Форум Восточного портала

Добро пожаловать, Гость. Пожалуйста, выберите: Вход || Регистрация. — — 28.04.24 в 22:53:50

Форум Восточного портала «скрипт "SatTools"»

   Форум Восточного портала
   Общее
   Технический раздел
   скрипт "SatTools"

« Предыдущая тема | Следующая тема »

Страницы: 12

Автор

Тема: скрипт "SatTools" (прочитана 6799 раз, 58 ответов)

Lunatic
Новичок
не определено

Сообщений: 21
Карма: 0

Re: скрипт "SatTools"
Ответ #50 написан: 29.04.04 в 16:14:39

29.04.04 в 09:12:04, Сат Абхава писал(а):

...В задачи скрипта входит конвертация нормативного пиньинь в послоговое представление в цифро-пиньинь, например: túshūguăn — tu2 shu1 guan3, для дальнейшего индексирования слова по чтениям и порядку следования составляющих его лексем-иероглифов. Именно в связи с этим мне показалось рациональнее выделять эризацию в нулевую лексему (чтобы сохранить системность в представлении иероглифического состава слова), например: xiăoháir — xiao3 hai2 r5.

Вот это очччччень интересно! Дело в том, что такой скрипт представляет исключительный интерес для составителей словарей! Ведь правильно рассортировать слова по пиньиню, на самом деле, задача не такая уж и тривиальная!

Единственное, от чего хочу Вас предостеречь: конвертировать xiăoháir лучше не в xiao3 hai2 r5, а в xiao3hai2r5! Расставить пробелы легко, а вот правильно склеить слова назад будет впоследствии довольно сложно, напр., "eluosi lianbang" не равно "e luo si lian bang". Впрочем, в своем следующем постинге Вы лишние пробелы не ставите, так что, полагаю, это просто был пример, а скрипт этого делать не будет.

А вот эризацию выделять в отдельный слог не советую. Во-первых, при гипотетической попытке обратного конвертирования пиньиня в иероглифику вылезет еще и иероглиф 儿 (пардон, 兒!), которого в оригинале может и не быть. Во-вторых, на сегодняшний день никто так не пишет — kong4 r5. Все напишут kongr4, а значит, в конвертирующем цифры в диакритику скрипте Вам придется учитывать и общепринятый варинат, и свой собственный. Что касается сортировки, то эризацию можно вообще не учитывать (т.е. kong4 = kongr4).

P.S.: Повторюсь: терпеть не могу эризацию! Столько проблем сразу возникает! скалит зубы

Зарегистрирован

Сат Абхава
Эксперт
мужчина

Сообщений: 1817
Карма: 25

Тайбэй

Всё в моих речах может оказаться ошибкой!

Re: скрипт "SatTools"
Ответ #51 написан: 29.04.04 в 20:03:28

29.04.04 в 16:14:39, Lunatic писал(а):

Не знаю, правильно ли мы друг друга поняли. О какой сортировке Вы ведете речь? Я имею в виду простую разбивку слитно написанного пиньинь с диакритиками на отдельные слоги. Пока в моей работе задача стоит таким образом. Может, в ней есть еще какое далеко идущее развитие, но я с необходимостью в нем пока не столкнулся...

Единственное, от чего хочу Вас предостеречь: конвертировать xiăoháir лучше не в xiao3 hai2 r5, а в xiao3hai2r5! Расставить пробелы легко, а вот правильно склеить слова назад будет впоследствии довольно сложно, напр., "eluosi lianbang" не равно "e luo si lian bang".

По-моему, это легко решаемо. Достаточно лишь к изначально имеющимся пробелам между словами добавить еще один пробел — получим по два пробела между словами. Почему я пока придерживаюсь идеи отделения слогов внутри слова пробелом? Так, на мой взгляд, мы получаем некоторые удобства для разбивки строки сначала на слова (два пробела как разделитель), а затем на отдельные иероглифы внутри слова (один пробел как разделитель). А делить такую строку как xiao3hai2r5 на слоги (без общего знака-"делителя") уже становится сложнее.

А вот эризацию выделять в отдельный слог не советую. Во-первых, при гипотетической попытке обратного конвертирования пиньиня в иероглифику вылезет еще и иероглиф 儿 (пардон, 兒!), которого в оригинале может и не быть.

Но если 兒 нет в слове, то этого r не должно быть и в пиньине...

Во-вторых, на сегодняшний день никто так не пишет — kong4 r5. Все напишут kongr4, а значит, в конвертирующем цифры в диакритику скрипте Вам придется учитывать и общепринятый варинат, и свой собственный.

Я в последнем исправлении уже учел оба варианта...

