249 lines
6.6 KiB
Java
249 lines
6.6 KiB
Java
|
package net.osmand.util;
|
|||
|
|
|
|||
|
|
import com.atilika.kuromoji.ipadic.Token;
|
|||
|
|
import com.atilika.kuromoji.ipadic.Tokenizer;
|
|||
|
|
import java.util.HashMap;
|
|||
|
|
import java.util.List;
|
|||
|
|
import java.util.Map;
|
|||
|
|
import net.osmand.PlatformUtil;
|
|||
|
|
import net.sf.junidecode.Junidecode;
|
|||
|
|
import org.apache.commons.logging.Log;
|
|||
|
|
|
|||
|
|
public class TransliterationHelper {
|
|||
|
|
|
|||
|
|
private static TransliterationHelper instance;
|
|||
|
|
|
|||
|
|
public final static Log LOG = PlatformUtil.getLog(TransliterationHelper.class);
|
|||
|
|
public final static int DEFAULT = 1000;
|
|||
|
|
public final static int JAPANESE = 1001;
|
|||
|
|
|
|||
|
|
private static int activeMapLanguage = DEFAULT;
|
|||
|
|
|
|||
|
|
private Map<String, String> kanaMap = new HashMap<>();
|
|||
|
|
|
|||
|
|
private TransliterationHelper(){}
|
|||
|
|
|
|||
|
|
static {
|
|||
|
|
try {
|
|||
|
|
instance = new TransliterationHelper();
|
|||
|
|
} catch (Exception e) {
|
|||
|
|
LOG.debug(e.getMessage(), e);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
public static TransliterationHelper getInstance() {
|
|||
|
|
return instance;
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
public static void setActiveMapLanguage(int activeMapLanguage) {
|
|||
|
|
TransliterationHelper.activeMapLanguage = activeMapLanguage;
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
public static int getActiveMapLanguage() {
|
|||
|
|
return activeMapLanguage;
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
public String transliterateText(String text) {
|
|||
|
|
switch (activeMapLanguage) {
|
|||
|
|
case DEFAULT:
|
|||
|
|
return Junidecode.unidecode(text);
|
|||
|
|
case JAPANESE:
|
|||
|
|
return japanese2Romaji(text);
|
|||
|
|
}
|
|||
|
|
return text;
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
private String japanese2Romaji(String input) {
|
|||
|
|
|
|||
|
|
boolean capitalizeWords = true;
|
|||
|
|
|
|||
|
|
Tokenizer tokenizer = new Tokenizer();
|
|||
|
|
List<Token> tokens = tokenizer.tokenize(input);
|
|||
|
|
|
|||
|
|
StringBuilder builder = new StringBuilder();
|
|||
|
|
if (kanaMap.isEmpty()) {
|
|||
|
|
initKanaMap();
|
|||
|
|
}
|
|||
|
|
String lastTokenToMerge = "";
|
|||
|
|
for (Token token : tokens) {
|
|||
|
|
String type = token.getAllFeaturesArray()[1];
|
|||
|
|
|
|||
|
|
if (token.getAllFeaturesArray()[0].equals("記号")) {
|
|||
|
|
builder.append(token.getSurface());
|
|||
|
|
continue;
|
|||
|
|
}
|
|||
|
|
switch (token.getAllFeaturesArray()[1]) {
|
|||
|
|
case "数":
|
|||
|
|
case "アルファベット":
|
|||
|
|
case "サ変接続":
|
|||
|
|
builder.append(token.getSurface());
|
|||
|
|
continue;
|
|||
|
|
default:
|
|||
|
|
String lastFeature = token.getAllFeaturesArray()[8];
|
