nil?
978 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
980 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。
983 print "length #{h.length}\n"
984 cdb = CodesysDB.instance
985 cdb.make_db_no_question_mark('ids', h)
986 cdb.open_db('ids') #これが無いと、dump_dbされません。
989 def char_sort(composed)
990 return composed if composed.char_length == 1
996 if char.char_id < 0xfffff #Unicodeっぽい?
1002 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1006 # p [codesys, v] if v
1007 if v #EntityReferenceの順番に準拠する。
1015 # p ['yokuwakaran character', ar, ar[0].inspect_all, arorg]
1016 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
1020 # p [codesys, v] if v
1026 def dump_ids_duplicated
1027 open('ids-duplicated.txt', 'w'){|out|
1029 CodesysDB.instance.each('ids') {|k, v|
1031 out.print "nil #{k} #{v}\n"
1036 out.print "#{n} #{k} #{v}"
1039 out.print " #{char.inspect}"
1045 def make_ids_aggregated
1046 @dbs.each('ids') {|k, v|
1048 ids = char.decompose
1050 char['ids-aggregated'] = ag
1052 @dbs.dump_db('ids-aggregated')
1054 def dump_ids_aggregated
1055 open('ids-aggregated.txt', 'w'){|out|
1057 @dbs.each('ids') {|k, v|
1060 ag = char['ids-aggregated']
1061 out.print "#{char.to_s} #{ag} #{ids}\n" if ids != ag
1066 @dbs.each('ids') {|k, v|
1072 ids = pids.decompose
1073 break if ids == pids #これ以上分割できないようだったら終了〜。
1076 p [char.to_s, pids, ids, ar] if 10 < counter #これは何かおかしいぞと
1081 #やっぱりIDS文字も加えることにする. by eto 2003-02-05
1082 # ar.delete_if {|ch|
1083 # ch.char.is_ids? #IDS文字はまぎれこませない。
1086 char['ids-parts'] = str
1088 @dbs.dump_db('ids-parts')
1090 def make_ids_contained
1092 @dbs.each('ids-parts') {|k, v|
1094 parts = char.ids_parts
1095 parts.each_char {|ch|
1097 h[ch] = [] if h[ch].nil?
1100 # part['ids-contained'] = "" if part['ids-contained'].nil?
1101 # part['ids-contained'] += k
1107 char['ids-contained'] = v.join('')
1110 @dbs.dump_db('ids-contained')
1112 def make_ids_decomposed
1113 @dbs.each('ids') {|k, v|
1115 de= char.decompose_all
1116 char['ids-decomposed'] = de
1118 @dbs.dump_db('ids-decomposed')
1122 class Node < Array #=======================================================木構造の中の一つの枝
1123 def initialize(nodeleaf=nil, nodenum=nil)
1125 @nodeleaf = nodeleaf
1128 original_add(@nodeleaf)
1131 attr_reader :nodenum
1132 alias original_add <<
1133 private :original_add
1136 @nodenum -= 1 if @nodenum
1142 ar += n.nodes if n.is_a? Node
1148 class Tree #======================================================================木構造を扱う
1153 @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
1155 def depth() @depth - 1 end
1156 def add_node(nodeleaf=nil, nodenum=nil) #枝を追加
1157 new_node = Node.new(nodeleaf, nodenum)
1158 @stack.last << new_node
1160 if @depth < @stack.length
1161 @depth = @stack.length
1165 def end_node() #この枝は終り
1169 def add_leaf(a) #葉を追加
1175 n = @stack.last.nodenum
1182 n = @stack.last.nodenum
1183 return nil if @root.length == 0 #no tree is good tree
1184 return "unmatch leaves" if n && n != 0
1185 return "extra nodes" if @root.first.is_a?(Node) && @root.length != 1
1186 return "extra leaves" if @root.length != 1
1199 def to_s() @root.to_s end
1200 def inspect() @root.inspect end
1203 class IDS_Tree < Tree #======================================================================
1210 @str.each_char {|ch|
1211 char = Character.new(ch)
1213 add_node(char, ids_operator_argc(char))
1220 return true if "+*".include?(obj.to_s) #テスト用ですかね
1221 return true if obj.is_ids?
1224 def ids_operator_argc(obj)
1225 return obj.ids_operator_argc if 0 < obj.ids_operator_argc
1230 return r if r #不完全がすでにわかっているならreturn
1231 return "contains ques" if @str =~ /\?/ #?が含まれている?
1237 class IDS #======================================================================IDSそのものを扱うclass
1238 def initialize(str) #IDS文字列をうけとる。
1243 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。
1247 class Counter #======================================================================
1249 #counter = Counter.new(50) { exit }
1264 class DBS_Management #======================================================================ファイル管理
1265 OBSOLETE_ATTRIBUTES = "
1296 ancient-ideograph-of
1297 ancient-char-of-shinjigen-1
1298 original-ideograph-of
1299 original-char-of-shinjigen-1
1300 simplified-ideograph-of
1302 vulgar-char-of-shinjigen-1
1304 ideographic-variants
1305 variant-of-shinjigen-1
1310 @odir = DB_DIR+"/system-char-id/obsolete" #直打ちしている。
1312 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
1313 db = CharDB.instance
1315 Dir.mkdir(@odir) unless FileTest.directory? @odir
1316 OBSOLETE_ATTRIBUTES.each {|attr|
1317 next if attr =~ /^#/
1318 filename = db.get_filename(attr)
1319 move_to_obsolete(filename)
1320 move_to_obsolete(filename+".txt")
1323 def move_to_obsolete(file)
1324 cmd = "mv #{file} #{@odir}"
1332 #JP_JOYO_FILE = DB_DIR+"/../jp-joyo.txt" #EUC-jisx0213
1333 JP_JOYO_FILE = DB_DIR+"/../joyo-ucs.txt" #UCS
1334 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"
1335 # COMPOSIT_KANJI = "鳴名加品古"
1342 open(JP_JOYO_FILE) {|f|
1344 next if line =~ /^;/ #コメントはとばす
1346 #stroke, nchar, ochar = line.split #new char, old char, old charはnilが多い
1347 stroke, nchar = line.split
1355 print char.inspect_ids(true), "\t;", char.inspect_ids(false), "\n"
1362 #----------------------------------------------------------------------終了