Merge 224fd0e into 6619178

tox.ini

@@ -9,6 +9,7 @@ deps =
     coverage
 commands =
     coverage run --source=臺灣言語工具,試驗 -m unittest discover -p Test標全漢全羅整合試驗.py
+    coverage run --source=臺灣言語工具,試驗 -a -m unittest discover -p Test字串*整合試驗.py
     coverage run --source=臺灣言語工具,試驗 -a -m unittest discover -p Test臺灣閩南語羅馬字拼音調符整合試驗.py
 
 [testenv:HTS整合試驗]

臺灣言語工具/基本物件/公用變數.py

@@ -12,6 +12,7 @@
 分型音符號 = '｜'
 # a2-bing5 # bo5 tsiah8 png7 代表 bing5 無變調
 本調符號 = '#'
+輕聲符號 = '--'
 # 句中是為著加速標音
 句中標點符號 = {
     '、', '﹑', '､', '-', '—', '~', '～',

臺灣言語工具/基本物件/句.py

@@ -43,6 +43,12 @@ def __str__(self):
     def __repr__(self):
         return self.__str__()
 
+    def 看語句(self):
+        集的型 = []
+        for 一集 in self.內底集:
+            集的型.append(一集.看語句())
+        return 分詞符號.join(集的型)
+
     def 看型(self, 物件分字符號='', 物件分詞符號='', 物件分句符號=''):
         集的型 = []
         for 一集 in self.內底集:

臺灣言語工具/基本物件/字.py

@@ -53,7 +53,10 @@ def __str__(self):
 
     def __repr__(self):
         return self.__str__()
-
+
+    def 看語句(self):
+        return self.型
+
     def 看型(self, 物件分字符號='', 物件分詞符號='', 物件分句符號=''):
         return self.型
 

臺灣言語工具/基本物件/組.py

@@ -6,6 +6,9 @@
 from 臺灣言語工具.基本物件.公用變數 import 無音
 from 臺灣言語工具.基本物件.公用變數 import 分型音符號
 from 臺灣言語工具.基本物件.功能 import 功能
+from 臺灣言語工具.基本物件.公用變數 import 句中標點符號
+from 臺灣言語工具.基本物件.公用變數 import 標點符號
+from 臺灣言語工具.基本物件.公用變數 import 輕聲符號
 
 
 class 組(功能):
@@ -37,6 +40,28 @@ def __str__(self):
     def __repr__(self):
         return self.__str__()
 
+    def 看語句(self):
+        詞的型陣列 = []
+        for 一詞 in self.內底詞:
+            詞型 = 一詞.看語句()
+            if 詞型 in 標點符號:
+                # 標點符號
+                # 先提掉頭前詞後壁的分詞符號（空白）才接入去
+                try:
+                    del 詞的型陣列[-1]
+                except IndexError:
+                    pass
+                詞的型陣列.append(詞型)
+            else:
+                # 輕聲詞 '--sui2' => '--sui2 '
+                # 一般詞 'sui2' => 'sui2 '
+                詞的型陣列.append(詞型)
+                詞的型陣列.append(分詞符號)
+        # 共尾仔ke--khng3的分詞符號提掉
+        if 詞的型陣列[-1] == 分詞符號:
+            del 詞的型陣列[-1]
+        return ''.join(詞的型陣列)
+
     def 看型(self, 物件分字符號='', 物件分詞符號='', 物件分句符號=''):
         詞的型 = []
         for 一詞 in self.內底詞:

臺灣言語工具/基本物件/詞.py

@@ -6,6 +6,8 @@
 from 臺灣言語工具.基本物件.公用變數 import 無音
 from 臺灣言語工具.基本物件.公用變數 import 分型音符號
 from 臺灣言語工具.基本物件.功能 import 功能
+from 臺灣言語工具.基本物件.公用變數 import 輕聲符號
+from 臺灣言語工具.基本物件.公用變數 import 敢是拼音字元
 
 
 class 詞(功能):
@@ -39,10 +41,41 @@ def __str__(self):
     def __repr__(self):
         return self.__str__()
 
