改善【人工手動輸入音標/注音】

Documents/URS_003_解構方音符號.md

@@ -0,0 +1,81 @@
+# URS-003 解構方音符號
+
+## 摘要
+
+將【方音符號】解構成：【聲母】、【韻母】、【調符】。
+
+如：
+
+ 1. 歸：ㄍㄨㄧ
+    - 聲母：ㄍ
+    - 韻母：ㄨㄧ
+    - 調符：1
+
+ 2. 己：ㄧˋ
+    - 聲母：
+    - 韻母：ㄧ
+    - 調符：2
+
+ 3. 敬：ㄍㄧㄥ˪
+    - 聲母：ㄍ
+    - 韻母：ㄧㄥ
+    - 調符：3
+
+ 4. 覺：ㄍㄚㆻ
+    - 聲母：ㄍ
+    - 韻母：ㄚㆻ
+    - 調符：4
+
+ 5. 來：ㄌㄞˊ
+    - 聲母：ㄌ
+    - 韻母：ㄞ
+    - 調符：5
+
+ 7. 是：ㄒㄧ˫
+    - 聲母：ㄒ
+    - 韻母：ㄧ
+    - 調符：7
+
+ 8. 獨：ㄉㄚㆻ˙
+    - 聲母：ㄉ
+    - 韻母：ㄚㆻ
+    - 調符：7
+
+
+## 拆解流程
+
+ 1. 檢查輸入之【方音符號】的最尾一個字元是否為【方音調符】。若有，對映成【調號】。
+
+    檢查用之 pattern 。
+
+    ```python
+    HongImTiauHu = re.compile(r"ˋ|˪|ˊ|˫|\u02D9", re.I)
+    ```
+
+    透過 Dictionary 對映，將【方音調號】對映成【調號】。
+
+    ```python
+    Hong_Im_Tiau_Hu_Dict = {
+        "ˋ"    : 2,
+        "˪"     : 3,
+        "ˊ"    : 5,
+        "˫"     : 7,
+        "\u02D9": 8,
+    }
+    ```
+
+ 2. 判斷沒有【方音調符】的【方音符號】，是第一聲？還是第四聲？
+
+    若是【方音符號】最尾端的字元為：ㆴ、ㆵ、ㆻ、ㆷ，則表示為第四聲（陰入）；
+    若否，則為第一聲（陰平）。
+
+ 3. 將【方音符號】剔除【方音調符】成為：【無調符方音符號】。
+
+    如：
+
+    - 【方音符號】：ㄒㄧ˫   ==> 【無調符方音符號】： ㄒㄧ
+    - 【方音符號】：ㄉㄧㆲ˪ ==> 【無調符方音符號】： ㄉㄧㆲ
+
+ 4. 將【無調符方音符號】的第一個字元抽出當【聲母】；餘下的【無調符方音符號】
+    當作【韻母】。
+

mod_標音.py

@@ -1,6 +1,61 @@
 import re
 import sqlite3
 
+# 上標數字與普通數字的映射字典
+superscript_digit_mapping = {
+    '⁰': '0',
+    '¹': '1',
+    '²': '2',
+    '³': '3',
+    '⁴': '4',
+    '⁵': '5',
+    '⁶': '6',
+    '⁷': '7',
+    '⁸': '8',
+    '⁹': '9',
+}
+
+def replace_superscript_digits(input_str):
+    return ''.join(superscript_digit_mapping.get(char, char) for char in input_str)
+
+
+def choose_piau_im_method(piau_im, zu_im_huat, siann_bu, un_bu, tiau_ho):
+    """選擇並執行對應的注音方法"""
+    if zu_im_huat == "十五音":
+        return piau_im.SNI_piau_im(siann_bu, un_bu, tiau_ho)
+    elif zu_im_huat == "白話字":
+        return piau_im.POJ_piau_im(siann_bu, un_bu, tiau_ho)
+    elif zu_im_huat == "台羅拼音":
+        return piau_im.TL_piau_im(siann_bu, un_bu, tiau_ho)
+    elif zu_im_huat == "閩拼方案":
+        return piau_im.BP_piau_im(siann_bu, un_bu, tiau_ho)
+    elif zu_im_huat == "方音符號":
+        return piau_im.TPS_piau_im(siann_bu, un_bu, tiau_ho)
+    elif zu_im_huat == "台語音標":
+        siann = piau_im.Siann_Bu_Dict[siann_bu]["台語音標"] or ""
+        un = piau_im.Un_Bu_Dict[un_bu]["台語音標"]
+        return f"{siann}{un}{tiau_ho}"
+    return ""
+
+
+# ==========================================================
+# 台語音標轉換為【漢字標音】之注音符號或羅馬字音標
+# ==========================================================
+def tlpa_tng_han_ji_piau_im(piau_im, piau_im_huat, tai_gi_im_piau):
+    siann_bu, un_bu, tiau_ho = split_tai_gi_im_piau(tai_gi_im_piau)
+
+    if siann_bu == "" or siann_bu == None:
+        siann_bu = "Ø"
+
+    han_ji_piau_im = choose_piau_im_method(
+        piau_im,
+        piau_im_huat,
+        siann_bu,
+        un_bu,
+        tiau_ho
+    )
+    return han_ji_piau_im
+
 
