#!/usr/bin/env python #-*-coding:utf-8-*- #uiahoe - 將POJ的數字標記轉成調號。N,nn ~ -> 小n，ou、oo -> 葫蘆點。 #Author: Chen Yoxem #version:0.1.0（務必和下行一致） #LICENSE:GPL v3 (https://www.gnu.org/copyleft/gpl.html) version = '0.1.0' #版本號，字串，得和上行一致 import sys, re import string #import argparse #參數析出器（以後加參數時用） '''略合POJ規範的音節。存成 list。格式[聲母,母音,韻尾,數字音調]。如：['chh','e','ng','1']。 因子函數需要，故設為全域變數。''' global anal_syllable '''單一母音加調號''' def vowel_add_mark(vowel): #附調號小寫字母 dictionary marked_lit_vowel_lst = \ {'2': ('á', 'é', 'í', 'ó', 'ú'), '3': ('à', 'è' ,'ì' ,'ò' ,'ù'), '5': ('â', 'ê' ,'î' ,'ô' ,'û'), '7': ('ā' ,'ē' ,'ī' ,'ō' ,'ū'), '8': ('a̍', 'e̍', 'i̍', 'o̍', 'u̍') } #附調號大寫字母 dictionary marked_cap_vowel_lst = \ {'2': ('Á', 'É', 'Í', 'Ó' , 'Ú'), '3': ('À' ,'È' ,'Ì', 'Ò' ,'Ù'), '5': ('Â', 'Ê' ,'Î' ,'Ô' ,'Û'), '7': ('Ā', 'Ē' ,'Ī' ,'Ō' ,'Ū'), '8': ('A̍' ,'E̍' ,'I̍' ,'O̍' ,'U̍') } vowel_order = None #母音序。a = 0, e = 1, i = 2, o = 3, u = 4。預設為 None #母音列表（依正規表示式語法寫，vowel_order 註解列之序） vowel_list = ['[aA]', '[eE]', '[iI]', '[oO]', '[uU]'] for i in range(len(vowel_list)): vowel_order = i if re.match(vowel_list[i], vowel): #欲加調號母音符合哪個母音 #平聲不用加調號，故pass，因陽上已經變去，故不理該調值。 if anal_syllable[3] == '1' or anal_syllable[3] == '4': pass else: #print "enter line 48" if vowel in string.ascii_lowercase: #確認欲加號母音是小寫或否 vowel = marked_lit_vowel_lst[anal_syllable[3]][vowel_order] else: #大寫 vowel = marked_cap_vowel_lst[anal_syllable[3]][vowel_order] break #以後的不用比較是哪個母音了，為省時，離迴圈 else: pass return vowel '''主程式''' if len(sys.argv) == 1: print "請輸入欲轉換的POJ（數字符號形）。" exit() orig_content = "" #原來的POJ數字表記 for i in range(len(sys.argv)-1): orig_content = orig_content + " " + sys.argv[i+1] #整併待轉換文字（含空白） orig_content = orig_content[1:] #刪除頭一個字（空白） '''處理調號''' #音節list（），包含符號、標點、其他文字 syllable_list = re.split('([^a-zA-Z0-9]+)', orig_content) result = "" #輸出的結果（預設為空） '''對各音節進行處理''' for i in range(len(syllable_list)): syllable = syllable_list[i] #待處理音節 '''試將音節拆成各個組成成份，存成 anal_syllable。不行則跳過''' anal_pattern = re.compile(r"^([^aeiouAEIOU1-9]{0,2}?[hH]??)([aeiouAEIOU]{0,3})([ptkhmPTKHM]?|[nN][gnGN]?)([1-8]?)$") #分拆的方式。 #matching pattern，即略合POJ規範的音節 match_pattern = anal_pattern.match(syllable) #重新檢核音節格式。不合白話字規定的音節視為不合 match_pattern。 if re.match('^[^a-zA-Z0-9]+$', syllable): match_pattern = None else: pass #不符合則不進行轉換動作（包含空白、連字號），只將它附加到輸出結果 if not match_pattern: result = result + syllable #符合則替代基本字元 else: #分拆略合POJ規範的音節。存成 list。 #格式[聲母,母音,韻尾,數字音調]。如：['chh','e','ng','1'] anal_syllable = list(match_pattern.groups()) '''補上省略後的數字音調、或修改符號格式。''' if anal_syllable[3] == "": if re.match("[ptkhPTKH]",anal_syllable[2]): #陰入聲 anal_syllable[3] = "4" else :#陰平聲 anal_syllable[3] = "1" #因泉州方言的第六聲目前無統一的撰寫方式，故直接轉為第七聲。是為「陽上變去」。 