Hunspell का उपयोग कर कार्यक्रमों के लिए बहुभाषी वर्तनी जाँच

कई बार एक ही समय में कई भाषाओं में वर्तनी की जांच करने की आवश्यकता होती है, हालांकि, सभी मौजूदा कार्यक्रम इस तरह की जाँच की अनुमति नहीं देते हैं, जिससे उपयोगकर्ता को एक भाषा से दूसरी भाषा में स्विच करने की अनुमति मिलती है, जो काफी असुविधाजनक और समय लेने वाली है।

Hunspell शब्दकोशों (FireFox, Seamonkey, Miranda, आदि) का उपयोग करने वाले कार्यक्रमों के लिए इस तरह की असुविधा के साथ नहीं रखना चाहते हैं, जिसके परिणामस्वरूप कई भाषाओं के gluing के लिए एक स्वचालित चित्रमय उपयोगिता बनाने का निर्णय लिया गया, जिसके परिणामस्वरूप शब्दकोशों के आगे उपयोग की संभावना है।

सृष्टि का इतिहास

सृष्टि के इतिहास के बारे में कुछ पंक्तियाँ। 2008 में इस विचार की उत्पत्ति हुई, जब मैंने फायरफॉक्स के लिए एक व्यापक रूसी-अंग्रेजी शब्दकोश संकलित किया।

इसे मोज़िला फीट साइट पर पोस्ट किया गया था।
ftp.mozilla-russia.org/dictionaries/ru-en_spell_dictionary.xpi
मंच पर एक विषय भी था।
forum.mozilla-russia.org/viewtopic.php?id=15316

उस क्षण के बाद से बहुत समय बीत चुका है, लेकिन अभी हाल ही में मुझे लगभग एक साथ इच्छुक लोगों से कई पत्र मिले, जिन्होंने हाल ही में कुछ और मांगा।
तैयार किए गए अपडेट भेजने के बजाय, मैंने GUI उपयोगिता को अंतिम रूप देने का फैसला किया, जो उपयोगकर्ताओं को स्वतंत्र रूप से कई शब्दकोशों को एक साथ इकट्ठा करने की अनुमति देगा।

उस समय, डेल्फी में उपयोगिता को "खुद के लिए" लिखा गया था, जिसका उपयोग मेरे द्वारा काम पर किया गया था, लेकिन इसे क्रॉस-प्लेटफॉर्म समाधान नहीं कहा जा सकता है।
बेशक, अब आप क्रॉस-प्लेटफॉर्म समाधान बनाने के लिए Embarcadero RAD Studio के नवीनतम संस्करणों का उपयोग कर सकते हैं, हालांकि, मैंने जावा का उपयोग करके एक स्वचालित उपयोगिता के कार्यान्वयन पर ध्यान केंद्रित करने का निर्णय लिया।

कार्य

इसके न्यूनतम कार्यान्वयन में उपयोगिता सक्षम होनी चाहिए

1. निम्नलिखित सबसे सामान्य प्रारूपों से शब्दकोश डाउनलोड करें
- असम्पीडित दृश्य * .dic और * .aff
- ज़िप संग्रह (*। ज़िप)
- XPInstall प्रारूप (* .xpi)
- एक्सटेंशन ओपनऑफिस (* .oxt)

2. gluing के लिए शब्दकोशों का चयन करने की क्षमता प्रदान करें

3. प्राप्त शब्दकोशों और विवरणों के नाम को बदलने का अवसर दें

4. प्रारूप में अपलोड करें
- असम्पीडित दृश्य * .dic और * .aff
- ज़िप संग्रह (*। ज़िप)
- XPInstall प्रारूप (* .xpi)

कार्यान्वयन

कार्यक्रम बनाने के लिए शुरू करने से पहले, उन्हें डाउनलोड करने और उन्हें गोंद करने में सक्षम होने के लिए शब्दकोशों के प्रारूप का अध्ययन करना आवश्यक था।

हन्स्पेल की जानकारी यहाँ मिल सकती है।
hunspell.sourceforge.net

प्रारूप विवरण
pwet.fr/man/linux/fichiers_speciaux/hunspell
या रूसी अनुवाद में
mozilla-russia.org/projects/dictionary/hunspell.html

संक्षेप में, हुन्स्पेल स्पेलचैकर को दो फाइलों की आवश्यकता होती है। पहली फ़ाइल एक शब्दकोश है जिसमें शब्द (* .dic) है, दूसरा एक एफिक्स फ़ाइल (* .aff) है जो शब्दकोश में विशेष लेबल (झंडे) के मूल्यों को परिभाषित करता है। झंडे को डिक्शनरी फ़ाइल में शब्दों को सौंपा गया है, और इसे एफिक्स फाइल में परिभाषित किया गया है।

फ़ाइलों के प्रारूप और संरचना को देखते हुए, मुख्य कार्य केवल डिक्शनरी फ़ाइलों को gluing के अलावा, विभिन्न शब्दकोशों के लिए affixes को तोड़ना नहीं था।

एक प्रत्यय फ़ाइल में झंडे के नामकरण के तीन दृष्टिकोण हैं।
1. डिफ़ॉल्ट रूप से - प्रत्येक affix को एक अक्षर (रजिस्ट्री सहित) या एक नंबर के साथ नाम दिया गया है।
2. दीर्घ - प्रत्येक प्रत्यय को दो अक्षर या संख्या के साथ एक अक्षर कहा जाता है।
3. संख्या - प्रत्येक प्रत्यय का मूल्य 1 से 65000 तक है।

