znzの日記

 | 

2006-09-24

「はてなダイアリーキーワードふりがなリスト」をSKKの辞書に変換

はてなダイアリーキーワードふりがなリストを公開しました - はてなダイアリー日記の「はてなダイアリーキーワードふりがなリスト」をSKKの辞書に変換すれば流行語辞書みたいな感じで便利なんじゃないかと思って、変換するスクリプトを作ってみた。

#!/usr/bin/ruby -Ke
# -*- coding: euc-jp -*-
# http://rubyist.g.hatena.ne.jp/znz/20060924/p1
#
# はてなダイアリーキーワードふりがなリストをSKKの辞書に変換
#
# 使い方:
#  wget http://d.hatena.ne.jp/images/keyword/keywordlist_furigana.csv
#  ruby keywordlist_furigana2skkdic.rb keywordlist_furigana.csv > tmp.skkdic
#  skkdic-expr2 -o keywordlist_furigana.skkdic tmp.skkdic
#
# 同一の読みをまとめたりはしていないので、一度skkdic-expr2を通してください。
#
#
# License:
#
# Copyright (c) 2006-2009 Kazuhiro NISHIYAMA
#
# Permission is hereby granted, free of charge, to any person obtaining a copy
# of this software and associated documentation files (the "Software"), to deal
# in the Software without restriction, including without limitation the rights
# to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
# copies of the Software, and to permit persons to whom the Software is
# furnished to do so, subject to the following conditions:
#
# The above copyright notice and this permission notice shall be included in
# all copies or substantial portions of the Software.
#
# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
# IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
# FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
# AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
# LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
# OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
# THE SOFTWARE.

require 'nkf'

class String
  # borrowed from http://openlab.jp/skk/skk/tools/filters/skkdictools.rb
  def concatify
    #if !(/^([-\w]+.*)$/ =~ self) && (/[;\r\n\/\"]/ =~ self)
    # []の処理をしないとskkdic-expr2がSEGVる。
    # see http://d.hatena.ne.jp/rubikitch/20091022/1256186001
    if /[\[\];\r\n\/\"]/ =~ self
      tmp = self.gsub(/;/, '\\\073').gsub(/\//, '\\\057').gsub(/\r/, '\\r').gsub(/\n/, '\\n').gsub(/"/, '\\"').gsub(/[\[\]]/, '')
      return '(concat "' + tmp + '")'
    else
      return self
    end
  end
end

# http://d.hatena.ne.jp/hatenadiary/20060922/1158908401
# http://d.hatena.ne.jp/images/keyword/keywordlist_furigana.csv
ARGF.each do |line|
  line.chomp!
  furigana, keyword = line.split(/\t/, 2)
  if furigana.empty?
    next # ふりがながないキーワードを無視
  end
  if furigana == keyword
    next # ひらがなだけのキーワードを無視
  end
  if furigana == NKF.nkf('-Ee -m0 --hiragana', keyword)
    next # カタカナ語は無視
  end
  puts "#{furigana} /#{keyword.gsub(/&/, '&').concatify}/"
end
  • 2007-05-21追記:変換結果で「&」になっていたので、「&」を「&」に変換する処理を追加した。
  • 2008-10-27追記:ふりがなのないキーワードができる用になっていたので、ふりがながないキーワードを無視する処理を追加した。
  • 2009-10-26追記: http://d.hatena.ne.jp/rubikitch/20091022/1256186001 の変更を取り込んだ。手元のファイルはMIT Licenseを追加していたのにここは古いままだったので、それも含めて更新した。
 |