|||
|
|
if (lastFeature.equals("*")) {
|
|||
|
|
builder.append(token.getSurface());
|
|||
|
|
} else {
|
|||
|
|
String romaji = convertKanaToRomaji(token.getAllFeaturesArray()[8]);
|
|||
|
|
if (lastFeature.endsWith("ッ")) {
|
|||
|
|
lastTokenToMerge = lastFeature;
|
|||
|
|
continue;
|
|||
|
|
} else {
|
|||
|
|
lastTokenToMerge = "";
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
if (capitalizeWords) {
|
|||
|
|
builder.append(romaji.substring(0, 1).toUpperCase());
|
|||
|
|
builder.append(romaji.substring(1));
|
|||
|
|
} else {
|
|||
|
|
// Convert foreign katakana words to uppercase
|
|||
|
|
if (token.getSurface()
|
|||
|
|
.equals(token.getPronunciation())) // detect katakana
|
|||
|
|
{
|
|||
|
|
romaji = romaji.toUpperCase();
|
|||
|
|
}
|
|||
|
|
builder.append(romaji);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
builder.append(" ");
|
|||
|
|
}
|
|||
|
|
return builder.toString();
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
private String convertKanaToRomaji(String s) {
|
|||
|
|
StringBuilder t = new StringBuilder();
|
|||
|
|
for (int i = 0; i < s.length(); i++) {
|
|||
|
|
if (i <= s.length() - 2) {
|
|||
|
|
if (kanaMap.containsKey(s.substring(i, i + 2))) {
|
|||
|
|
t.append(kanaMap.get(s.substring(i, i + 2)));
|
|||
|
|
i++;
|
|||
|
|
} else if (kanaMap.containsKey(s.substring(i, i + 1))) {
|
|||
|
|
t.append(kanaMap.get(s.substring(i, i + 1)));
|
|||
|
|
} else if (s.charAt(i) == 'ッ') {
|
|||
|
|
t.append(kanaMap.get(s.substring(i + 1, i + 2)).charAt(0));
|
|||
|
|
} else {
|
|||
|
|
t.append(s.charAt(i));
|
|||
|
|
}
|
|||
|
|
} else {
|
|||
|
|
if (kanaMap.containsKey(s.substring(i, i + 1))) {
|
|||
|
|
t.append(kanaMap.get(s.substring(i, i + 1)));
|
|||
|
|
} else {
|
|||
|
|
t.append(s.charAt(i));
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
return t.toString();
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
private void initKanaMap(){
|
|||
|
|
kanaMap.put("ア", "a");
|
|||
|
|
kanaMap.put("イ", "i");
|
|||
|
|
kanaMap.put("ウ", "u");
|
|||
|
|
kanaMap.put("エ", "e");
|
|||
|
|
kanaMap.put("オ", "o");
|
|||
|
|
kanaMap.put("カ", "ka");
|
|||
|
|
kanaMap.put("キ", "ki");
|
|||
|
|
kanaMap.put("ク", "ku");
|
|||
|
|
kanaMap.put("ケ", "ke");
|
|||
|
|
kanaMap.put("コ", "ko");
|
|||
|
|
kanaMap.put("サ", "sa");
|
|||
|
|
kanaMap.put("シ", "shi");
|
|||
|
|
kanaMap.put("ス", "su");
|
|||
|
|
kanaMap.put("セ", "se");
|
|||
|
|
kanaMap.put("ソ", "so");
|
|||
|
|
kanaMap.put("タ", "ta");
|
|||
|
|
kanaMap.put("チ", "chi");
|
|||
|
|
kanaMap.put("ツ", "tsu");
|
|||
|
|
kanaMap.put("テ", "te");
|
|||
|
|
kanaMap.put("ト", "to");
|
|||
|
|
kanaMap.put("ナ", "na");
|
|||
|
|
kanaMap.put("ニ", "ni");
|
|||
|
|
kanaMap.put("ヌ", "nu");
|
|||
|
|
kanaMap.put("ネ", "ne");
|
|||
|
|
kanaMap.put("ノ", "no");
|
|||
|
|
kanaMap.put("ハ", "ha");
|
|||
|
|
kanaMap.put("ヒ", "hi");