 # =========================================================
 # 判斷是否為標點符號的輔助函數
@@ -38,6 +93,105 @@ def is_valid_han_ji(char):
 # for tai_loo, tai_gi in tai_loo_to_tai_gi_mapping.items():
 #     tai_gi_im = tai_gi_im.replace(tai_loo, tai_gi)
 # ==========================================================
+
+# ----------------------------------------------------------
+# 自「台語音標+」，分析出：聲母、韻母、聲調
+# ----------------------------------------------------------
+def split_tai_gi_im_piau(im_piau):
+    # 聲母相容性轉換處理（將 tsh 轉換為 c；將 ts 轉換為 z）
+    # zu_im = zu_im.replace("tsh", "c")   # 將 tsh 轉換為 c
+    # zu_im = zu_im.replace("ts", "z")    # 將 ts  轉換為 z
+    if im_piau.startswith("tsh") or im_piau.startswith("ch"):
+        im_piau = im_piau.replace("tsh", "c", 1).replace("ch", "c", 1)  # 將 tsh, ch 轉換為 c
+    elif im_piau.startswith("ts") or im_piau.startswith("c"):
+        im_piau = im_piau.replace("ts", "z", 1).replace("c", "z", 1)  # 將 ts, c 轉換為 z
+
+    # 定義聲母的正規表示式，包括常見的聲母，但不包括 m 和 ng
+    siann_bu_pattern = re.compile(r"(b|c|z|g|h|j|kh|k|l|m(?!\d)|ng(?!\d)|n|ph|p|s|th|t|Ø)")
+
+    # 韻母為 m 或 ng 這種情況的正規表示式 (m\d 或 ng\d)
+    un_bu_as_m_or_ng_pattern = re.compile(r"(m|ng)\d")
+
+    result = []
+
+    # 首先檢查是否是 m 或 ng 當作韻母的特殊情況
+    if un_bu_as_m_or_ng_pattern.match(im_piau):
+        siann_bu = ""  # 沒有聲母
+        un_bu = im_piau[:-1]  # 韻母是 m 或 ng
+        tiau = im_piau[-1]  # 聲調是最後一個字符
+    else:
+        # 使用正規表示式來匹配聲母
+        siann_bu_match = siann_bu_pattern.match(im_piau)
+        if siann_bu_match:
+            siann_bu = siann_bu_match.group()  # 找到聲母
+            un_bu = im_piau[len(siann_bu):-1]  # 韻母部分
+        else:
+            siann_bu = ""  # 沒有匹配到聲母，聲母為空字串
+            un_bu = im_piau[:-1]  # 韻母是剩下的部分，去掉最後的聲調
+
+        tiau = im_piau[-1]  # 最後一個字符是聲調
+
+    # 將上標數字替換為普通數字
+    tiau = replace_superscript_digits(str(tiau))
+    # tiau = 7 if int(tiau_ho) == 6 else int(tiau)
+
+    result += [siann_bu]
+    result += [un_bu]
+    result += [tiau]
+    return result
+
+
+def split_hong_im_hu_ho(hong_im_hu_ho):
+    # 定義調符對應的字典
+    Hong_Im_Tiau_Hu_Dict = {
+        "ˋ": 2,
+        "˪": 3,
+        "ˊ": 5,
+        "˫": 7,
+        "\u02D9": 8,  # '˙'
+    }
+
+    # 編譯調符的正則表達式模式
+    HongImTiauHu = re.compile(r"[ˋ˪ˊ˫˙]", re.I)
+
+    # 定義表示第四聲的尾字元集合
+    tone_4_endings = {'ㆴ', 'ㆵ', 'ㆻ', 'ㆷ'}
+
+    # 定義聲母的集合
+    sheng_mu_ji = {
+        'ㄅ', 'ㄆ', 'ㆠ', 'ㄇ',
+        'ㄉ', 'ㄊ', 'ㄋ', 'ㄌ',
+        'ㄍ', 'ㄎ', 'ㆣ', 'ㄏ', 'ㄫ',
+        'ㄗ', 'ㄘ', 'ㆡ', 'ㄙ',
+        'ㄐ', 'ㄑ', 'ㆢ', 'ㄒ',
+        'ㄓ', 'ㄔ', 'ㄕ', 'ㄖ',
+        'ㄭ', 'ㄪ', 'ㄬ', 'ㄈ',
+    }
+
+    # 步驟一：檢查最後一個字元是否為調符
+    if HongImTiauHu.match(hong_im_hu_ho[-1]):
+        tiau_fu = hong_im_hu_ho[-1]
+        tiau_hao = Hong_Im_Tiau_Hu_Dict[tiau_fu]
+        # 移除調符，獲得無調符的方音符號
+        wu_tiau_fu_hong_im_hu_ho = hong_im_hu_ho[:-1]
+    else:
+        # 最後沒有調符，判斷是第一聲還是第四聲
+        if hong_im_hu_ho[-1] in tone_4_endings:
+            tiau_hao = 4
+        else:
+            tiau_hao = 1
+        wu_tiau_fu_hong_im_hu_ho = hong_im_hu_ho
+
+    # 步驟四：提取聲母和韻母
+    if wu_tiau_fu_hong_im_hu_ho and wu_tiau_fu_hong_im_hu_ho[0] in sheng_mu_ji:
+        sheng_mu = wu_tiau_fu_hong_im_hu_ho[0]
+        yun_mu = wu_tiau_fu_hong_im_hu_ho[1:]
+    else:
+        sheng_mu = ''
+        yun_mu = wu_tiau_fu_hong_im_hu_ho
+
+    return [sheng_mu, yun_mu, str(tiau_hao)]
+
 def split_zu_im(zu_im):
     # 聲母相容性轉換處理（將 tsh 轉換為 c；將 ts 轉換為 z）
     # zu_im = zu_im.replace("tsh", "c")   # 將 tsh 轉換為 c
@@ -77,6 +231,48 @@ def split_zu_im(zu_im):
     result += [tiau]
     return result
 
