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"
230 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"
232 BASIC_KANJI.include?(self.to_s)
235 def initialize(char_id=nil)
236 @char_id = Character.parse_char_id(char_id)
237 @attributes = Hash.new
238 @check_all_database = false
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 ucs-jis =>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
364 #----------------------------------------------------------------------
365 def to_er(codesys=nil) #実体参照を返す、希望するcodesysが引数(未実装)
366 return "" if @char_id == nil
367 return sprintf("&U+%04X;", @char_id) if @char_id <= 0xffff
368 return sprintf("&U-%05X;", @char_id) if @char_id <= 0xfffff
369 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
372 return sprintf("&#{er_prefix}%0#{keta}#{numtype};", code)
374 return sprintf("&MCS-%08X;", @char_id) #本当はこれは無しにしたい
378 EntityReference.each_codesys {|codesys, er_prefix, keta, numtype|
380 ar << er if er != nil
386 return "<>" if @char_id == nil
387 ar = [to_utf8(), to_er().sub(/^&/,'').chop]
390 alias inspect inspect_x
391 def inspect_all_codesys()
392 #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
396 alist.to_a.sort.each {|a, v| ar << "#{a}:#{v}" }
397 return ar.join(',')+">"
401 alist.to_a.sort.each {|a, v|
402 str += "#{a}: #{v}\n"
407 def inspect_ids(hex_flag=false)
410 ar << (hex_flag ? mcs_hex : to_utf8)
411 if to_s != ids #idsが部品そのものだったら部品追加はしない
428 return "("+ar.join("\t")+")"
431 #----------------------------------------------------------------------IDS関係
435 # return idss if idss
436 return k if self.is_basic_kanji? #基本漢字はstop kanjiとするぞと。
438 idss = self['ids-aggregated']
439 return idss if idss != nil && 0 < idss.length && k != idss
441 return idss if idss != nil && 0 < idss.length && k != idss
443 # return k if idss.nil? || idss.length == 0 || k == idss
444 # if idss.char_length == 2
445 # p ['What???', k, idss, k.inspect_all]
446 # #return idssx[1] #二個目だけ返すとか?
447 # return k #IDSに展開する方法が無いと。
449 # return k if k == idss
450 # if idss.include?(k) #<C5-4C4D><C6-4A37>この二文字のBUG対策
451 # #return idss.sub(k, '')
452 # return k #IDSに展開する方法が無いと。
456 def is_ids?() 0x2ff0 <= @char_id && @char_id <= 0x2fff end
457 def ids_operator_argc()
458 return 0 unless is_ids?
459 return 3 if @char_id == 0x2ff2 || @char_id == 0x2ff3
464 class DBS #======================================================================複数のDBを集めたclass
467 class ADB < BDB::Hash #======================================================================一つのDB
468 def initialize(*args)
473 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。
477 def self.open_create(filename)
478 ADB.open(filename, nil, BDB::CREATE | BDB::EXCL) #上書きはしない
482 if key.char_length == 1
483 return '?'+key #Stringだったら引く前に?を足す
486 #key = key.to_s if key.is_a?(Numeric) #NumberだったらStringにする。
487 #ここで && key ! =~ /^\?/ をいれると、?自身を検索できなくなってしまう。
492 return v.to_i if v =~ /^\d+$/ #数字だったらここで変換しておく
493 return v.sub(/^\?/, '') if v =~ /^\?/ #冒頭の?は取り除く
494 return $1 if v =~ /^"(.+)"$/ #最初と最後に"がついていたら、取り除く
495 #p ['get', v, t, key, db]
496 #return parse_sexp(v) if v =~ /^\(.+\)$/ #最初と最後が()の時は、S式にparseする
499 def myget(key) #keyキーを引いて返す
501 v = get(key) #存在しなかったらnilを返すことになる
504 def myput(key, v) #keyにvをいれる
511 class DB #======================================================= データベース群のabstract class
512 def self.unix_to_win(unix) #Windowsファイル名制限のため、変換する
513 win = unix.gsub(/</, '(')
519 def self.win_to_unix(win)
520 unix = win.gsub(%r|\)|, '>')
521 unix.gsub!(%r|\(|, '<')
522 unix.gsub!(%r|!|, '?')
523 unix.gsub!(%r|\+|, '*')
526 # def windows?() DB.windows?() end
528 return @pre + DB.unix_to_win(t) + @post if windows?
529 return @pre + t + @post
531 def get_dirname(t) File.dirname(get_filename(t)) end
535 keys.each {|key| open_db(key) }
540 next if ! File.file?(f)
546 t = DB.win_to_unix(f)
547 t.sub!(%r|^#{@pre}|, '')
548 t.sub!(%r|#{@post}$|, '') if @post != ""
556 return nil if db.nil?