|
|||
|
|
kanaMap.put("フ", "fu");
|
|||
|
|
kanaMap.put("ヘ", "he");
|
|||
|
|
kanaMap.put("ホ", "ho");
|
|||
|
|
kanaMap.put("マ", "ma");
|
|||
|
|
kanaMap.put("ミ", "mi");
|
|||
|
|
kanaMap.put("ム", "mu");
|
|||
|
|
kanaMap.put("メ", "me");
|
|||
|
|
kanaMap.put("モ", "mo");
|
|||
|
|
kanaMap.put("ヤ", "ya");
|
|||
|
|
kanaMap.put("ユ", "yu");
|
|||
|
|
kanaMap.put("ヨ", "yo");
|
|||
|
|
kanaMap.put("ラ", "ra");
|
|||
|
|
kanaMap.put("リ", "ri");
|
|||
|
|
kanaMap.put("ル", "ru");
|
|||
|
|
kanaMap.put("レ", "re");
|
|||
|
|
kanaMap.put("ロ", "ro");
|
|||
|
|
kanaMap.put("ワ", "wa");
|
|||
|
|
kanaMap.put("ヲ", "wo");
|
|||
|
|
kanaMap.put("ン", "n");
|
|||
|
|
kanaMap.put("ガ", "ga");
|
|||
|
|
kanaMap.put("ギ", "gi");
|
|||
|
|
kanaMap.put("グ", "gu");
|
|||
|
|
kanaMap.put("ゲ", "ge");
|
|||
|
|
kanaMap.put("ゴ", "go");
|
|||
|
|
kanaMap.put("ザ", "za");
|
|||
|
|
kanaMap.put("ジ", "ji");
|
|||
|
|
kanaMap.put("ズ", "zu");
|
|||
|
|
kanaMap.put("ゼ", "ze");
|
|||
|
|
kanaMap.put("ゾ", "zo");
|
|||
|
|
kanaMap.put("ダ", "da");
|
|||
|
|
kanaMap.put("ヂ", "ji");
|
|||
|
|
kanaMap.put("ヅ", "zu");
|
|||
|
|
kanaMap.put("デ", "de");
|
|||
|
|
kanaMap.put("ド", "do");
|
|||
|
|
kanaMap.put("バ", "ba");
|
|||
|
|
kanaMap.put("ビ", "bi");
|
|||
|
|
kanaMap.put("ブ", "bu");
|
|||
|
|
kanaMap.put("ベ", "be");
|
|||
|
|
kanaMap.put("ボ", "bo");
|
|||
|
|
kanaMap.put("パ", "pa");
|
|||
|
|
kanaMap.put("ピ", "pi");
|
|||
|
|
kanaMap.put("プ", "pu");
|
|||
|
|
kanaMap.put("ペ", "pe");
|
|||
|
|
kanaMap.put("ポ", "po");
|
|||
|
|
kanaMap.put("キャ", "kya");
|
|||
|
|
kanaMap.put("キュ", "kyu");
|
|||
|
|
kanaMap.put("キョ", "kyo");
|
|||
|
|
kanaMap.put("シャ", "sha");
|
|||
|
|
kanaMap.put("シュ", "shu");
|
|||
|
|
kanaMap.put("ショ", "sho");
|
|||
|
|
kanaMap.put("チャ", "cha");
|
|||
|
|
kanaMap.put("チュ", "chu");
|
|||
|
|
kanaMap.put("チョ", "cho");
|
|||
|
|
kanaMap.put("ニャ", "nya");
|
|||
|
|
kanaMap.put("ニュ", "nyu");
|
|||
|
|
kanaMap.put("ニョ", "nyo");
|
|||
|
|
kanaMap.put("ヒャ", "hya");
|
|||
|
|
kanaMap.put("ヒュ", "hyu");
|
|||
|
|
kanaMap.put("ヒョ", "hyo");
|
|||
|
|
kanaMap.put("リャ", "rya");
|
|||
|
|
kanaMap.put("リュ", "ryu");
|
|||
|
|
kanaMap.put("リョ", "ryo");
|
|||
|
|
kanaMap.put("ギャ", "gya");
|
|||
|
|
kanaMap.put("ギュ", "gyu");
|
|||
|
|
kanaMap.put("ギョ", "gyo");
|
|||
|
|
kanaMap.put("ジャ", "ja");
|
|||
|
|
kanaMap.put("ジュ", "ju");
|
|||
|
|
kanaMap.put("ジョ", "jo");
|
|||
|
|
kanaMap.put("ティ", "ti");
|
|||
|
|
kanaMap.put("ディ", "di");
|
|||
|
|
kanaMap.put("ツィ", "tsi");
|
|||
|
|
kanaMap.put("ヂャ", "dya");
|
|||
|
|
kanaMap.put("ヂュ", "dyu");
|
|||
|
|
kanaMap.put("ヂョ", "dyo");
|
|||
|
|
kanaMap.put("ビャ", "bya");
|
|||
|
|
kanaMap.put("ビュ", "byu");
|
|||
|
|
kanaMap.put("ビョ", "byo");
|
|||
|
|
kanaMap.put("ピャ", "pya");
|
|||
|
|
kanaMap.put("ピュ", "pyu");
|
|||
|
|
kanaMap.put("ピョ", "pyo");
|
|||
|
|
kanaMap.put("ー", "-");
|
|||
|
|
}
|
|||
|
|
}
|