+# 方音符號轉換為【台語音標】
+def hong_im_tng_tai_gi_im_piau(siann, un, tiau, cursor):
+    """
+    根據傳入的方音符號聲母、韻母、聲調，轉換成對應的台語音標
+    :param siann: 聲母 (方音符號)
+    :param un: 韻母 (方音符號)
+    :param tiau: 聲調 (方音符號)
+    :param cursor: 數據庫游標
+    :return: 包含台語音標的字典
+    """
+    # 查詢聲母表，將方音符號的聲母轉換成台語音標
+    cursor.execute("SELECT 台語音標 FROM 聲母對照表 WHERE 方音符號 = ?", (siann,))
+    siann_result = cursor.fetchone()
+    if siann_result:
+        tai_gi_siann = siann_result[0]  # 取得台語音標
+    else:
+        tai_gi_siann = ''  # 無聲母的情況
+
+    # 查詢韻母表，將方音符號的韻母轉換成台語音標
+    cursor.execute("SELECT 台語音標 FROM 韻母對照表 WHERE 方音符號 = ?", (un,))
+    un_result = cursor.fetchone()
+    if un_result:
+        tai_gi_un = un_result[0]  # 取得台語音標
+    else:
+        tai_gi_un = ''
+
+    # 查詢聲調表，將方音符號的聲調轉換成台語音標
+    # cursor.execute("SELECT 方音符號調符 FROM 聲調對照表 WHERE 台羅調號 = ?", (tiau,))
+    # tiau_result = cursor.fetchone()
+    # if tiau_result:
+    #     tai_gi_tiau = tiau_result[0]  # 取得台語音標
+    # else:
+    #     tai_gi_tiau = ''
+    tai_gi_tiau = tiau
+
+    return {
+        '台語音標': f"{tai_gi_siann}{tai_gi_un}{tai_gi_tiau}",
+        '聲母': tai_gi_siann,
+        '韻母': tai_gi_un,
+        '聲調': tai_gi_tiau,
+    }
+
 