561 return nil if get(t) #すでにopenしていたら再openはしない。
563 bdb = ADB.open(get_filename(t), nil, 0)
564 @dbs[t] = bdb if bdb != nil
566 p ["open error", get_filename(t)]; return nil
570 def make_db(t, h=nil) #tという名前でhという中身のデータベースを作る
571 return nil if get(t) #すでにある場合はreturn
572 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
575 db = ADB.open_create(get_filename(t)) #上書きはしない
578 k = '?'+k if k.is_a?(String)
584 p ["make error", get_filename(t)]; return nil
588 def make_db_no_question_mark(t, h=nil) #tという名前でhという中身のデータベースを作る
589 return nil if get(t) #すでにある場合はreturn
590 Dir.mkdir(get_dirname(t)) unless FileTest.exist?(get_dirname(t))
593 db = ADB.open_create(get_filename(t)) #上書きはしない
596 # k = '?'+k if k.is_a?(String)
602 p ["make error", get_filename(t)]; return nil
606 def remove_db(t) #tという名前のデータベースを消去する
613 File.unlink(get_filename(t)) if FileTest.file?(get_filename(t))
615 p ["unlink error", get_filename(t)]; return nil
618 Dir.rmdir(dn) if FileTest.directory?(dn) && Dir.entries(dn).length <= 2 #空directoryだったら消す
622 return s.to_i if s =~ /^\d+$/
628 file = get_filename(t)
629 open("#{file}.txt", "w"){|out|
630 # out.binmode.sync = true
632 ar.map! {|k, v| [to_num(k), to_num(v)] }
634 out.printf("%s\t%s\n", k, v)
639 def each_db() @dbs.to_a.sort.each {|t, db| yield(t, db) } end
640 def dump_all() each_db {|t, db| dump_db(t) } end
641 def close_all() each_db {|t, db| db.close } end
642 def keys() @dbs.keys end
644 return unless block_given?
650 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
651 vv = get(t, k) #p ['each', t, k, v, vv]
656 return unless block_given?
660 ar.map! {|k, v| [to_num(k), to_num(v)] }
662 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
663 vv = get(t, k) #p ['each', t, k, v, vv]
667 #----------------------------------------------------------------------
668 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
670 return db if key.nil?
674 def put(t, key, v) #tというデータベースのkeyにvをいれる
681 db.myput(key, v) #putする
685 class CharDB < DB #------------------------------------ MCS-UTF8をキーとした属性へのデータベース
689 @glob, @pre, @post = "#{DB_DIR}/system-char-id/*", "#{DB_DIR}/system-char-id/", ""
692 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
696 atrs[t] = v if v != nil
702 class CodesysDB < DB #----------------------------------------------------------------------
706 @glob, @pre, @post = "#{DB_DIR}/*/system-char-id", "#{DB_DIR}/", "/system-char-id"
709 #def keys() @dbs.keys.sort end #どんなCodesysの情報を持っているかの一覧
710 def keys() @dbs.keys end #どんなCodesysの情報を持っているかの一覧
714 return Codesys.new(t)
718 class Codesys < DB #======================================================================
722 @dbs = CodesysDB.instance
724 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
725 ks = @dbs.get(@name).keys
726 if @name =~ /jisx0208/ #特別処理
727 n = @dbs.get('=jis-x0208').keys
728 # p ['keys', @name, ks, n]
731 ks.map! {|k| to_num(k) }
735 v = @dbs.get(@name, key)
737 if @name =~ /jisx0208/ #jisx0208が含まれている場合だけ特別処理する
738 return @dbs.get('=jis-x0208', key)
743 return unless block_given?
749 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
750 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
755 return unless block_given?
759 ar.map! {|k, v| [to_num(k), to_num(v)] }
761 k.sub!(/^\?/, '') if k =~ /^\?/ #冒頭の?は取り除く
762 vv = @dbs.get(@name, k) #p ['each', t, k, v, vv]
768 class IDS_TEXT_DB < DB #======================================================================
771 IDS_DB_DIR = 'd:/work/chise/ids/' #この後にIDS-JIS-X0208-1990.txtという感じに続く
773 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
777 #IDS-UCS-Compat-Supplement.txt
786 IDS-JIS-X0208-1990.txt
807 @glob, @pre, @post = "#{IDS_DB_DIR}/db/*", "#{IDS_DB_DIR}/db/", ""
808 dir = File.dirname(@pre)
809 Dir.mkdir(dir) unless FileTest.exist?(dir)
813 return unless block_given?
