kr.bydelta.koala.package.scala Maven / Gradle / Ivy
The newest version!
package kr.bydelta
import scala.annotation.tailrec
/**
* = KoalaNLP =
*
* 통합 Scala 한국어 분석기, Koala
*
* 각 Package의 Parser와 Tagger를 참조하세요.
*/
package object koala {
/** '가' 위치 **/
final val HANGUL_START: Int = '가'
/** '힣' 위치 **/
final val HANGUL_END: Int = '힣'
/** 종성 범위 **/
final val JONGSUNG_RANGE: Int = 0x001C
/** 중성 범위 **/
final val JUNGSUNG_RANGE: Int = 0x024C
final val ALPHABET_READING: Seq[(Char, String)] = Map(
'H' -> "에이치", 'W' -> "더블유",
'A' -> "에이", 'F' -> "에프", 'I' -> "아이", 'J' -> "제이", 'K' -> "케이",
'S' -> "에스", 'V' -> "브이", 'X' -> "엑스", 'Y' -> "와이", 'Z' -> "제트",
'B' -> "비", 'C' -> "씨", 'D' -> "디", 'E' -> "이", 'G' -> "지",
'L' -> "엘", 'M' -> "엠", 'N' -> "엔", 'O' -> "오", 'P' -> "피",
'Q' -> "큐", 'R' -> "알", 'T' -> "티", 'U' -> "유"
).toSeq.sortBy(-_._2.length)
/**
* 알파벳 발음나는 대로 국문표기
*
* @param x 변환할 문자열.
* @param acc (누적변수)
* @return 변환한 문자열
*/
@tailrec
final def pronounceAlphabet(x: String, acc: String = ""): String =
if (x.isEmpty) acc
else {
val head = x.head
ALPHABET_READING.find(_._1 == head) match {
case Some((_, pron)) =>
pronounceAlphabet(x.tail, acc + pron)
case None =>
pronounceAlphabet(x.tail, acc + head)
}
}
/**
* 알파벳 발음을 알파벳으로 변환
*
* @param x 변환할 문자열.
* @param acc (누적변수)
* @return 변환된 문자열.
*/
@tailrec
final def writeAlphabet(x: String, acc: String = ""): String =
if (x.isEmpty) acc
else {
ALPHABET_READING.find {
case (_, pron) => x.startsWith(pron)
} match {
case None => acc + x
case Some((ch, pron)) => writeAlphabet(x.substring(pron.length), acc + ch)
}
}
/**
* 발음나는대로 표기된 알파벳인지 확인.
*
* @param word 확인할 단어.
* @return True: 단어 전체가 발음나는대로 표기된 경우.
*/
@tailrec
final def isAlphabetPronounced(word: String): Boolean =
if (word.isEmpty) true
else {
ALPHABET_READING.find {
case (_, pron) => word.startsWith(pron)
} match {
case Some((_, p)) => isAlphabetPronounced(word.substring(p.length))
case None => false
}
}
/**
* 한글 문자 재구성
*
* @param cho 초성 위치
* @param jung 중성 위치
* @param jong 종성 위치
* @return 조합된 문자
*/
def reconstructKorean(cho: Int = 11, jung: Int = 0, jong: Int = 0): Char =
(HANGUL_START + cho * JUNGSUNG_RANGE + jung * JONGSUNG_RANGE + jong).toChar
/**
* 한국어를 구성하는 문자의 연산.
*
* @param ch 검사할 문자.
*/
implicit class KoreanCharacterExtension(ch: Char) {
/**
* (Code modified from Seunjeon package)
* 종성으로 끝나는지 확인.
*
* @return 종성으로 끝난다면, true를, 없다면 false를 반환.
*/
def endsWithJongsung: Boolean = isCompleteHangul && getJongsungCode != 0
/**
* (Code modified from Seunjeon package)
* 한글 문자로 끝나는 지 확인.
*
* @return True: 종료 문자가 한글일 경우.
*/
def isHangul: Boolean = {
((HANGUL_START <= ch && ch <= HANGUL_END)
|| (0x1100 <= ch && ch <= 0x11FF)
|| (0x3130 <= ch && ch <= 0x318F))
}
/**
* (Code modified from Seunjeon package)
* 한글의 불완전 문자인지 확인
*
* @return True: 종료 문자가 한글일 경우.
*/
def isIncompleteHangul: Boolean = {
((0x1100 <= ch && ch <= 0x11FF)
|| (0x3130 <= ch && ch <= 0x318F))
}
/**
* 한글의 자모를 분리함.
