script/oki2atk.pl

   1 #!/usr/bin/perl
   2 #
   3 # oki2atk.pl - 沖縄辞書のファイルをATOK13形式に変換する。
   4 #
   5 #                                                         yonesu@syon.co.jp
   6 #
   7 # このスクリプトを使って、以下のように「okinawa.txt」を生成しておいて、
   8 #     $ cat ../*.dic | ./oki2atk.pl -g | sort -u > okinawa.txt
   9 #  ATOK13の辞書ユーティリティを起動し、
  10 # 「一括処理」-「単語一括処理」の「単語ファイル(T)」に
  11 #  okinawa.txtを指定し、「登録」を押下してください。
  12 #
  13 #  「尚灝王」(しょうこうおう)など、JIS X 0208の範囲外の文字が含まれる単語を
  14 #  辞書にインポートする場合には、UTF-8 で出力してから、Notepad.exeなどで
  15 #  「Unicode」(UTF-16LE BOM付き)に変換してください。
  16 #
  17 #############################################################################
  18 #                          ATOK13での品詞体系                               #
  19 #1  名詞      2  固有人姓 3  固有人名 4  固有人他 5  固有地名 #
  20 #6  固有組織        7  固有商品 8  固有一般 9  名詞サ変 10 名詞ザ変 #
  21 #11 名詞形動        12 名サ形動 13 数詞               14 副詞               15 連体詞   #
  22 #16 接続詞   17 感動詞    18 独立語    19 接頭語    20 冠数詞   #
  23 #21 接尾語   22 助数詞    23 カ行五段 24 ガ行五段 25 サ行五段 #
  24 #26 タ行五段        27 ナ行五段 28 バ行五段 29 マ行五段 30 ラ行五段 #
  25 #31 ワ行五段        32 ハ行四段 33 一段動詞 34 カ変動詞 35 サ変動詞 #
  26 #36 ザ変動詞        37 形容詞    38 形容詞ウ 39 形容動詞 40 形動タリ #
  27 #41 単漢字                                                                  #
  28 #############################################################################
  29 #
  30 require 5.6.0;
  31 require 'ODIC.pm';
  32 use strict;
  33 use Getopt::Long qw(:config posix_default no_ignore_case gnu_compat);
  34
  35 our $phonate;
  36 our $word;
  37 our $class;
  38
  39 my $help_only;
  40 my $skip_geta;
  41 my $utf8_output;
  42
  43 GetOptions(
  44     'help|h'      => \$help_only,
  45     'skip-geta|g' => \$skip_geta,
  46     'utf8|u'      => \$utf8_output
  47 );
  48 if (defined($help_only)) {
  49     print STDERR "usage: $0 [--help|-h] [--skip-geta|-g] [--utf8-output|-u]\n";
  50     exit 1;
  51 }
  52
  53 &header;
  54
  55 while (<>) {
  56         # JIS X 0208 に含まれていない文字を含む行を読み飛ばす
  57         # 読み飛ばしにはコメントに「〓あり」マーカーが必要
  58         next if (defined($skip_geta) && /〓あり/);
  59
  60         s/#.*$//;               # `#'以降を取り去る
  61         next if (/^\s*$/);      # その結果空行になった行は読み飛ばす。
  62
  63         if (/(\S+)\s+(\S+)\s+(\S+)/) {
  64                 $phonate = $1;  # 読み
  65                 $word    = $2;  # 単語
  66                 $class   = $3;  # 品詞
  67                 ODIC::check_phonate($phonate);
  68                 ODIC::check_word($word);
  69                 &convert_class;
  70         }
  71         else {
  72                 print STDERR "Error: $.: too few field number `$_'\n";
  73                 print  "$_";
  74         }
  75 }
  76 &version;
  77 exit 0;
  78
  79
  80 sub convert_class {
  81         if ($class eq "普通名詞") {
  82                 $class = 1;
  83         }
  84         elsif ($class eq "サ変名詞") {
  85                 $class = 9;
  86         }
  87         elsif ($class eq "形動名詞") {
  88                 $class = 11;
  89         }
  90         elsif ($class eq "姓") {
  91                 $class = 2;
  92         }
  93         elsif ($class eq "名") {
  94                 $class = 3;
  95         }
  96         elsif ($class eq "その他の人名") {
  97                 $class = 4;
  98         }
  99         elsif ($class eq "単純地名") {
 100                 $class = 5;
 101         }
 102         elsif ($class eq "接尾語付き地名") {
 103                 $class = 5;
 104         }
 105         elsif ($class eq "組織名") {
 106                 $class = 6;
 107         }
 108         elsif ($class eq "その他固有名詞") {
 109                 $class = 7;
 110         }
 111         elsif ($class eq "副詞") {
 112                 $class = 14;
 113         }
 114         elsif ($class eq "接続詞") {
 115                 $class = 16;
 116         }
 117         elsif ($class eq "感動詞") {
 118                 $class = 17;
 119         }
 120         elsif ($class eq "形容詞") {
 121                 $class = 37;
 122         }
 123         elsif ($class eq "形容動詞") {
 124                 $class = 39;
 125         }
 126         elsif ($class eq "接頭語") {
 127                 $class = 19;
 128         }
 129         elsif ($class eq "数字列接頭語") {
 130                 $class = 20;
 131         }
 132         elsif ($class eq "接尾語") {
 133                 $class = 21;
 134         }
 135         elsif ($class eq "人名接尾語") {
 136                 $class = 21;
 137         }
 138         elsif ($class eq "地名接尾語") {
 139                 $class = 21;
 140         }
 141         elsif ($class eq "組織名接尾語") {
 142                 $class = 21;
 143         }
 144         elsif ($class eq "数字列接尾語") {
 145                 $class = 13;
 146         }
 147         elsif ($class eq "成句") {
 148                 $class = 1;
 149         }
 150         elsif ($class eq "無品詞") {
 151                 $class = 41;
 152         }
 153         else {
 154                 print STDERR "Error: $.: unknown class `$class': $phonate\t$word\n";
 155                 if (defined($utf8_output)) {
 156                         print "$phonate\t$word\t［〓］\r\n";
 157                 } else {
 158                         print ODIC::to_shiftjis("$phonate\t$word\t［〓］\r\n");
 159                 }
 160                 return;
 161         }
 162         if (defined($utf8_output)) {
 163                 print "$phonate\t$word\t $class \r\n";
 164         } else {
 165                 print ODIC::to_shiftjis("$phonate\t$word\t $class \r\n");
 166         }
 167 }
 168
 169 sub version {
 170         my $sec;
 171         my $min;
 172         my $hour;
 173         my $mday;
 174         my $mon;
 175         my $year;
 176
 177         ($sec, $min, $hour, $mday, $mon, $year) = localtime(time());
 178         $year += 1900;
 179         $mon++;
 180         if (defined($utf8_output)) {
 181                 print "おきなわじしょのひづけ\t$year/$mon/$mday(沖縄辞書の日付け)\t 1 \r\n";
 182         } else {
 183                 print ODIC::to_shiftjis("おきなわじしょのひづけ\t$year/$mon/$mday(沖縄辞書の日付け)\t 1 \r\n");
 184         }
 185 }
 186
 187 sub header {
 188         print "!!DICUT16\r\n";
 189 }
 190