平仮名からローマ字への変換(促音)

Question

前提・実現したいこと

ここで質問した者です。
質問に対する回答によってある程度は実現できたのですが、促音の処理で問題が発生しています。ご指摘お願いします。

入力例

かっぱ
さっし

期待する出力例

[kaltupa, caltupa, kaxtupa, caxtupa, kappa, cappa]
[saltusi, saxtusi, sassi, saltushi, saxtushi, sasshi, saltuci, saxtuci, sacci]

入力例に対する実際の出力例

[kaltupa, caltupa, kaxtupa, caxtupa, kappa, cappa]
[saltusi, saxtusi, sassi, sacsi, saltushi, saxtushi, sasshi, sacshi, saltuci, saxtuci, sasci, sacci]

問題なのは、実際の出力に「sacsi」、「sacshi」、「sasci」が含まれていることです。

該当のソースコード

字数制限に引っかかったのでこちらからお願いします。

補足情報

JDK 10.0.2
Eclipse 4.7 Oxygen

不足している情報があれば是非ご指摘下さい。

Comments

[otn]

↑は少なくともローマ字ではないです。参考： https://ja.wikipedia.org/wiki/%E3%83%AD%E3%83%BC%E3%83%9E%E5%AD%97#%E6%92%A5%E9%9F%B3%E3%81%A8%E4%BF%83%E9%9F%B3

Answer 1

リンク先のソースを見る限り、もう実装はできている模様ですが、「私ならこうする」を。

促音「っ」のローマ字化パータンは、

• ltu
• xtu
• 次のひらがなの子音

の3パターンと思います。
（っあ、とか、っお、など促音＋母音は今回は除外）
1番目と2番目は素直に変換できますが、3番目は、とりあえず仮置きの記号"#"で変換することにします。

//促音で次の子音が重なるパターンは一旦#をセットする
kanaMap.put("っ",new String[]{"ltu","xtu","#"});

これを使って、「かっぱ」を今までと同じように変換します。するとこうなりますね。

{"kaltupa", "kaxtupa", "ka#pa"}

で、リストが出来上がった後に、結果文字列それぞれを「#は次のアルファベットで置換する」正規表現で置換します。

"ka#pa".replaceAll("#(.)","$1$1")  // ka#pa -> kappa

（正確には、#と次の1文字を、「次の1文字」2つで置換している）

こうすれば、今までのプログラムを大きく変えることなく促音に対応できると思います。

参考として、前の回答を作る前に参考実装したソースを連携します。

import java.util.*;
import java.util.stream.*;

public class HelloWorld{

     public static void main(String []args){
         
         //かなとローマ字変換マップ。文字数の多い順に並べる。
         //keyは変換元文字列で、valueはパターン分の配列を持つ
         Map<String, String[]> kanaMap = new LinkedHashMap<>();
         kanaMap.put("しょ",new String[]{"syo","sho"});
         kanaMap.put("しゃ",new String[]{"sya","sha"});
         kanaMap.put("し",new String[]{"si","shi"});
         kanaMap.put("う",new String[]{"u"});
         kanaMap.put("ぼ",new String[]{"bo"});
         kanaMap.put("か",new String[]{"ka","ca"});
         kanaMap.put("ぱ",new String[]{"pa"});
         //促音で次の子音が重なるパターンは一旦#をセットする
         kanaMap.put("っ",new String[]{"ltu","xtu","#"});
         
         //変換対象ひらがな
         String target = "しっしょう";
         //ひらがなごとにローマ字のパターン配列を保持するリスト
         List<String[]> romaList = new ArrayList<>();
         //結果リスト
         List<String> result = new ArrayList<>();
         
         //先頭から１モーラずつマッチングしていき、パターン配列を１ずつaddする
         while(target.length() > 0){
             for( String key : kanaMap.keySet()){
                 if(target.startsWith(key)){
                     romaList.add(kanaMap.get(key));
                     //マッチしたら先頭文字は消す
                     target = target.replaceFirst(key,"");
                     continue;
                 }
             }
         }
         //リスト中間出力確認
         //romaList.forEach((v)->System.out.println(Arrays.toString(v)));
         
