cahier lukhnos

Update 1: 目前尚為 pre-packaged tar/zip ，必須從 svn checkout 出來，晚點來弄。
Update 2: 修正一個 typo, 應該是 khah chá pàng, TL寫成khah tsá pàng, tiânn-tiânn pàng

秉持 open source 要 “khah chá pàng, tiâⁿ-tiâⁿ pàng” （較早放，定定放: release early, release often）的精神，在此發布 Lib-Formosa 這個計劃。

Lib-Formosa 是從 OpenVanilla 的 Holo-POJ 模組 spin-off 出去的計劃，目的是希望提供一組能處理台灣語文的程式庫。

這個計劃是由 pektiong 和我在2006年年初，打算重構 OVIMPOJ 時所開始的構想。我們目前打算為台灣閩南語（Taiwanese Southern Min，又稱 Holo）撰寫可供程式使用的語音文法（phonetic grammar），以供驗證音節正確性，計劃進行得不快就是了。在此我們先行推出「音節組合」所需要的程式碼。我想有了這個程式庫，不管是撰寫台灣語文相關的處理、分析、UI frontend或者是輸入法，應該都會容易許多。

目前 Lib-Formosa 僅有一個稱為 LibHolo 的程式庫，提供取得標過音的台灣閩南語母音，以及提供可從字元串流（character stream）組合完整音節的物件類別。

程式庫目前為 C++ 所撰寫。裡面附有一個簡單的使用範例（將從 stdin 輸入的 ASCII-form POJ 音節轉換為標過音的 Unicode 台羅音節）以及 unit testing （需使用 CxxTest）。文件目前尚相當貧乏。

整個計劃是放在Google Code hosting上面，網址在：http://code.google.com/p/lib-formosa/ 。原始碼為使用New BSD License釋出。

最重要的設計概念和功能如下：

• 支援 POJ 或 TL 做為輸入及輸出格式，內部資料結構為 TL 。
• 有限度的支援 TLPA 及台語通用拼音做為輸入格式。台語通用拼音可能有自然調問題，這個程式庫本身不處理因音節在詞彙位置不同而產生的調性差異，因此是context-agnostic。
• 支援標調的正規化（normalization），亦即在輸出前，將元音標號搬到正確的元音上，依循的規則是Holo的音響律（sonority rules），亦即調號要標在音節中響度最高的母音上。
• HoloSymbol class 本身有內建的游標支援，方便輸入法撰寫（註）。
• 同時支援「組字式」（composed form）及「查詢式」（query form）的輸出，所謂組字型是已經組好的Unicode音節，查詢型是諸於像「thiann5」這種經過正規化的ASCII form，可供資料庫查找（例如查詢 POJ-Holo.cin）使用。
• 使用 C++ string (null-terminating byte string) 做為內部資料結構，因此可以很容易在任何平台上 deploy (encoding-agnostic)。

試以下面的例子說明 HoloSyllable 的使用方式：

#include "LibHolo.h"
using namespace LibHolo;

string example() {
    HoloSyllable syl;
    syl.setInputType(POJSyllable);  // 使用 POJ 輸入
    syl.insertCharacterAtCursor('t');
    syl.insertCharacterAtCursor('i');
    syl.insertCharacterAtCursor('a');
    syl.insertCharacterAtCursor('n');
    syl.insertCharacterAtCursor('n');
    syl.normalize(5);   // 第5聲

    // 如果使用這行，回傳的 composed form 為 TL: tiânn
    // return syl.covertToTLSyllable().composedForm(); 

    // 回傳 POJ composed form: tiâⁿ
    return syl.composedForm();
}

目前實作的規模至此，歡迎大家多多利用。

註：經過b6s指出，「游標」在資料結構上，其實就是iterator。

lukhnos :: Mar.08.2007 :: tekhnologia 技術或者藝術 :: 2 Comments »