814 @ids_list.each {|file|
816 yield(IDS_DB_DIR+file)
822 next if line =~ /^;/ #コメントはとばす
824 code, char, ids = line.split
825 yield(code, char, ids)
831 dir = File.dirname(file) + '/../ids-new/'
832 Dir.mkdir(dir) if ! FileTest.directory?(dir)
833 newfile = dir + File.basename(file)
835 open(newfile, "w"){|out|
836 out.binmode.sync = true
837 each_line(file){|code, ch, ids|
838 char = Character.get(ch)
840 out.print "#{code} #{ch} #{ids}\n"
847 dir = File.dirname(file) + '/../ids-error'
848 Dir.mkdir(dir) unless FileTest.exist?(dir)
849 errfile = dir + '/' + File.basename(file)
851 open(errfile, "w"){|out|
852 out.binmode.sync = true
853 each_line(file){|code, ch, ids|
854 char = Character.get(ch)
855 ids_error = char['ids-error']
856 next if ids_error.nil?
857 out.print "#{code} #{ch} #{ids} #{ids_error}\n"
864 class IDS_DB < DB #======================================================================BDB化したIDS DBを扱う
867 @dbs = CharDB.instance
870 db = IDS_TEXT_DB.instance
873 @same_ids_counter = 0
874 @good_ids_counter = 0
875 @conflict_ids_counter = 0
876 db.each_line(file){|code, ch, ids|
879 ids = "" if ids == nil
880 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。
882 charimg = Character.get(ch) #実体参照である可能性がある
884 next if code =~ /'$/ || code =~ /"$/ #大漢和番号のダッシュ付きは無視する
885 char = Character.get("&"+code+";") #code表記を元に実体参照を作って解釈する
886 if char.nil? || char.to_s == "" #うまく文字にならなかった
887 print "char == null #{char.inspect} #{code} #{ch} #{ids}\n" unless code =~ /^M-/ || code =~ /^CB/
888 #大漢和、CBETA以外の場合は、エラーメッセージ。
891 if char != charimg #code表記と文字が一致していない?
892 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
893 print "unknown char #{char.inspect} #{code} #{ch} #{ids}\n"
894 next #それ以外の場合はエラーメッセージをだして、次へ。
897 next if !char.has_attribute? #isolated characterはまぎれこませない。
899 ids.de_er! #実体参照を解除する
900 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
901 next if ids.char_length == 1
903 idstree = IDS_Tree.new(ids)
904 c = idstree.check_integrity
905 c = "contains self" if ids.include?(char.to_s)
906 if c #ちょっとでもエラーがある場合は、
907 char['ids-error'] = c #エラーを記録して、データとしては保持しない
911 if char['ids'].nil? || char['ids'] == "" #元々IDSが無かった場合は、
912 char['ids'] = ids #普通に代入すればそれでいいです。
913 @good_ids_counter += 1
914 else #しかしいままでにすでにIDSが定義されていた場合は?
915 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。
916 @same_ids_counter += 1
917 else #しかしいままでのIDSと新しいIDSが食い違った場合は?
918 @conflict_ids_counter += 1
919 # print "conflict #{char.inspect} #{code} #{ids} #{char['ids']}\n"
923 print "#{file} #{@char_counter} #{@same_ids_counter} #{@conflict_ids_counter} #{@good_ids_counter}\n"
924 CharacterFactory.instance.reset()
926 @dbs.dump_db('ids-error') #テキスト化する
927 @dbs.dump_db('ids') #テキスト化する
931 @dbs.each('ids') {|k, v|
934 h[ids] = "" if h[ids].nil?
938 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
940 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。
943 print "length #{h.length}\n"
944 cdb = CodesysDB.instance
945 cdb.make_db_no_question_mark('ids', h)
946 cdb.open_db('ids') #これが無いと、dump_dbされません。
949 def char_sort(composed)
950 return composed if composed.char_length == 1
956 if char.char_id < 0xfffff #Unicodeっぽい?
962 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
966 # p [codesys, v] if v
967 if v #EntityReferenceの順番に準拠する。
975 # p ['yokuwakaran character', ar, ar[0].inspect_all, arorg]
976 EntityReference.each_codesys{|codesys, er_prefix, keta, numtype|
980 # p [codesys, v] if v
986 def dump_ids_duplicated
987 open('ids-duplicated.txt', 'w'){|out|
989 CodesysDB.instance.each('ids') {|k, v|
991 out.print "nil #{k} #{v}\n"
996 out.print "#{n} #{k} #{v}"
999 out.print " #{char.inspect}"
1005 def make_ids_aggregated
1006 @dbs.each('ids') {|k, v|
1008 ids = char.decompose
1010 char['ids-aggregated'] = ag
1012 @dbs.dump_db('ids-aggregated')
1014 def dump_ids_aggregated
1015 open('ids-aggregated.txt', 'w'){|out|
1017 @dbs.each('ids') {|k, v|
1020 ag = char['ids-aggregated']
1021 out.print "#{char.to_s} #{ag} #{ids}\n" if ids != ag
1026 @dbs.each('ids') {|k, v|
1032 ids = pids.decompose
1033 break if ids == pids #これ以上分割できないようだったら終了〜。
1036 p [char.to_s, pids, ids, ar] if 10 < counter #これは何かおかしいぞと
1041 #やっぱりIDS文字も加えることにする. by eto 2003-02-05
1042 # ar.delete_if {|ch|
1043 # ch.char.is_ids? #IDS文字はまぎれこませない。
1046 char['ids-parts'] = str
1048 @dbs.dump_db('ids-parts')
1050 def make_ids_contained
1052 @dbs.each('ids-parts') {|k, v|
1054 parts = char.ids_parts
1055 parts.each_char {|ch|
1057 h[ch] = [] if h[ch].nil?