Что касается сортировки, то эризацию можно вообще не учитывать (т.е. kong4 = kongr4).

Видимо, мы все-таки говорим о разных видах сортировки. В мою задачу сейчас входит следующее. Допустим есть словарь, в котором словарная статья выглядит таким образом:

圖書館 túshūguǎn словарная статья...

Скрипт берет иероглифическое значение — 圖書館 и транскрипцию пиньинь — túshūguǎn — и производит в своих "мозгах" следующие операции:

1. разбивает иероглифическое значение по отдельным иероглифам — 圖書館 и определяет их юникодовые значения — 22294 26360 39208;

2. переводит пиньинь в цифропиньинь и делит его на отдельные слоги: túshūguǎn — tu2 shu1 guan3

3. выдает на выходе статью словаря-индекса, сформированную примерно таким образом (например, под формат поисковых возможностей Лингво):

圖書館

1. char-3 (т.е. три иероглифа в слове)

2. u22294 u26360 u39208 (т.е. какие иероглифы в слове, такое представление нужно при работе с программами, которые не производят поиска по иероглифическому тексту, например, с Лингво )

3. 1-u22294 2-u26360 3-u39208 (т.е. порядок следования иероглифов в слове)

4. tu2 shu1 guan3 (т.е. чтения иероглифов в слове)

5. 1-tu2 2-shu1 3-guan3 (т.е. порядок следования иероглифов по их чтению)

6. может что еще взбредет в мою больную фантазию... скалит зубы

Создав такой словарь-индекс по всем словарным статьям, мы получаем достаточно гибкую возможность поиска даже в такой "неповоротливой" (с китайской точки зрения) программой, как Лингво.

Например, нужно найти все слова, в которых присутствует иероглиф 書, — составляем запрос:
u26360

Нужно конкретизировать, чтобы поиск производился только в словах, состоящих из трех иероглифов, — пожалуйста:
char-3 u26360

Еще более конкретизируем — 3 иероглифа в слове, второй из которых 書:
char-3 2-u26360

Или еще конкретнее — 3 иероглифа в слове, второй из которых 書, а последний имеет чтение guan3:
char-3 2-u26360 3-guan3

И т.д. и т.п.

С Лингво все работает, как часы, я уже создал пробный файлик, да и скрипт по созданию индекса уже давно написан, но писал я его под свое форматирование строки словаря (на примере БКРС), а творческая группа по переводу БКРС в электронный вид пошла другой дорогой. Вот и приходится мне перестраиваться...

Зарегистрирован

Сат Абхава
Эксперт
мужчина

Сообщений: 1817
Карма: 25

Тайбэй

Всё в моих речах может оказаться ошибкой!

Re: скрипт "SatTools"
Ответ #52 написан: 29.04.04 в 20:07:26

P.S.: Повторюсь: терпеть не могу эризацию! Столько проблем сразу возникает! скалит зубы

Я тоже не отношусь к большим любителям эризации. Звучит, правда, "сочно", но норма гоюй вполне демонстрирует, что эризация в китайском языке — явление избыточное...

Зарегистрирован

yazyk_wallst_ru
Начинающий
не определено

Сообщений: 79
Карма: 0

Москва

Я люблю форум Восточного портала!

Re: скрипт "SatTools" Спасибо + неск воп
Ответ #53 написан: 19.09.04 в 17:19:46

Внимательно помострел все постинги по данной теме, все, что было, скачал; по поводу конвертации в диакритический пиньинь — доволен неимоверно, поскольку лично набрал страниц 900 текста с пиньинь-шрифтом, подаренным мне Игорем Васильевичем Кочергиным, совершенно замечательным, удобным и остроумным, но не автоматизированным. Так что теперь решилась одна из моих проблем при наборе книг — ведь вводится при помощи скрипта обычный юникод-таймс, я думаю Вам будут благодарны все пишущие, в том числе и Ваш покорный слуга --- огромное спасибо Сат Абхаве.

Позвольте задать несколько дилетантских вопросов:

1. издательство поставилро мне категоричное условие — отказаться от TwinBridge, поскольку он "не выводится на пленки", и все что в TwinBridge, перевести в читабельный вариант.
Понимаю, что вопрос банален, но теперь встает проблема конвертации нескольких сотен страниц текста уже новой книги в в формат unicode.
Придуманы ли уже такие скрипты или программы, которые позволяют это сделать? Возможно есть какая-либо новая версия TwinBridge, позволяющая так сделать?

2. Какая из версий русского или английского Page Maker'a оптимально работает со смешанным русско-иероглифическим (unicode) текстом?

Зарегистрирован

Сат Абхава
Эксперт
мужчина

Сообщений: 1817
Карма: 25

Тайбэй

Всё в моих речах может оказаться ошибкой!

