sumom****@users*****
sumom****@users*****
2008年 12月 19日 (金) 15:42:09 JST
Index: julius4/gramtools/yomi2voca/yomi2voca.pl.in
diff -u julius4/gramtools/yomi2voca/yomi2voca.pl.in:1.2 julius4/gramtools/yomi2voca/yomi2voca.pl.in:1.3
--- julius4/gramtools/yomi2voca/yomi2voca.pl.in:1.2 Tue Dec 18 17:45:48 2007
+++ julius4/gramtools/yomi2voca/yomi2voca.pl.in Fri Dec 19 15:42:09 2008
@@ -1,32 +1,185 @@
#!@PERL@
-# Copyright (c) 1991-2007 Kawahara Lab., Kyoto University
+# Copyright (c) 1991-2008 Kawahara Lab., Kyoto University
# Copyright (c) 2000-2005 Shikano Lab., Nara Institute of Science and Technology
-# Copyright (c) 2005-2007 Julius project team, Nagoya Institute of Technology
+# Copyright (c) 2005-2008 Julius project team, Nagoya Institute of Technology
# All rights reserved
#
# @configure_input@
#
-# ひらがな -> ROMAN(標準形式) 変換スクリプト
-# .yomi -> .voca
+# ひらがな -> Julius 標準モデル用変換スクリプト
+# 第2フィールドのひらがなを変換する．
+#
+# .yomi -> .dict
+#
+# 助詞の「は」「へ」「を」→「w a」「e」「o」は変換後に手動で直すこと．
+#
+# ver2: 小さい「ぁぃぅぇぉ」や「う゛」などに対応
+#
+#
+$error = 0;
+$lineno = 0;
while (<>) {
-# カテゴリ名はすっとばす
+
+# 文法用に，"%" で始まる行はそのまま出力する．
if (/^%/){
print;
next;
}
- chop;
+ chomp;
# 表記とひらがな読みを分離
@a = split;
$_ = $a[1];
# ひらがな，長音以外はそのまま
+
+# 3文字以上からなる変換規則（v a）
+ s/う゛ぁ/ b a/g;
+ s/う゛ぃ/ b i/g;
+ s/う゛ぇ/ b e/g;
+ s/う゛ぉ/ b o/g;
+ s/う゛ゅ/ by u/g;
+
# 2文字からなる変換規則
+ s/ぅ゛/ b u/g;
+
+ s/あぁ/ a a/g;
+ s/いぃ/ i i/g;
+ s/いぇ/ i e/g;
+ s/いゃ/ y a/g;
+ s/うぅ/ u:/g;
+ s/えぇ/ e e/g;
+ s/おぉ/ o:/g;
+ s/かぁ/ k a:/g;
+ s/きぃ/ k i:/g;
+ s/くぅ/ k u:/g;
+ s/くゃ/ ky a/g;
+ s/くゅ/ ky u/g;
+ s/くょ/ ky o/g;
+ s/けぇ/ k e:/g;
+ s/こぉ/ k o:/g;
+ s/がぁ/ g a:/g;
+ s/ぎぃ/ g i:/g;
+ s/ぐぅ/ g u:/g;
+ s/ぐゃ/ gy a/g;