+    def 看語句(self):
+        字型陣列 = []
+        頂字是羅馬字 = False
+        for 一字 in self.內底字:
+            字串 = 一字.看語句()
+            #
+            # 先接符號才接字
+            #
+            # 接輕聲符（輕聲漢字、輕聲羅馬字）
+            是輕聲字 = 一字.敢有輕聲標記()
+            if 是輕聲字:
+                字型陣列.append(輕聲符號)
+
+            # 接連字符（羅-羅）
+            if (
+                敢是拼音字元(字串[0]) or (
+                字串[0] == '0' and 敢是拼音字元(字串[1])
+            )):
+                if 頂字是羅馬字 and not 是輕聲字:
+                    字型陣列.append(分字符號)
+                頂字是羅馬字 = True
+            else:
+                頂字是羅馬字 = False
+
+            # 接字
+            字型陣列.append(字串)
+        # 提掉ke的連字符
+        if 字型陣列[0] == 分字符號:
+            字型陣列 = 字型陣列[1:]
+        return ''.join(字型陣列)
+
     def 看型(self, 物件分字符號='', 物件分詞符號='', 物件分句符號=''):
         字的型 = []
         for 一字 in self.內底字:
-            字的型.append(一字.看型(物件分字符號, 物件分詞符號, 物件分句符號))
+            字的型.append(一字.看語句(物件分字符號, 物件分詞符號, 物件分句符號))
         return 物件分字符號.join(字的型)
 
     def 看音(self, 物件分字符號=分字符號, 物件分詞符號=分詞符號, 物件分句符號=分詞符號):

臺灣言語工具/基本物件/集.py

@@ -33,6 +33,13 @@ def __str__(self):
 
     def __repr__(self):
         return self.__str__()
+
+    def 看語句(self):
+        if len(self.內底組) == 0:
+            raise 解析錯誤('內底組是空的！！')
+        if len(self.內底組) > 1:
+            raise 解析錯誤('內底組毋焦一个！！{0}'.format(str(self)))
+        return self.內底組[0].看語句()
 
     def 看型(self, 物件分字符號='', 物件分詞符號='', 物件分句符號=''):
         if len(self.內底組) == 0:

臺灣言語工具/解析整理/拆文分析器.py

@@ -90,6 +90,7 @@ def 對齊詞物件(cls, 型, 音):
         return 組物件.內底詞[0]
 
     # 斷詞會照音來斷，型的連字符攏無算
+    # 毋過若是型kah音其中一个有輕聲符--，就當作輕聲字
     @classmethod
     def 對齊組物件(cls, 型, 音):
         if not isinstance(型, str):
@@ -99,11 +100,16 @@ def 對齊組物件(cls, 型, 音):
         if 型 == '' and 音 == 無音:
             return 組()
 
-        全部型陣列 = cls._拆句做字(型.strip(分詞符號))
-        全部音陣列, 巢狀輕聲陣列 = cls._拆句做巢狀詞(音)
+#         全部型陣列 = cls._拆句做字(型.strip(分詞符號))
+        # 將型、音分別拆作一个一个詞，順suah將輕聲符提掉、khng3佇敢有輕聲標記()
+        # 後日 今日 => [[後,日], [今,日]]
+        # āu--ji̍t => [[āu, ji̍t]]
+        全部型陣列, 型巢狀輕聲陣列 = cls._拆句做巢狀詞(型)
+        全部音陣列, 音巢狀輕聲陣列 = cls._拆句做巢狀詞(音)
         組物件 = 組()
         try:
-            組物件.內底詞 = cls._對齊型音處理刪節號(全部型陣列, 全部音陣列, 巢狀輕聲陣列)
+            # 對齊拆開的型、音
+            組物件.內底詞 = cls._對齊型音處理刪節號(全部型陣列, 全部音陣列, 型巢狀輕聲陣列, 音巢狀輕聲陣列)
         except 解析錯誤 as 錯誤:
             raise 解析錯誤(錯誤.args[0].format(型, 音))
         return 組物件
@@ -520,51 +526,77 @@ def _拆好陣列對齊詞物件(cls, 型陣列, 音陣列, 輕聲陣列):
         return 詞物件
 
