perlによる文字変換スクリプト

Question

漢字かな混じりの文章ファイルと、単語とその読みを記載したファイルの2つを用いて文章を全てひらがなに変換するスクリプトを作成したいと考えているのですが、上手くいく方法が思い浮かばず困っております。
ファイル例としては、
文章ファイル(単語毎にスペースで区切られた文章)：
今年 も 春 が 来た 。

単語ファイル：
今年 ことし
去年 きょねん
春 はる
夏 なつ
来た きた

このような2つのテキストデータを用意して、文章ファイル内の文を
今年 も 春 が 来た 。→ことし も はる が きた 。
といった様に変換するのが目的です。
単語ファイルをsplit等で配列に格納し、配列[0]に対応する単語が文章中に見つかった場合、配列[1]のかな表記に置き換えることは出来ないものかと考えています。
ご教授の程よろしくお願い申し上げます。

Comments

[Zuishin]

まさか全部作ってくれということでは無いと思いますが、どの部分がわからないのですか？

[milco]

ご回答ありがとう御座います。splitで単語とその読みをそれぞれ配列に格納し、文章内の単語を各行の配列[0]と照らし合わせ、一致した場合配列[1]のかな表記に置換するスクリプトを囲うと考えているのですが、その部分のアルゴリズムをどう書けばよいか悩んでおります。

[Zuishin]

その前にまずはファイルを読まなければなりません。その部分を実装して質問に追記してください。

[Zuishin]

あと、配列ではなく単語をキーとしたハッシュがいいと思います。

Answer 1

なんか、こんな感じですかね？

# 置換対象文字列
my $text = '今年も春が来たんだぜ。';

print $text."\n";


open(FILE, "word.txt");
while ( my $line = <FILE> ){
	# 最後の改行文字の削除
	chomp($line);

	# 半角スペースでsplit
	my @sp = split(/ /, $line);

	# 置換
	$text =~ s/$sp[0]/$sp[1]/g;
}
close(FILE);

print $text."\n";

今年 ことし
去年 きょねん
春 はる
夏 なつ
来た きた

Answer 2

ハッシュを使ってみました
tango.txt と bun.txt

my $inf="tango.txt";
open (IN, $inf) or die "$!";
while (<IN>) {
    chomp;
    my ($key, $item) = split(/ /, $_);
    $tango{$key} = $item;
}
close(IN);

$inf="bun.txt";
open (IN, $inf) or die "$!";
while (<IN>) {
    chomp;
    my @items = split(/ /, $_);
    foreach my $val(@items){
       $val = exists($tango{$val}) ? $tango{$val} : $val;
       print "$val ";
    }
    print "\n";
}
close(IN);

Answer 3

日本語は英語などと違って単語ごとに区切る事が難しいですが、形態素解析という方法で分析する事が出来るようです。
Perlで綺麗に形態素解析をやるを参考にするとなんとかなるのではないでしょうか？

Comments

[milco]

ご回答ありがとう御座います！
説明が不足しておりました。既に単語区切りの完了した日本語文について、単語ファイル内に対応する単語があった場合、それを同じ行にスペース刻みで記載された平仮名に変換する、という動作を実装したいと考えています。

[yoorwm]

それだけでしたら、標準関数のstr_replaceが使えると思います。

[yoorwm]

っと、すいません。PHPと勘違いしていました。。。