1060 # part['ids-contained'] = "" if part['ids-contained'].nil?
1061 # part['ids-contained'] += k
1067 char['ids-contained'] = v.join('')
1070 @dbs.dump_db('ids-contained')
1072 def make_ids_decomposed
1073 @dbs.each('ids') {|k, v|
1075 de= char.decompose_all
1076 char['ids-decomposed'] = de
1078 @dbs.dump_db('ids-decomposed')
1082 class Node < Array #=======================================================木構造の中の一つの枝
1083 def initialize(nodeleaf=nil, nodenum=nil)
1085 @nodeleaf = nodeleaf
1088 original_add(@nodeleaf)
1091 attr_reader :nodenum
1092 alias original_add <<
1093 private :original_add
1096 @nodenum -= 1 if @nodenum
1102 ar += n.nodes if n.is_a? Node
1108 class Tree #======================================================================木構造を扱う
1113 @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
1115 def depth() @depth - 1 end
1116 def add_node(nodeleaf=nil, nodenum=nil) #枝を追加
1117 new_node = Node.new(nodeleaf, nodenum)
1118 @stack.last << new_node
1120 if @depth < @stack.length
1121 @depth = @stack.length
1125 def end_node() #この枝は終り
1129 def add_leaf(a) #葉を追加
1135 n = @stack.last.nodenum
1142 n = @stack.last.nodenum
1143 return nil if @root.length == 0 #no tree is good tree
1144 return "unmatch leaves" if n && n != 0
1145 return "extra nodes" if @root.first.is_a?(Node) && @root.length != 1
1146 return "extra leaves" if @root.length != 1
1159 def to_s() @root.to_s end
1160 def inspect() @root.inspect end
1163 class IDS_Tree < Tree #======================================================================
1170 @str.each_char {|ch|
1171 char = Character.new(ch)
1173 add_node(char, ids_operator_argc(char))
1180 return true if "+*".include?(obj.to_s) #テスト用ですかね
1181 return true if obj.is_ids?
1184 def ids_operator_argc(obj)
1185 return obj.ids_operator_argc if 0 < obj.ids_operator_argc
1190 return r if r #不完全がすでにわかっているならreturn
1191 return "contains ques" if @str =~ /\?/ #?が含まれている?
1197 class IDS #======================================================================IDSそのものを扱うclass
1198 def initialize(str) #IDS文字列をうけとる。
1203 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。
1207 class Counter #======================================================================
1209 #counter = Counter.new(50) { exit }
1224 class DBS_Management #======================================================================ファイル管理
1225 OBSOLETE_ATTRIBUTES = "
1256 ancient-ideograph-of
1257 ancient-char-of-shinjigen-1
1258 original-ideograph-of
1259 original-char-of-shinjigen-1
1260 simplified-ideograph-of
1262 vulgar-char-of-shinjigen-1
1264 ideographic-variants
1265 variant-of-shinjigen-1
1270 @odir = DB_DIR+"/system-char-id/obsolete" #直打ちしている。
1272 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
1273 db = CharDB.instance
1275 Dir.mkdir(@odir) unless FileTest.directory? @odir
1276 OBSOLETE_ATTRIBUTES.each {|attr|
1277 next if attr =~ /^#/
1278 filename = db.get_filename(attr)
1279 move_to_obsolete(filename)
1280 move_to_obsolete(filename+".txt")
1283 def move_to_obsolete(file)
1284 cmd = "mv #{file} #{@odir}"
1292 #JP_JOYO_FILE = DB_DIR+"/../jp-joyo.txt" #EUC-jisx0213
1293 JP_JOYO_FILE = DB_DIR+"/../joyo-ucs.txt" #UCS
1300 open(JP_JOYO_FILE) {|f|
1302 next if line =~ /^;/ #コメントはとばす
1304 #stroke, nchar, ochar = line.split #new char, old char, old charはnilが多い
1305 stroke, nchar = line.split
1315 def dump_all_ids(hex_flag=false)
1318 # print char.inspect_ids(hex_flag), "\n"
1319 print char.inspect_ids(true), "\t;", char.inspect_ids(false), "\n"
1326 #----------------------------------------------------------------------終了