#!/usr/bin/env python # -*- coding: utf-8 -*- from __future__ import unicode_literals import re try: from functools import cmp_to_key except ImportError: # for python < 3.2; nicked from python 3.2 def cmp_to_key(mycmp): """Convert a cmp= function into a key= function""" class K(object): __slots__ = ['obj'] def __init__(self, obj): self.obj = obj def __lt__(self, other): return mycmp(self.obj, other.obj) < 0 def __gt__(self, other): return mycmp(self.obj, other.obj) > 0 def __eq__(self, other): return mycmp(self.obj, other.obj) == 0 def __le__(self, other): return mycmp(self.obj, other.obj) <= 0 def __ge__(self, other): return mycmp(self.obj, other.obj) >= 0 def __ne__(self, other): return mycmp(self.obj, other.obj) != 0 __hash__ = None return K # # Ruby/Romkan - a Romaji <-> Kana conversion library for Ruby. # # Copyright (C) 2001 Satoru Takabayashi # All rights reserved. # This is free software with ABSOLUTELY NO WARRANTY. # # You can redistribute it and/or modify it under the terms of # the Ruby's licence. # # This table is imported from KAKASI and modified. KUNREITAB = """ァ xa ア a ィ xi イ i ゥ xu ウ u ヴ vu ヴァ va ヴィ vi ヴェ ve ヴォ vo ェ xe エ e ォ xo オ o カ ka ガ ga キ ki キャ kya キュ kyu キョ kyo ギ gi ギャ gya ギュ gyu ギョ gyo ク ku グ gu ケ ke ゲ ge コ ko ゴ go サ sa ザ za シ si シャ sya シュ syu ショ syo シェ sye ジ zi ジャ zya ジュ zyu ジョ zyo ス su ズ zu セ se ゼ ze ソ so ゾ zo タ ta ダ da チ ti チャ tya チュ tyu チョ tyo ヂ di ヂャ dya ヂュ dyu ヂョ dyo ティ ti ッ xtu ッヴ vvu ッヴァ vva ッヴィ vvi ッヴェ vve ッヴォ vvo ッカ kka ッガ gga ッキ kki ッキャ kkya ッキュ kkyu ッキョ kkyo ッギ ggi ッギャ ggya ッギュ ggyu ッギョ ggyo ック kku ッグ ggu ッケ kke ッゲ gge ッコ kko ッゴ ggo ッサ ssa ッザ zza ッシ ssi ッシャ ssya ッシュ ssyu ッショ ssyo ッシェ ssye ッジ zzi ッジャ zzya ッジュ zzyu ッジョ zzyo ッス ssu ッズ zzu ッセ sse ッゼ zze ッソ sso ッゾ zzo ッタ tta ッダ dda ッチ tti ッティ tti ッチャ ttya ッチュ ttyu ッチョ ttyo ッヂ ddi ッヂャ ddya ッヂュ ddyu ッヂョ ddyo ッツ ttu ッヅ ddu ッテ tte ッデ dde ット tto ッド ddo ッドゥ ddu ッハ hha ッバ bba ッパ ppa ッヒ hhi ッヒャ hhya ッヒュ hhyu ッヒョ hhyo ッビ bbi ッビャ bbya ッビュ bbyu ッビョ bbyo ッピ ppi ッピャ ppya ッピュ ppyu ッピョ ppyo ッフ hhu ッフュ ffu ッファ ffa ッフィ ffi ッフェ ffe ッフォ ffo ッブ bbu ップ ppu ッヘ hhe ッベ bbe ッペ ppe ッホ hho ッボ bbo ッポ ppo ッヤ yya ッユ yyu ッヨ yyo ッラ rra ッリ rri ッリャ rrya ッリュ rryu ッリョ rryo ッル rru ッレ rre ッロ rro ツ tu ヅ du テ te デ de ト to ド do ドゥ du ナ na ニ ni ニャ nya ニュ nyu ニョ nyo ヌ nu ネ ne ノ no ハ ha バ ba パ pa ヒ hi ヒャ hya ヒュ hyu ヒョ hyo ビ bi ビャ bya ビュ byu ビョ byo ピ pi ピャ pya ピュ pyu ピョ pyo フ hu ファ fa フィ fi フェ fe フォ fo フュ fu ブ bu プ pu ヘ he ベ be