         //パターン配列を先頭から合成していきパターンリストを作る
         for(String[] l : romaList){
             //先頭は素直に全要素追加
             if(result.size() == 0 ){
                 for(String s:l){
                     result.add(s);
                 }
             }else{
                 //前の要素×次の要素の組み合わせをすべて追加
                 //新しいリストを作ってそっちへ入れる
                 List<String> newResult = new ArrayList<>();
                 for(String s1: result){
                     for(String s2: l){
                         newResult.add(s1+s2);
                     }
                 }
                 //リストの洗い替え
                 result.clear();
                 result = newResult;
             }
         }
         //促音の"#"をstreamでエレガントに置換
         result = result.stream().map(s->s.replaceAll("#(.)","$1$1")).collect(Collectors.toList());
         
         //結果出力
         System.out.println("Result ->");
         System.out.println(Arrays.toString(result.toArray()));
     }
}

Comments

[CreeperSaviour]

前回の質問に続き、今回も回答有り難うございます。
私の質問に抜けている情報があるのですが、
「さっし」を入力すると「[saltusi, saxtusi, sassi, sacsi, saltushi, saxtushi, sasshi, sacshi, saltuci, saxtuci, sasci, sacci]」と出てきます。「sacsi」や「sacshi」、「sasci」は私が期待していない出力結果なのですが、その対処方法を教えていただければと思います。

[hope_mucci]

私の書いた方法ならばその問題は発生しません。sa#si,sa#shi,sa#ciの３パターンができて、それぞれ置換処理を通すと sassi, sasshi,sacci の３つ（＋xtuとltuパターン6つ）になります。

[CreeperSaviour]

hope_mucciさんの方法で解決しましたので、ベストアンサーにさせて頂きます。今回も有難うございました。

Answer 2

コード見たら、拗音をまとめて処理みたいなんですね。
今更の感もありますが、この手は、一文字先読みでの処理の方が良かった感。

ちょっと具体的なコードまで書けないのですが、一文字先読みで、次の文字を見て今の文字を処理する。2文字目が拗音だっら、拗音をキーにして最初の文字を引くみたいな。
で、促音も同じ。次の文字見て、次の文字の子音を重ねる。ch の前は、tを置くとあるようですが (opyonさん) chとなるのは、タ行なので、tで問題無いですね。

具体的にどうするかは、ちょっと考えてみたいですが、間に合うか。

Comments

[CreeperSaviour]

回答有り難うございます。
わざわざ書いていただいたのですが、少し急がなければいけないので修正はできそうにありません。
今度時間が空いたときに修正してみようと思います。

Answer 3

出力例を見る限り「促音」は次の子音を重ねるルールだけではダメそうですね。

質問者さんの考える範囲をもう少し例題として提示して頂いたほうが回答を得やすくなる気がします。
「促音」の「定義」や「範囲」を回答者さんが調べるより現状調べてる質問者さんから情報を出して頂いたら手間が省けると思います。

私はアルゴリズム的なものは思いつかないので全通りの辞書出力ツールかエクセルで作ってコピペで辞書登録するかも。
map.put("っ◯", new String[] {"◯◯", "◯◯", "◯◯"});

次の文献の中にある「促音」を参考にして実装すれば出来るかも知れませんね。
日本語のローマ字表記の推奨形式

Comments

[CreeperSaviour]

前回の質問に続き、回答有り難うございます。
推奨形式があるとは知りませんでした。ただ、出来るだけパソコンで入力したときと同じようにしたいので「atchaku」と打っても「あｔちゃく」などとなるものは使わないようにします。
また、「ltu」や「xtu」と打つと「っ」の文字が出てくるので、推奨形式からは逸脱していますが、使うようにします。
わざわざ調べていただきありがとうございました。

Answer 4

「っ」があったら次のひらがなをみて、その子音と同じ子音を重ねる

これじゃだめ？

Comments

[CreeperSaviour]

回答有り難うございます。
私の質問に不足している情報があり、申し訳ありません。
私が書いたコードでswordoneさんが仰った事をすると「さっし」の単語を変換したときにおかしな出力結果が得られます。
```
[saltusi, saxtusi, sassi, sacsi, saltushi, saxtushi, sasshi, sacshi, saltuci, saxtuci, sasci, sacci]
```
具体的に何がおかしいかというとsacsiとsasci、sacshiの部分です。
この問題に対しどうすれば対応できるかを教えていただきたいです。

Answer 5

map.put("っぱ", new String[] {"ltupa", "xtupa", "ppa"});

でいけそうな気もしますが、一つ一つ登録するのは‥。
っ + 何かで汎用的にしないと。

Comments

[CreeperSaviour]

回答有り難うございます。
その方法は思いつきましたがfuzzballさんの仰る通り一つ一つ登録するのはどうかと思い質問させていただきました。