*
* @return 분리된 자모의 Sequence. (종성없는 경우는 종성자리에 0x11A7)
*/
def toDissembledSeq: Seq[Char] =
if (isCompleteHangul)
Seq((0x1100 + getChosungCode).toChar,
(0x1161 + getJungsungCode).toChar,
(0x11A7 + getJongsungCode).toChar)
else Seq(ch)
/**
* (Code modified from Seunjeon package)
* 종성 종료 코드
*
* @return 종성으로 끝난다면, 해당 위치를, 없다면 0을 반환.
*/
def getJongsungCode: Int =
if (isJongsungJamo) ch - 0x11A7
else if (isCompleteHangul) (ch - HANGUL_START) % JONGSUNG_RANGE
else 0
/**
* 한글의 종성자음 문자인지 확인
*
* @return True: 종료 문자가 종성자음인 경우.
*/
def isJongsungJamo: Boolean = 0x11A7 <= ch && ch <= 0x11C2
/**
* 완성된 문자의 범위인지 확인.
*
* @return True: 완성된 문자일 경우.
*/
def isCompleteHangul: Boolean = HANGUL_START <= ch && ch <= HANGUL_END
/**
* (Code modified from Seunjeon package)
* 중성 종료 코드
*
* @return 중성으로 끝난다면, 해당 위치를, 없다면 -1을 반환.
*/
def getJungsungCode: Int =
if (isCompleteHangul) (ch - HANGUL_START) % JUNGSUNG_RANGE / JONGSUNG_RANGE
else if (isJungsungJamo) ch - 0x1161
else -1
/**
* 한글의 중성자음 문자인지 확인
*
* @return True: 종료 문자가 중성자음인 경우.
*/
def isJungsungJamo: Boolean = 0x1161 <= ch && ch <= 0x1175
/**
* (Code modified from Seunjeon package)
* 초성 종료 코드
*
* @return 초성으로 끝난다면, 해당 위치를, 없다면 -1을 반환.
*/
def getChosungCode: Int =
if (isCompleteHangul) (ch - HANGUL_START) / JUNGSUNG_RANGE
else if (isChosungJamo) ch - 0x1100
else -1
/**
* 한글의 초성자음 문자인지 확인
*
* @return True: 종료 문자가 초성자음인 경우.
*/
def isChosungJamo: Boolean = 0x1100 <= ch && ch <= 0x1112
/**
* 한자 범위인지 확인.
*
* @return True: 한자 범위인 경우.
*/
def isHanja: Boolean =
(0x2E80 <= ch && ch <= 0x2EFF) ||
// 한중일 부수 보충 2E80 2EFF
(0x3400 <= ch && ch <= 0x4DBF) ||
// 한중일 통합 한자 확장 - A 3400 4DBF
(0x4E00 <= ch && ch <= 0x9FBF) ||
// 한중일 통합 한자 4E00 9FBF
(0xF900 <= ch && ch <= 0xFAFF) ||
// 한중일 호환용 한자 F900 FAFF
(0x20000 <= ch && ch <= 0x2A6DF) ||
// 한중일 통합 한자 확장 20000 2A6DF
(0x2F800 <= ch && ch <= 0x2FA1F)
// 한중일 호환용 한자 보충 2F800 2FA1F
}
/**
* 한국어를 구성하는 문자열의 연산.
*
* @param word 검사할 문자열.
*/
implicit class KoreanStringExtension(word: String) {
/**
* (Code modified from Seunjeon package)
* 종성으로 끝나는지 확인.
*
* @return 종성으로 끝난다면, true를, 없다면 false를 반환.
*/
def endsWithJongsung: Boolean = word.last.endsWithJongsung
/**
* (Code modified from Seunjeon package)
* 한글 문자로 끝나는 지 확인.
*
* @return True: 종료 문자가 한글일 경우.
*/
def endsWithHangul: Boolean = word.last.isHangul
/**
* 한글이 아닌 문자 제거
*
* @return 제거된 문자열
*/
def filterNonHangul: String = {
word.replaceAll("(?U)[^가-힣\\s]+", " ").trim
}
/**
* 한글 자모를 분리함
*
* @return 자모가 분리된 문자열
*/
def dissembleHangul: String = {
word.flatMap(_.toDissembledSeq)
}
}
}© 2015 - 2025 Weber Informatics LLC | Privacy Policy