if anal_syllable[3] == '6': anal_syllable[3] = "7" if re.match("[nN]{2}",anal_syllable[2]): #鼻化音 anal_syllable[2] = "ⁿ" '''將調號轉換為正常格式''' '''無韻母（如 hng mng ）''' if anal_syllable[1] == "" : if anal_syllable[3] == "2": #陰上 #i.e. nasal_consonant_list。鼻音子音（不含ng）列表。 nasal_cons_list = ['m', 'n', 'M', 'N'] #轉換第二聲調值的鼻子音列表（ng不列）。 converted_nasal_cons_list = ['ḿ', 'ń', 'Ḿ', 'Ń'] for i in range(len(nasal_cons_list)): #比對頭子音 if re.match(nasal_cons_list[i], anal_syllable[2][0]): if len(anal_syllable) == 1: #m2, n2 anal_syllable[2] = converted_nasal_cons_list[i] else: #ng2 anal_syllable[2] = converted_nasal_cons_list[i] +\ anal_syllable[2][1] break #以後的字母因為一定不合，不比了。 elif anal_syllable[3] == '3': #陰去 if len(anal_syllable[2]) == 1: #m3 or n3 anal_syllable[2] = anal_syllable[2] + '\xcc\x80' else: #ng3 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x80' +\ anal_syllable[2][1] elif anal_syllable[3] == '5': #陽平 if len(anal_syllable[2]) == 1: #m5 or n5 anal_syllable[2] = anal_syllable[2] + '\xcc\x82' else: #ng5 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x82' +\ anal_syllable[2][1] #陽去和陽上（數字編號已轉換為7） elif anal_syllable[3] == '7' : if len(anal_syllable[2]) == 1: #m7 or n7 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x84' else: #ng7 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x84' +\ anal_syllable[2][1] elif anal_syllable[3] == '8': #陽入 if len(anal_syllable[2]) == 1: #m7 or n7 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x8d' else: #ng7 anal_syllable[2] = anal_syllable[2][0] + '\xcc\x8d' +\ anal_syllable[2][1] else: #陰平、陰入 pass else: #有母音型 '''轉寫規則（優先次序先到後排）： i- ,u- 雙母音，i u 不記調號。但 iu 則記調號於 u上。(IÚ) 三母音或兩個母音後面加塞爆音或鼻音，則記於第二母音。 (koān, huâi) 其餘標於第一母音。 ''' if len(anal_syllable[1]) == 1: #單母音 anal_syllable[1] = vowel_add_mark(anal_syllable[1]) #加母音 elif len(anal_syllable[1]) == 2: #雙母音 if re.match('[iI][uU]',anal_syllable[1]): #iu anal_syllable[1] = anal_syllable[1][0] + \ vowel_add_mark(anal_syllable[1][1]) #oo, ou-> 加調號並加右上角小點（葫蘆點） elif re.match('[oO][ouOU]',anal_syllable[1]): anal_syllable[1] = vowel_add_mark(anal_syllable[1][0])+\ '\xcd\x98' #i- & u- ,except iu- elif re.match('^[iuIU].$', anal_syllable[1]): anal_syllable[1] = anal_syllable[1][0] + \ vowel_add_mark(anal_syllable[1][1]) #韻母（母音加韻尾）字數不小於 3。 #對雙母音而言，即有韻尾（但不考慮鼻化音） elif anal_syllable[2] != '' and anal_syllable[2] != 'ⁿ': anal_syllable[1] = anal_syllable[1][0] + \ vowel_add_mark(anal_syllable[1][1]) else: #oa, oe ->調號標於o anal_syllable[1] = vowel_add_mark(anal_syllable[1][0])+\ anal_syllable[1][1] else: #三母音 anal_syllable[1] = anal_syllable[1][0] +\ vowel_add_mark(anal_syllable[1][1]) +\ anal_syllable[1][2] #將聲母、母音、韻尾加入result。 result = result + anal_syllable[0] + anal_syllable[1] +\ anal_syllable[2] print result