+ s/ぐゅ/ gy u/g;
+ s/ぐょ/ gy o/g;
+ s/げぇ/ g e:/g;
+ s/ごぉ/ g o:/g;
+ s/さぁ/ s a:/g;
+ s/しぃ/ sh i:/g;
+ s/すぅ/ s u:/g;
+ s/すゃ/ sh a/g;
+ s/すゅ/ sh u/g;
+ s/すょ/ sh o/g;
+ s/せぇ/ s e:/g;
+ s/そぉ/ s o:/g;
+ s/ざぁ/ z a:/g;
+ s/じぃ/ j i:/g;
+ s/ずぅ/ z u:/g;
+ s/ずゃ/ zy a/g;
+ s/ずゅ/ zy u/g;
+ s/ずょ/ zy o/g;
+ s/ぜぇ/ z e:/g;
+ s/ぞぉ/ z o:/g;
+ s/たぁ/ t a:/g;
+ s/ちぃ/ ch i:/g;
+ s/つぁ/ ts a/g;
+ s/つぃ/ ts i/g;
+ s/つぅ/ ts u:/g;
+ s/つゃ/ ch a/g;
+ s/つゅ/ ch u/g;
+ s/つょ/ ch o/g;
+ s/つぇ/ ts e/g;
+ s/つぉ/ ts o/g;
+ s/てぇ/ t e:/g;
+ s/とぉ/ t o:/g;
+ s/だぁ/ d a:/g;
+ s/ぢぃ/ j i:/g;
+ s/づぅ/ d u:/g;
+ s/づゃ/ zy a/g;
+ s/づゅ/ zy u/g;
+ s/づょ/ zy o/g;
+ s/でぇ/ d e:/g;
+ s/どぉ/ d o:/g;
+ s/なぁ/ n a:/g;
+ s/にぃ/ n i:/g;
+ s/ぬぅ/ n u:/g;
+ s/ぬゃ/ ny a/g;
+ s/ぬゅ/ ny u/g;
+ s/ぬょ/ ny o/g;
+ s/ねぇ/ n e:/g;
+ s/のぉ/ n o:/g;
+ s/はぁ/ h a:/g;
+ s/ひぃ/ h i:/g;
+ s/ふぅ/ f u:/g;
+ s/ふゃ/ hy a/g;
+ s/ふゅ/ hy u/g;
+ s/ふょ/ hy o/g;
+ s/へぇ/ h e:/g;
+ s/ほぉ/ h o:/g;
+ s/ばぁ/ b a:/g;
+ s/びぃ/ b i:/g;
+ s/ぶぅ/ b u:/g;
+ s/ふゃ/ hy a/g;
+ s/ぶゅ/ by u/g;
+ s/ふょ/ hy o/g;
+ s/べぇ/ b e:/g;
+ s/ぼぉ/ b o:/g;
+ s/ぱぁ/ p a:/g;
+ s/ぴぃ/ p i:/g;
+ s/ぷぅ/ p u:/g;
+ s/ぷゃ/ py a/g;
+ s/ぷゅ/ py u/g;
+ s/ぷょ/ py o/g;
+ s/ぺぇ/ p e:/g;
+ s/ぽぉ/ p o:/g;
+ s/まぁ/ m a:/g;
+ s/みぃ/ m i:/g;
+ s/むぅ/ m u:/g;
+ s/むゃ/ my a/g;
+ s/むゅ/ my u/g;
+ s/むょ/ my o/g;
+ s/めぇ/ m e:/g;
+ s/もぉ/ m o:/g;
+ s/やぁ/ y a:/g;
+ s/ゆぅ/ y u:/g;
+ s/ゆゃ/ y a:/g;
+ s/ゆゅ/ y u:/g;
+ s/ゆょ/ y o:/g;
+ s/よぉ/ y o:/g;
+ s/らぁ/ r a:/g;
+ s/りぃ/ r i:/g;
+ s/るぅ/ r u:/g;
+ s/るゃ/ ry a/g;
+ s/るゅ/ ry u/g;
+ s/るょ/ ry o/g;
+ s/れぇ/ r e:/g;
+ s/ろぉ/ r o:/g;
+ s/わぁ/ w a:/g;
+ s/をぉ/ o:/g;
+
+ s/う゛/ b u/g;
s/でぃ/ d i/g;
+ s/でぇ/ d e:/g;
+ s/でゃ/ dy a/g;
+ s/でゅ/ dy u/g;
+ s/でょ/ dy o/g;
