replace.rb

   1 # 異体字の統合
   2 # TODO: replace_text 統合テーブルによる置換
   3 # TODO: 調査 説解部分の置換の有無
   4
   5 require 'rexml/document'
   6
   7 SOURCE_DIR = File.join(File.dirname(__FILE__), '..', 'htdocs', 'swjz')
   8 TARGET_DIR = File.join(File.dirname(__FILE__), '..', 'htdocs', 'unified')
   9
  10 class Unifier
  11   def initialize(filename)
  12     source_file = File.new(File.join(SOURCE_DIR, filename))
  13     @doc = REXML::Document.new(source_file)
  14     @out = File.open(File.join(TARGET_DIR, filename), "w")
  15   end
  16   def replace_char(s, pattern, char)
  17     s.gsub!(pattern, char)
  18   end
  19   def replace_text(s) # TODO: 統合テーブルの導入
  20     replace_char(s, /告/u, '吿')
  21     replace_char(s, /㑹/u, '會')
  22     replace_char(s, /緫/u, '總')
  23     replace_char(s, /尢/u, '尤')
  24     replace_char(s, /𡵉/u, '𡴆')
  25     replace_char(s, /備/u, '僃')
  26     replace_char(s, /彚/u, '彙')
  27     replace_char(s, /𨕖/u, '選')
  28     replace_char(s, /䖍/u, '虔')
  29   end
  30   def replace(td, text)
  31     content = text.value
  32     replace_text(content)
  33     td.replace_child(text, REXML::Text.new(content))
  34   end
  35   def unify_texts(path)
  36     REXML::XPath.each(@doc.root, path) do |td|
  37       REXML::XPath.each(td, 'text()') do |text|
  38         replace(td, text)
  39       end
  40     end
  41   end
  42   def unify
  43     unify_texts("//td[@class = 'body']") # 段注
  44     unify_texts("//table[@class = 'part_wordnum']/tr/td") # 部首末
  45     unify_texts("//span[@class = 'explanation']") # 説解
  46     @out.print @doc
  47   end
  48 end
  49
  50 Dir.foreach(SOURCE_DIR) do |filename|
  51   if filename =~ /^.*\.html$/ then
  52     unifier = Unifier.new(filename)
  53     unifier.unify
  54   end
  55 end