     @classmethod
-    def _對齊型音處理刪節號(cls, 全部型陣列, 全部音陣列, 巢狀輕聲陣列):
+    def _對齊型音處理刪節號(cls, 型巢狀陣列, 音巢狀陣列, 型輕聲巢狀陣列, 音輕聲巢狀陣列):
+        # 取得按照詞組成的型音巢狀陣列之後，將型音對齊成詞物件陣列
         詞陣列 = []
         第幾字 = 0
         第幾音 = 0
-        while 第幾音 < len(全部音陣列):
+        # 先將型巢狀陣列改成一維陣列
+        型陣列 = []
+        型輕聲陣列 = []
+        for 一型陣列 in 型巢狀陣列:
+            型陣列 += 一型陣列
+        for 一型陣列 in 型輕聲巢狀陣列:
+            型輕聲陣列 += 一型陣列
+        # 對齊
+        while 第幾音 < len(音巢狀陣列):
             if (
-                全部型陣列[第幾字:第幾字 + 2] == ['…', '…'] and
-                全部音陣列[第幾音:第幾音 + 3] == [['.'], ['.'], ['.']]
+                型陣列[第幾字:第幾字 + 2] == ['…', '…'] and
+                音巢狀陣列[第幾音:第幾音 + 3] == [['.'], ['.'], ['.']]
             ):
                 詞陣列.append(
                     cls._拆好陣列對齊詞物件(['……'], ['...'], [False])
                 )
                 第幾字 += 2
                 第幾音 += 3
             elif (
-                全部型陣列[第幾字:第幾字 + 2] == ['…', '…'] and
-                全部音陣列[第幾音:第幾音 + 2] == [['…'], ['…']]
+                型陣列[第幾字:第幾字 + 2] == ['…', '…'] and
+                音巢狀陣列[第幾音:第幾音 + 2] == [['…'], ['…']]
             ):
                 詞陣列.append(
                     cls._拆好陣列對齊詞物件(['……'], ['……'], [False])
                 )
                 第幾字 += 2
                 第幾音 += 2
             elif (
-                全部型陣列[第幾字:第幾字 + 3] == ['.', '.', '.'] and
-                全部音陣列[第幾音:第幾音 + 3] == [['.'], ['.'], ['.']]
+                型陣列[第幾字:第幾字 + 3] == ['.', '.', '.'] and
+                音巢狀陣列[第幾音:第幾音 + 3] == [['.'], ['.'], ['.']]
             ):
                 詞陣列.append(
                     cls._拆好陣列對齊詞物件(['...'], ['...'], [False])
                 )
                 第幾字 += 3
                 第幾音 += 3
             else:
-                音詞 = 全部音陣列[第幾音]
-                輕聲 = 巢狀輕聲陣列[第幾音]
-                if 第幾字 + len(音詞) > len(全部型陣列):
+                # 對齊型音 組成詞物件
+                #
+                # 取得一个詞的音和型
+                詞的音 = 音巢狀陣列[第幾音]
+                音詞長 = len(詞的音)
+                詞的型 = 型陣列[第幾字:第幾字+音詞長]
+                型詞長 = len(詞的型)
+                # 確定該詞的音kah該詞的型長度相kang5
+                # 如果字數不合 取得的詞的型 = 非預期的全部型陣列
+                # => 型：[美] 音：[sui2, sui2]
+                if 音詞長 != 型詞長:
                     raise 解析錯誤(
                         '詞組內底的型「{{}}」比音「{{}}」少！配對結果：{}'.format(str(詞陣列))
                     )
+                # 取得一个詞的音和型的輕聲符
+                詞輕聲陣列 = []
+                音輕聲陣列 = 音輕聲巢狀陣列[第幾音]
+                詞的型輕聲 = 型輕聲陣列[第幾字:第幾字+音詞長]
+                for 輕聲索引, 音輕聲 in enumerate(音輕聲陣列):
+                    型輕聲 = 詞的型輕聲[輕聲索引]
+                    詞輕聲陣列.append(音輕聲 or 型輕聲)
                 詞陣列.append(
-                    cls._拆好陣列對齊詞物件(全部型陣列[第幾字:第幾字 + len(音詞)], 音詞, 輕聲)
+                    cls._拆好陣列對齊詞物件(詞的型, 詞的音, 詞輕聲陣列)
                 )
-                第幾字 += len(音詞)
+                第幾字 += 型詞長
                 第幾音 += 1
-        if 第幾字 < len(全部型陣列):
+        # 確定全部的音都巡過了後，全部的型嘛攏有巡著、無tshun。
+        # => 型：[美, 麗] 音：[sui2]
+        if 第幾字 < len(型陣列):
             raise 解析錯誤('詞組內底的型「{{}}」比音「{{}}」濟！配對結果：{}'.format(str(詞陣列)))
         return 詞陣列
 

