:) w = Word(printables) を使ってみましたが、うまくいきません。これの仕様をどのように指定すればよいですか。「w」はヒンディー語文字 (UTF-8) を処理するためのものです。
コードは文法を指定し、それに応じて解析します。
671.assess :: अहसास ::2
x=number + "." + src + "::" + w + "::" + number + "." + number
英語の文字しかない場合は機能しているため、コードは ascii 形式では正しいですが、コードは unicode 形式では機能していません。
つまり、671.assess :: ahsaas ::2 という形式のコードがある場合にコードが機能するということです。
つまり、単語を英語形式で解析しますが、Unicode 形式で文字を解析して出力する方法がわかりません。目的のために、英語のヒンディー語の単語の配置にこれが必要です。
Python コードは次のようになります。
# -*- coding: utf-8 -*-
from pyparsing import Literal, Word, Optional, nums, alphas, ZeroOrMore, printables , Group , alphas8bit ,
# grammar
src = Word(printables)
trans = Word(printables)
number = Word(nums)
x=number + "." + src + "::" + trans + "::" + number + "." + number
#parsing for eng-dict
efiledata = open('b1aop_or_not_word.txt').read()
eresults = x.parseString(efiledata)
edict1 = {}
edict2 = {}
counter=0
xx=list()
for result in eresults:
trans=""#translation string
ew=""#english word
xx=result[0]
ew=xx[2]
trans=xx[4]
edict1 = { ew:trans }
edict2.update(edict1)
print len(edict2) #no of entries in the english dictionary
print "edict2 has been created"
print "english dictionary" , edict2
#parsing for hin-dict
hfiledata = open('b1aop_or_not_word.txt').read()
hresults = x.scanString(hfiledata)
hdict1 = {}
hdict2 = {}
counter=0
for result in hresults:
trans=""#translation string
hw=""#hin word
xx=result[0]
hw=xx[2]
trans=xx[4]
#print trans
hdict1 = { trans:hw }
hdict2.update(hdict1)
print len(hdict2) #no of entries in the hindi dictionary
print"hdict2 has been created"
print "hindi dictionary" , hdict2
'''
#######################################################################################################################
def translate(d, ow, hinlist):
if ow in d.keys():#ow=old word d=dict
print ow , "exists in the dictionary keys"
transes = d[ow]
transes = transes.split()
print "possible transes for" , ow , " = ", transes
for word in transes:
if word in hinlist:
print "trans for" , ow , " = ", word
return word
return None
else:
print ow , "absent"
return None
f = open('bidir','w')
#lines = ["'\
#5# 10 # and better performance in business in turn benefits consumers . # 0 0 0 0 0 0 0 0 0 0 \
#5# 11 # vHyaapaar mEmn bEhtr kaam upbhOkHtaaomn kE lIe laabhpHrdd hOtaa hAI . # 0 0 0 0 0 0 0 0 0 0 0 \
#'"]
data=open('bi_full_2','rb').read()
lines = data.split('!@#$%')
loc=0
for line in lines:
eng, hin = [subline.split(' # ')
for subline in line.strip('\n').split('\n')]
for transdict, source, dest in [(edict2, eng, hin),
(hdict2, hin, eng)]:
sourcethings = source[2].split()
for word in source[1].split():
tl = dest[1].split()
otherword = translate(transdict, word, tl)
loc = source[1].split().index(word)
if otherword is not None:
otherword = otherword.strip()
print word, ' <-> ', otherword, 'meaning=good'
if otherword in dest[1].split():
print word, ' <-> ', otherword, 'trans=good'
sourcethings[loc] = str(
dest[1].split().index(otherword) + 1)
source[2] = ' '.join(sourcethings)
eng = ' # '.join(eng)
hin = ' # '.join(hin)
f.write(eng+'\n'+hin+'\n\n\n')
f.close()
'''
ソースファイルの入力文の例が次の場合:
1# 5 # modern markets : confident consumers # 0 0 0 0 0
1# 6 # AddhUnIk baajaar : AshHvsHt upbhOkHtaa . # 0 0 0 0 0 0
!@#$%
出力は次のようになります:-
1# 5 # modern markets : confident consumers # 1 2 3 4 5
1# 6 # AddhUnIk baajaar : AshHvsHt upbhOkHtaa . # 1 2 3 4 5 0
!@#$%
出力の説明:- これにより、双方向の位置合わせが実現されます。これは、英語の「modern」の最初の単語がヒンディー語の「AddhUnik」の最初の単語に対応し、その逆も同様であることを意味します。ここでは、文字も双方向マッピングの不可欠な部分であるため、単語として扱われます。したがって、ヒンディー語の WORD '.' を観察すると、null アラインメントがあり、終止符がないため、英語の文に関しては何もマッピングされません。出力の 3 行目は、基本的に、双方向マッピングを実現しようとしている多数の文に対して作業している場合の区切り記号を表します。
ヒンディー語の文章が Unicode(UTF-8) 形式の場合、どのように変更すれば機能しますか?