चूंकि ज्यादातर मामलों में (शब्दकोश मैं आया था) एफिक्स फाइल में केवल कुछ दर्जन अलग-अलग एफिक्स झंडे शामिल थे, डिक्शनरी लेखक एक पत्र के साथ पहले दृष्टिकोण का उपयोग कर सकते हैं, लेकिन यह स्पष्ट रूप से कई फाइलों की बड़ी संख्या के कारण ग्लूइंग के लिए उपयुक्त नहीं था। , इसलिए परिणामी फाइलों में डिजिटल नामकरण का उपयोग करने का निर्णय लिया गया। बेशक, एक माइनस है - फ़ाइल आकार में थोड़ी वृद्धि, लेकिन मुझे लगता है कि यह महत्वपूर्ण नहीं है।

इसके अलावा, सभी डिक्शनरी फाइलें अक्सर अलग-अलग एन्कोडिंग में होती थीं, इसलिए परिणामी एन्कोडिंग UTF-8 को एकीकरण के लिए चुना गया था।

अन्यथा, कोई विशेष दिखाई देने वाली समस्याएं नहीं थीं।
कार्यक्रम शब्दकोशों को लोड करता है, उन्हें glues करता है, डुप्लिकेट शब्दों की अनदेखी करता है, परिणामस्वरूप अप्रयुक्त श्लोक झंडे को डिस्कस करता है।

इस लेख के ढांचे में, मैं व्यक्तिगत प्रक्रियाओं के कार्यान्वयन में नहीं जाऊंगा, क्योंकि जो लोग चाहते हैं, मैंने यहां स्रोत कोड पोस्ट किया है।
एएनटी कलेक्टर के लिए एक स्क्रिप्ट भी है।

code.google.com/p/hunspell-merge

कैसे काम करना है?

वर्तमान में, मैंने कार्यान्वयन कार्य में निर्दिष्ट स्रोत फ़ाइलों के प्रकारों के साथ उबंटू और विंडोज 7 के लिए उपयोगिता का परीक्षण किया है।
इस सामग्री के लिए जावा रनटाइम (JRE) की आवश्यकता होती है।

इस पृष्ठ से डाउनलोड करें HunspellMerge.jar और अपने लिनक्स या विंडोज ओएस के लिए स्टार्टअप फ़ाइल। लिनक्स के लिए, फ़ाइल चलाने के अधिकारों को रखना न भूलें।
जावा वेबस्टार्ट का उपयोग शुरू करना भी संभव है - लॉन्च फ़ाइल इस लिंक पर स्थित है।





काम करने के लिए, आपके पास स्रोत फ़ाइलों का एक सेट होना चाहिए, जो कि डिफ़ॉल्ट रूप से यूटिलिटी वर्किंग फ़ोल्डर के शब्दकोशों सबफ़ोल्डर में रखा जा सकता है।

अतिरिक्त शब्दकोशों को यहां पोस्ट किए गए लिंक से डाउनलोड किया जा सकता है।
code.google.com/p/hunspell-merge/wiki/OnlineDictionaries

उपयोगिता शुरू करने या शब्दकोशों के लिए एक नया स्रोत फ़ोल्डर चुनने के बाद, उन्हें शब्दकोशों की सूची में प्रदर्शित किया जाएगा।
उपयोगकर्ता को केवल (Ctrl या Shift दबाकर) कई शब्दकोशों का चयन करने की आवश्यकता है, गंतव्य फ़ोल्डर का चयन करें, भाषा का नाम इंगित करें, और यदि डाउनलोड XPInstall प्रारूप में है, तो शब्दकोश का विवरण सही करें।

काम के परिणामों का उपयोग करना

फ़ायर्फ़ॉक्स
आउटपुट स्वरूप (XPInstall)
बस फ़ाइल पथ की प्रतिलिपि बनाएँ या फ़ाइल को ब्राउज़र के एड्रेस बार में खींचें।
एक्सटेंशन एंटर करें और इंस्टॉल करें।

मिरांडा / MirandaNG
आउटपुट प्रारूप (शब्दकोश)
प्रोग्राम डायरेक्टरी में डॉक्स फोल्डर में फाइल (* .aff, * .dic) को कॉपी करें। मिरांडा को फिर से शुरू करें।

योजनाओं

चूंकि उपयोगिता कुछ शाम में लिखी गई थी, इसलिए एफिक्स फाइल के विस्तारित निर्देशों का परीक्षण और समर्थन करने का कोई विशेष समय नहीं था। यह संशोधन की योजना में है, हालांकि, एक भाषा के लिए कुछ निर्देश दूसरे के लिए समान निर्देशों के खिलाफ जा सकते हैं, इसलिए अब तीन प्रकार के मुख्य झंडे का समर्थन किया जाता है - प्रत्यय (एसएफएक्स), उपसर्ग (पीएफएक्स), प्रतिस्थापन (आरईपी)।

इंटरफ़ेस के लिए रूसी भाषा जोड़ें।

प्रलेखन लिखना और GoogleCode पर पृष्ठ को परिष्कृत करना भी अच्छा होगा।

निष्कर्ष

मुझे यह सुनने में अच्छा लगेगा कि इस तरह के चिपके शब्दकोशों में कौन से अन्य कार्यक्रम हैं।
मुझे एहसास है कि कार्यक्रम दोषों के बिना नहीं है, इसलिए मुझे उपयोगिता में सुधार के लिए सुझाव और सुझाव सुनने में खुशी होगी।

आपकी रुचि के लिए धन्यवाद।

यूपीडी जैसा कि यह निकला, यह एक ही भाषा के शब्दकोश को अलग-अलग करने के लिए उपयोगी है, विभिन्न संसाधनों से डाउनलोड किया गया है या अलग-अलग दिशाओं में है, उदाहरण के लिए, तकनीकी, आर्थिक।