試驗/整合試驗/Test字串物件一致整合試驗.py

@@ -0,0 +1,88 @@
+# -*- coding: utf-8 -*-
+from unittest.case import TestCase, skip
+from 臺灣言語工具.解析整理.拆文分析器 import 拆文分析器
+
+
+class 物件轉字串整合試驗(TestCase):
+    # 原本字串生按怎就照伊原本--的顯示
+
+    def tearDown(self):
+        物件 = 拆文分析器.建立句物件(self.語句)
+        self.assertEqual(物件.看語句(), self.語句)
+
+    def test_全羅(self):
+        self.語句 = 'Lia̍h suí-ti'
+
+    def test_全羅句頭輕聲詞(self):
+        self.語句 = 'Ah'
+
+    def test_全羅句頭輕聲(self):
+        self.語句 = '--Ah'
+
+    def test_全羅句頭無大寫輕聲(self):
+        self.語句 = '--ah'
+
+    def test_全羅濟字輕聲(self):
+        self.語句 = 'Kín--tshut-lâi'
+
+    def test_全羅輕聲後壁接詞(self):
+        self.語句 = 'Kín--tshut-lâi lia̍h'
+
+    def test_全羅輕聲前有空白(self):
+        self.語句 = 'Kín --tshut-lâi'
+
+    def test_全羅連續輕聲(self):
+        self.語句 = 'Kín --tshut-lâi --lah'
+
+    def test_全羅粗坯的輕聲(self):
+        self.語句 = 'Kin2-0tshut-lai5-0ah'
+
+    def test_全漢(self):
+        self.語句 = '欲 掠豬'
+
+    def test_全漢無空白(self):
+        self.語句 = '欲掠豬'
+
+    def test_全漢輕聲(self):
+        self.語句 = '--啊'
+
+    @skip('分析器閣有問題')
+    def test_全漢濟字輕聲(self):
+        self.語句 = '緊--出-來'
+
+    @skip('分析器閣有問題')
+    def test_全漢連續輕聲(self):
+        self.語句 = '緊--出-來--啦'
+
+    @skip('分析器閣有問題')
+    def test_漢字濟字輕聲混合201802p13(self):
+        # = 緊--出-來,好--無
+        self.語句 = '想--起-來就ê驚'
+
+    @skip('分析器閣有問題')
+    def test_漢字濟字輕聲混合201802p13無空白(self):
+        # = 緊--出-來,好--無
+        self.語句 = '想--起-來就 ê 驚'
+
+    @skip('分析器閣有問題')
+    def test_bongpo_201804p25(self):
+        self.語句 = '調--來ê兵仔'
+
+    @skip('分析器閣有問題')
+    def test_bongpo_201804p25無空白(self):
+        self.語句 = '調--來 ê 兵仔'
+
+    def test_漢羅(self):
+        self.語句 = '欲 lia̍h-ti'
+
+    def test_漢羅無空白(self):
+        self.語句 = '欲lia̍h-ti'
+
+    def test_漢羅無空白無連字符(self):
+        self.語句 = '欲lia̍h豬'
+
+    def test_半形標點符號(self):
+        self.語句 = 'ti!'
+
+    def test_全形標點符號(self):
+        self.語句 = 'ti！'

試驗/整合試驗/Test字串物件轉音一致整合試驗.py

@@ -0,0 +1,19 @@
+# -*- coding: utf-8 -*-
+from unittest.case import TestCase
+from 臺灣言語工具.解析整理.拆文分析器 import 拆文分析器
+from 臺灣言語工具.音標系統.閩南語.臺灣閩南語羅馬字拼音 import 臺灣閩南語羅馬字拼音
+
+
+class 字串物件轉音一致整合試驗(TestCase):
+
+    def tearDown(self):
+        物件 = 拆文分析器.建立句物件(self.語句).轉音(臺灣閩南語羅馬字拼音)
+        self.assertEqual(物件.看語句(), self.答案)
+
+    def test_羅馬字(self):
+        self.語句 = 'kin2--tshut4-lai5'
+        self.答案 = 'Kín--tshut-lâi'
+
+    def test_大寫羅馬字(self):
+        self.語句 = 'Kin2--tshut4-lai5'
+        self.答案 = 'Kín--tshut-lâi'