有没有办法以编程方式将韩文 unicode 合并为一个？

Question

使用韩语输入法编辑器 (IME)，可以键入 버리 + 어，它会自动变为 버려。

有没有办法在 Python 中以编程方式执行此操作？

>>> x, y = '버리', '어'
>>> z = '버려'
>>> ord(z[-1])
47140
>>> ord(x[-1]), ord(y)
(47532, 50612)

有没有办法计算 47532 + 50612 -> 47140？

这里还有一些例子：

가보 + 아 -> 가봐

끝나 + ㄹ -> 끝날

Answer 1

您可以使用自己的翻译 table。
缺点是你必须手动输入所有对，或者你有一个文件可以从中获取它。
例如：

# Sample Korean chars to map
k = [[('버리', '어'), ('버려')], [('가보', '아'), ('가봐')], [('끝나', 'ㄹ'), ('끝날')]]

class Korean(object):
    def __init__(self):
        self.map = {}

        for m in k:
            key = m[0][0] + m[0][1]
            self.map[hash(key)] = m[1]

    def __getitem__(self, item):
        return self.map[hash(item)]

    def translate(self, s):
        return [ self.map[hash(token)] for token in s]

if __name__ == '__main__':
    k_map = Korean()
    k_chars = [ m[0][0] + m[0][1] for m in  k]

    print('Input: %s' % k_chars)
    print('Output: %s' % k_map.translate(k_chars))

    one_char_3 = k[0][0][0] + k[0][0][1]
    print('%s = %s' % (one_char_3, k_map[ one_char_3 ]) )

Input: ['버리어', '가보아', '끝나ㄹ']
Output: ['버려', '가봐', '끝날']
버리어 = 버려

测试 Python:3.4.2

Answer 2

我是韩国人。首先，如果您键入 버리 + 어，它将变为 버리어 而不是 버려。 버려 是 버리어 的缩写，它不是自动生成的。同样的原因，가보아 不能在输入时自动变成 가봐。

其次，相比之下，끝나 + ㄹ 变成了 끝날 因为 나 没有 jongseong(종성)。请注意韩文的一个字符由choseong(초성)、jungseong(중성)和jongseong[=61=组成]. choseong和jongseong是辅音，jungseong是元音。在 Wikipedia 查看更多信息。所以只有当打字时没有jongseong时（比如끝나），才有可能有jongseong(ㄹ).

如果你想把 버리 + 어 变成 버려，你应该实现一些韩语语法，特别是对于这种情况，jungseong 的缩写。例如 ㅣ + ㅓ = ㅕ, ㅗ + ㅏ = ㅘ 如您所提供。 한글 맞춤법 chapter 4. section 5（我现在找不到英文页面）这样定义缩写。这是可能的，但不是那么容易的工作，尤其是对于非韩国人。

下一步，如果你想要的只是将 끝나 + ㄹ 变成 끝날，这可能是一个相对容易的工作，因为有库可以处理合成和choseong、jungseong、jongseong的分解。在 Python 的情况下，我找到了 hgtk。你可以这样尝试（非实用代码）：

# hgtk methods take one character at a time cjj1 = hgtk.letter.decompose('나') # ('ㄴ', 'ㅏ', '') cjj2 = hgtk.letter.decompose('ㄹ') # ('ㄹ', '', '') if cjj1[2]) == '' and cjj2[1]) == '': cjj = (cjj1[0], cjj1[1], cjj2[0]) cjj2 = None

不过，如果没有适当的韩文知识，将很难完成。

有没有办法以编程方式将韩文 unicode 合并为一个？

Is there a way to programmatically combine Korean unicode into one?

python

unicode

nlp

ime

korean-nlp