Re: скрипт "SatTools" Спасибо + неск воп
Ответ #54 написан: 19.09.04 в 18:44:12

19.09.04 в 17:19:46, yazyk_wallst_ru писал(а):

Спасибо на добром слове. Писал я этот скрипт под себя. Как я понимаю, не я один сталкиваюсь с этими проблемами. Пользуйтесь на здоровье.

1. издательство поставилро мне категоричное условие — отказаться от TwinBridge, поскольку он "не выводится на пленки", и все что в TwinBridge, перевести в читабельный вариант.
Понимаю, что вопрос банален, но теперь встает проблема конвертации нескольких сотен страниц текста уже новой книги в в формат unicode.
Придуманы ли уже такие скрипты или программы, которые позволяют это сделать? Возможно есть какая-либо новая версия TwinBridge, позволяющая так сделать?

К сожалению, ничего не могу Вам подсказать. Любовь к разного рода "китаизаторам" у меня не сложилась с самого "детства". Потому и опыта работы на них нет никакого.

2. Какая из версий русского или английского Page Maker'a оптимально работает со смешанным русско-иероглифическим (unicode) текстом?

Тоже не смогу ответить на Ваш вопрос. Не работал ни с той ни с другой. Но могу дать совет. На форуме Полушария есть прекрасные специалисты, которые на все Ваши вопросы смогут ответить и посоветовать решение. Обратитесь в раздел "Китайский язык. Компьютеры"...

Зарегистрирован

yazyk_wallst_ru
Начинающий
не определено

Сообщений: 79
Карма: 0

Москва

Я люблю форум Восточного портала!

Re: скрипт "SatTools"
Ответ #55 написан: 19.09.04 в 19:45:56

В любом случае спасибо. Заслуживают огоромного уважения те, кто системно и целенаправленно работает над воплощением возникающих / поставленных задач.

Уважаемый Сат, если у Вас есть время, можете заглянуть на новую (в процессе тестирования и обкатки) версию сайта "Мир языка" по адресу [ ссылки доступны для участников. реклама на форуме платная ]
Буду очень признателен за замечания.

Зарегистрирован

Сат Абхава
Эксперт
мужчина

Сообщений: 1817
Карма: 25

Тайбэй

Всё в моих речах может оказаться ошибкой!

Re: скрипт "SatTools"
Ответ #56 написан: 19.09.04 в 21:20:10

19.09.04 в 19:45:56, yazyk_wallst_ru писал(а):

Уважаемый Сат, если у Вас есть время, можете заглянуть на новую (в процессе тестирования и обкатки) версию сайта "Мир языка" по адресу [ ссылки доступны для участников. реклама на форуме платная ]
Буду очень признателен за замечания.

Заглянул. Понравился Ваш новый дизайн. Почитал аннотацию к Вашей новой книге. Очень интересно. Непременно поищу ее при первой же оказии.

И форум у Вас на сайте заявлен (по темам) серьезный. Надеюсь, что он оживет интересными и серьезными темами из области теоретического и практического языкознания (китаистики). Сам с удовольствием принял бы в этих темах участие. Желаю Вашему начинанию всяческих благ.

Зарегистрирован

yazyk_wallst_ru
Начинающий
не определено

Сообщений: 79
Карма: 0

Москва

Я люблю форум Восточного портала!

Re: скрипт "SatTools"
Ответ #57 написан: 21.09.04 в 11:04:45

Спасибо за внимание к пока что сырому варианту моего сайта, куда просто перенесены старые рубрики и старый форум.

И кстати все больше и больше убеждаюсь, насколько полезны дискуссии, обсуждения и обмен предложениями на форумах типа [ ссылки доступны для участников. реклама на форуме платная ] или [ ссылки доступны для участников. реклама на форуме платная ], поскольку китаистика во всех ее проявлениях и направлениях движется вперед темпами, совершенно непредставимыми лет 8-10 назад.

Ваш ВК

Зарегистрирован

Сат Абхава
Эксперт
мужчина

Сообщений: 1817
Карма: 25

Тайбэй

Всё в моих речах может оказаться ошибкой!

Re: скрипт "SatTools"
Ответ #58 написан: 21.09.04 в 11:29:33

21.09.04 в 11:04:45, yazyk_wallst_ru писал(а):

К сожалению, большинство представителей "академической науки" считают такое общение тратой своего "драгоценного времени".

Живут по-старинному, так сказать, вдали от НТП...

А жаль...

Зарегистрирован

Страницы: 12


« Предыдущая тема \| Следующая тема »

Форум Восточного портала » Проект дизайн-студии Индейское лето, 2000–2010