ペ pe ホ ho ボ bo ポ po マ ma ミ mi ミャ mya ミュ myu ミョ myo ム mu メ me モ mo ャ xya ヤ ya ュ xyu ユ yu ョ xyo ヨ yo ラ ra リ ri リャ rya リュ ryu リョ ryo ル ru レ re ロ ro ヮ xwa ワ wa ウィ wi ヰ wi ヱ we ウェ we ヲ wo ウォ wo ン n ン n' ディ dyi ー - チェ tye ッチェ ttye ジェ zye """ KUNREITAB_H = """ぁ xa あ a ぃ xi い i ぅ xu う u う゛ vu う゛ぁ va う゛ぃ vi う゛ぇ ve う゛ぉ vo ぇ xe え e ぉ xo お o か ka が ga き ki きゃ kya きゅ kyu きょ kyo ぎ gi ぎゃ gya ぎゅ gyu ぎょ gyo く ku ぐ gu け ke げ ge こ ko ご go さ sa ざ za し si しゃ sya しゅ syu しょ syo じ zi じゃ zya じゅ zyu じょ zyo す su ず zu せ se ぜ ze そ so ぞ zo た ta だ da ち ti ちゃ tya ちゅ tyu ちょ tyo ぢ di ぢゃ dya ぢゅ dyu ぢょ dyo っ xtu っう゛ vvu っう゛ぁ vva っう゛ぃ vvi っう゛ぇ vve っう゛ぉ vvo っか kka っが gga っき kki っきゃ kkya っきゅ kkyu っきょ kkyo っぎ ggi っぎゃ ggya っぎゅ ggyu っぎょ ggyo っく kku っぐ ggu っけ kke っげ gge っこ kko っご ggo っさ ssa っざ zza っし ssi っしゃ ssya っしゅ ssyu っしょ ssyo っじ zzi っじゃ zzya っじゅ zzyu っじょ zzyo っす ssu っず zzu っせ sse っぜ zze っそ sso っぞ zzo った tta っだ dda っち tti っちゃ ttya っちゅ ttyu っちょ ttyo っぢ ddi っぢゃ ddya っぢゅ ddyu っぢょ ddyo っつ ttu っづ ddu って tte っで dde っと tto っど ddo っは hha っば bba っぱ ppa っひ hhi っひゃ hhya っひゅ hhyu っひょ hhyo っび bbi っびゃ bbya っびゅ bbyu っびょ bbyo っぴ ppi っぴゃ ppya っぴゅ ppyu っぴょ ppyo っふ hhu っふぁ ffa っふぃ ffi っふぇ ffe っふぉ ffo っぶ bbu っぷ ppu っへ hhe っべ bbe っぺ ppe っほ hho っぼ bbo っぽ ppo っや yya っゆ yyu っよ yyo っら rra っり rri っりゃ rrya っりゅ rryu っりょ rryo っる rru っれ rre っろ rro つ tu づ du て te で de と to ど do な na に ni にゃ nya にゅ nyu にょ nyo ぬ nu ね ne の no は ha ば ba ぱ pa ひ hi ひゃ hya ひゅ hyu ひょ hyo び bi びゃ bya びゅ byu びょ byo ぴ pi ぴゃ pya ぴゅ pyu ぴょ pyo ふ hu ふぁ fa ふぃ fi ふぇ fe ふぉ fo ぶ bu ぷ pu へ he べ be ぺ pe ほ ho ぼ bo ぽ po ま ma み mi みゃ mya みゅ myu みょ myo む mu め me も mo ゃ xya や ya ゅ xyu ゆ yu ょ xyo よ yo ら ra り ri りゃ rya りゅ ryu りょ ryo る ru れ re ろ ro ゎ xwa わ wa ゐ wi ゑ we を wo ん n ん n' でぃ dyi ー - ちぇ tye っちぇ ttye じぇ zye """ HEPBURNTAB = """ァ xa ア a ィ xi イ i ゥ xu ウ u ヴ vu ヴァ va ヴィ vi ヴェ ve ヴォ vo ェ xe エ e ォ xo オ o カ ka ガ ga キ ki キャ kya キュ kyu キョ kyo ギ gi ギャ gya ギュ gyu ギョ gyo ク ku グ gu ケ ke ゲ ge コ ko ゴ go サ sa ザ za シ shi シャ sha シュ shu ショ sho シェ she ジ ji ジャ ja ジュ ju ジョ jo ス su ズ zu セ se ゼ ze ソ so ゾ zo タ ta ダ da チ chi チャ cha チュ chu チョ cho ヂ di ヂャ dya ヂュ dyu ヂョ dyo ティ ti ッ xtsu ッヴ vvu ッヴァ vva ッヴィ vvi ッヴェ vve ッヴォ vvo ッカ kka ッガ gga ッキ kki ッキャ kkya ッキュ kkyu ッキョ kkyo ッギ ggi ッギャ ggya ッギュ ggyu ッギョ ggyo ック kku ッグ ggu ッケ kke ッゲ gge ッコ kko ッゴ ggo ッサ ssa ッザ zza ッシ sshi ッシャ ssha ッシュ sshu ッショ ssho ッシェ sshe ッジ jji ッジャ jja ッジュ jju ッジョ jjo ッス ssu ッズ zzu ッセ sse ッゼ zze ッソ sso ッゾ zzo ッタ tta ッダ dda ッチ cchi