 # 台語音標轉換為方音符號
 def TL_Tng_Zu_Im(siann_bu, un_bu, siann_tiau, cursor):
@@ -263,6 +459,14 @@ class PiauIm:
         }
     }
 
+    Hong_Im_Tiau_Hu_Dict = {
+        "ˋ"    : 2,
+        "˪"     : 3,
+        "ˊ"    : 5,
+        "˫"     : 7,
+        "\u02D9": 8,
+    }
+
     def __init__(self, han_ji_khoo):
         self.Siann_Bu_Dict = None
         self.Un_Bu_Dict = None
@@ -271,6 +475,7 @@ def __init__(self, han_ji_khoo):
         self.TL_pattern2 = re.compile(r"(o|e|a|u|i|n|m)", re.I)
         self.POJ_pattern1 = re.compile(r"(oai|oan|oah|oeh|ee|ei)", re.I)
         self.POJ_pattern2 = re.compile(r"(o|e|a|u|i|n|m)", re.I)
+        self.HongImTiauHu = re.compile(r"ˋ|˪|ˊ|˫|\u02D9", re.I)
 
     def _init_siann_bu_dict(self, cursor):
         # 執行 SQL 查詢
@@ -371,6 +576,10 @@ def bp_un_bu_ga_tiau_ho(self, guan_im, tiau):
     def TL_piau_im(self, siann_bu, un_bu, tiau_ho):
         piau_im_huat = "台羅拼音"
 
+        # 將上標數字替換為普通數字
+        tiau_ho = replace_superscript_digits(str(tiau_ho))
+        tiau_ho = 7 if int(tiau_ho) == 6 else int(tiau_ho)
+
         if siann_bu == None or siann_bu == "Ø":
             siann = ""
         else:
@@ -415,6 +624,10 @@ def TL_piau_im(self, siann_bu, un_bu, tiau_ho):
     def POJ_piau_im(self, siann_bu, un_bu, tiau_ho):
         piau_im_huat = "白話字"
 
+        # 將上標數字替換為普通數字
+        tiau_ho = replace_superscript_digits(str(tiau_ho))
+        tiau_ho = 7 if int(tiau_ho) == 6 else int(tiau_ho)
+
         if siann_bu == None or siann_bu == "Ø":
             siann = ""
         else:
@@ -474,6 +687,10 @@ def BP_piau_im(self, siann_bu, un_bu, tiau_ho):
             8: 8,  # 陽入：4?
         }
 
+        # 將上標數字替換為普通數字
+        tiau_ho = replace_superscript_digits(str(tiau_ho))
+        tiau_ho = 7 if int(tiau_ho) == 6 else int(tiau_ho)
+
         if siann_bu == None or siann_bu == "Ø":
             siann = ""
         else:
@@ -540,9 +757,12 @@ def TPS_piau_im(self, siann_bu, un_bu, tiau_ho):
             "ㆡㄧ": "ㆢㄧ",
         }
 
+        # 將上標數字替換為普通數字
+        tiau_ho = replace_superscript_digits(str(tiau_ho))
+        tiau_ho = 7 if int(tiau_ho) == 6 else int(tiau_ho)
+
         siann = self.Siann_Bu_Dict[siann_bu][piau_im_huat]
         un = self.Un_Bu_Dict[un_bu][piau_im_huat]
-        tiau_ho = 7 if int(tiau_ho) == 6 else int(tiau_ho)
         tiau = self.TONE_MARKS[piau_im_huat][tiau_ho]
         piau_im = f"{siann}{un}{tiau}"