s/てぃ/ t i/g;
+ s/てぇ/ t e:/g;
+ s/てゃ/ ty a/g;
+ s/てゅ/ ty u/g;
+ s/てょ/ ty o/g;
s/すぃ/ s i/g;
+ s/ずぁ/ z u a/g;
s/ずぃ/ z i/g;
+ s/ずぅ/ z u/g;
+ s/ずゃ/ zy a/g;
+ s/ずゅ/ zy u/g;
+ s/ずょ/ zy o/g;
+ s/ずぇ/ z e/g;
+ s/ずぉ/ z o/g;
s/きゃ/ ky a/g;
s/きゅ/ ky u/g;
s/きょ/ ky o/g;
@@ -38,6 +191,16 @@
s/ちゅ/ ch u/g;
s/ちぇ/ ch e/g;
s/ちょ/ ch o/g;
+ s/とぅ/ t u/g;
+ s/とゃ/ ty a/g;
+ s/とゅ/ ty u/g;
+ s/とょ/ ty o/g;
+ s/どぁ/ d o a/g;
+ s/どぅ/ d u/g;
+ s/どゃ/ dy a/g;
+ s/どゅ/ dy u/g;
+ s/どょ/ dy o/g;
+ s/どぉ/ d o:/g;
s/にゃ/ ny a/g;
s/にゅ/ ny u/g;
s/にょ/ ny o/g;
@@ -53,10 +216,13 @@
s/ぎゃ/ gy a/g;
s/ぎゅ/ gy u/g;
s/ぎょ/ gy o/g;
- s/じゃ/ j a/g;
+ s/ぢぇ/ j e/g;
s/ぢゃ/ j a/g;
- s/じゅ/ j u/g;
+ s/ぢゅ/ j u/g;
+ s/ぢょ/ j o/g;
s/じぇ/ j e/g;
+ s/じゃ/ j a/g;
+ s/じゅ/ j u/g;
s/じょ/ j o/g;
s/びゃ/ by a/g;
s/びゅ/ by u/g;
@@ -64,11 +230,16 @@
s/ぴゃ/ py a/g;
s/ぴゅ/ py u/g;
s/ぴょ/ py o/g;
+ s/うぁ/ u a/g;
s/うぃ/ w i/g;
s/うぇ/ w e/g;
s/うぉ/ w o/g;
s/ふぁ/ f a/g;
s/ふぃ/ f i/g;
+ s/ふぅ/ f u/g;
+ s/ふゃ/ hy a/g;
+ s/ふゅ/ hy u/g;
+ s/ふょ/ hy o/g;
s/ふぇ/ f e/g;
s/ふぉ/ f o/g;
@@ -142,13 +313,42 @@
s/ゆ/ y u/g;
s/よ/ y o/g;
s/わ/ w a/g;
+ s/ゐ/ i/g;
+ s/ゑ/ e/g;
s/ん/ N/g;
s/っ/ q/g;
s/ー/:/g;
-#その他特別なルール
+# ここまでに処理されてない ぁぃぅぇぉ はそのまま大文字扱い
+ s/ぁ/ a/g;
+ s/ぃ/ i/g;
+ s/ぅ/ u/g;
+ s/ぇ/ e/g;
+ s/ぉ/ o/g;
+ s/ゎ/ w a/g;
+ s/ぉ/ o/g;
+
+# その他特別なルール
s/を/ o/g;
+# 最初の空白を削る
s/^ ([a-z])/$1/g;
+
+# 変換の結果長音記号が続くことがまれにあるので一つにまとめる
+ s/:+/:/g;
+
+# アルファベット列になっていない場合，変換に失敗しているので
+# 標準エラー出力に出力する．
+
+ $lineno++;
+ if (! /^[ a-zA-Z:]+$/) {
+ if ($error == 0) {
+ $error = 1;
+ print STDERR "Error: (they were also printed to stdout)\n";
+ }
+ print STDERR "line " , $lineno , ": " , @a[0], "\t", $_,"\n";
+ }
+
print @a[0], "\t", $_,"\n";
+
}