ッティ tti ッチャ ccha ッチュ cchu ッチョ ccho ッヂ ddi ッヂャ ddya ッヂュ ddyu ッヂョ ddyo ッツ ttsu ッヅ ddu ッテ tte ッデ dde ット tto ッド ddo ッドゥ ddu ッハ hha ッバ bba ッパ ppa ッヒ hhi ッヒャ hhya ッヒュ hhyu ッヒョ hhyo ッビ bbi ッビャ bbya ッビュ bbyu ッビョ bbyo ッピ ppi ッピャ ppya ッピュ ppyu ッピョ ppyo ッフ ffu ッフュ ffu ッファ ffa ッフィ ffi ッフェ ffe ッフォ ffo ッブ bbu ップ ppu ッヘ hhe ッベ bbe ッペ ppe ッホ hho ッボ bbo ッポ ppo ッヤ yya ッユ yyu ッヨ yyo ッラ rra ッリ rri ッリャ rrya ッリュ rryu ッリョ rryo ッル rru ッレ rre ッロ rro ツ tsu ヅ du テ te デ de ト to ド do ドゥ du ナ na ニ ni ニャ nya ニュ nyu ニョ nyo ヌ nu ネ ne ノ no ハ ha バ ba パ pa ヒ hi ヒャ hya ヒュ hyu ヒョ hyo ビ bi ビャ bya ビュ byu ビョ byo ピ pi ピャ pya ピュ pyu ピョ pyo フ fu ファ fa フィ fi フェ fe フォ fo フュ fu ブ bu プ pu ヘ he ベ be ペ pe ホ ho ボ bo ポ po マ ma ミ mi ミャ mya ミュ myu ミョ myo ム mu メ me モ mo ャ xya ヤ ya ュ xyu ユ yu ョ xyo ヨ yo ラ ra リ ri リャ rya リュ ryu リョ ryo ル ru レ re ロ ro ヮ xwa ワ wa ウィ wi ヰ wi ヱ we ウェ we ヲ wo ウォ wo ン n ン n' ディ di ー - チェ che ッチェ cche ジェ je """ HEPBURNTAB_H = """ぁ xa あ a ぃ xi い i ぅ xu う u う゛ vu う゛ぁ va う゛ぃ vi う゛ぇ ve う゛ぉ vo ぇ xe え e ぉ xo お o か ka が ga き ki きゃ kya きゅ kyu きょ kyo ぎ gi ぎゃ gya ぎゅ gyu ぎょ gyo く ku ぐ gu け ke げ ge こ ko ご go さ sa ざ za し shi しゃ sha しゅ shu しょ sho じ ji じゃ ja じゅ ju じょ jo す su ず zu せ se ぜ ze そ so ぞ zo た ta だ da ち chi ちゃ cha ちゅ chu ちょ cho ぢ di ぢゃ dya ぢゅ dyu ぢょ dyo っ xtsu っう゛ vvu っう゛ぁ vva っう゛ぃ vvi っう゛ぇ vve っう゛ぉ vvo っか kka っが gga っき kki っきゃ kkya っきゅ kkyu っきょ kkyo っぎ ggi っぎゃ ggya っぎゅ ggyu っぎょ ggyo っく kku っぐ ggu っけ kke っげ gge っこ kko っご ggo っさ ssa っざ zza っし sshi っしゃ ssha っしゅ sshu っしょ ssho っじ jji っじゃ jja っじゅ jju っじょ jjo っす ssu っず zzu っせ sse っぜ zze っそ sso っぞ zzo った tta っだ dda っち cchi っちゃ ccha っちゅ cchu っちょ ccho っぢ ddi っぢゃ ddya っぢゅ ddyu っぢょ ddyo っつ ttsu っづ ddu って tte っで dde っと tto っど ddo っは hha っば bba っぱ ppa っひ hhi っひゃ hhya っひゅ hhyu っひょ hhyo っび bbi っびゃ bbya っびゅ bbyu っびょ bbyo っぴ ppi っぴゃ ppya っぴゅ ppyu っぴょ ppyo っふ ffu っふぁ ffa っふぃ ffi っふぇ ffe っふぉ ffo っぶ bbu っぷ ppu っへ hhe っべ bbe っぺ ppe っほ hho っぼ bbo っぽ ppo っや yya っゆ yyu っよ yyo っら rra っり rri っりゃ rrya っりゅ rryu っりょ rryo っる rru っれ rre っろ rro つ tsu づ du て te で de と to ど do な na に ni にゃ nya にゅ nyu にょ nyo ぬ nu ね ne の no は ha ば ba ぱ pa ひ hi ひゃ hya ひゅ hyu ひょ hyo び bi びゃ bya びゅ byu びょ byo ぴ pi ぴゃ pya ぴゅ pyu ぴょ pyo ふ fu ふぁ fa ふぃ fi ふぇ fe ふぉ fo ぶ bu ぷ pu へ he べ be ぺ pe ほ ho ぼ bo ぽ po ま ma み mi みゃ mya みゅ myu みょ myo む mu め me も mo ゃ xya や ya ゅ xyu ゆ yu ょ xyo よ yo ら ra り ri りゃ rya りゅ ryu りょ ryo る ru れ re ろ ro ゎ xwa わ wa ゐ wi ゑ we を wo ん n ん n' でぃ dyi ー - ちぇ che っちぇ cche じぇ je """ def pairs(arr, size=2): for i in range(0, len(arr)-1, size): yield arr[i:i+size] # Use Katakana KANROM = {} ROMKAN = {} for pair in pairs(re.split("\s+", KUNREITAB + HEPBURNTAB)): kana, roma = pair KANROM[kana] = roma ROMKAN[roma] = kana # special modification # wo -> ヲ, but ヲ/ウォ -> wo # du -> ヅ, but ヅ/ドゥ -> du # we -> ウェ, ウェ -> we ROMKAN.update( {"du": "ヅ", "di": "ヂ", "fu": "フ", "ti": "チ", "wi": "ウィ", "we": "ウェ", "wo": "ヲ" } ) # Sort in long order so that a longer Romaji sequence precedes. _len_cmp = lambda x: -len(x) ROMPAT = re.compile("|".join(sorted(ROMKAN.keys(), key=_len_cmp)) ) _kanpat_cmp = lambda x, y: (len(y) > len(x)) - (len(y) < len(x)) or (len(KANROM[x]) > len(KANROM[x])) - (len(KANROM[x]) < len(KANROM[x])) KANPAT = re.compile("|".join(sorted(KANROM.keys(), key=cmp_to_key(_kanpat_cmp)))) KUNREI = [y for (x, y) in pairs(re.split("\s+", KUNREITAB)) ] HEPBURN = [y for (x, y) in pairs(re.split("\s+", HEPBURNTAB) )] KUNPAT = re.compile("|".join(sorted(KUNREI, key=_len_cmp)) ) HEPPAT = re.compile("|".join(sorted(HEPBURN, key=_len_cmp)) ) TO_HEPBURN = {} TO_KUNREI = {} for kun, hep in zip(KUNREI, HEPBURN): TO_HEPBURN[kun] = hep TO_KUNREI[hep] = kun TO_HEPBURN.update( {'ti': 'chi' }) # Use Hiragana KANROM_H = {} ROMKAN_H = {} for pair in pairs(re.split("\s+", KUNREITAB_H + HEPBURNTAB_H)): kana, roma = pair KANROM_H[kana] = roma ROMKAN_H[roma] = kana # special modification # wo -> ヲ, but ヲ/ウォ -> wo # du -> ヅ, but ヅ/ドゥ -> du # we -> ウェ, ウェ -> we ROMKAN_H.update( {"du": "づ", "di": "ぢ", "fu": "ふ", "ti": "ち", "wi": "うぃ", "we": "うぇ", "wo": "を" } ) # Sort in long order so that a longer Romaji sequence precedes. _len_cmp = lambda x: -len(x) ROMPAT_H = re.compile("|".join(sorted(ROMKAN_H.keys(), key=_len_cmp)) ) _kanpat_cmp = lambda x, y: (len(y) > len(x)) - (len(y) < len(x)) or (len(KANROM_H[x]) > len(KANROM_H[x])) - (len(KANROM_H[x]) < len(KANROM_H[x])) KANPAT_H = re.compile("|".join(sorted(KANROM_H.keys(), key=cmp_to_key(_kanpat_cmp)))) KUNREI_H = [y for (x, y) in pairs(re.split("\s+", KUNREITAB_H)) ] HEPBURN_H = [y for (x, y) in pairs(re.split("\s+", HEPBURNTAB_H) )] KUNPAT_H = re.compile("|".join(sorted(KUNREI_H, key=_len_cmp)) ) HEPPAT_H = re.compile("|".join(sorted(HEPBURN_H, key=_len_cmp)) ) TO_HEPBURN_H = {} TO_KUNREI_H = {} for kun, hep in zip(KUNREI_H, HEPBURN_H): TO_HEPBURN_H[kun] = hep TO_KUNREI_H[hep] = kun TO_HEPBURN_H.update( {'ti': 'chi' }) def normalize_double_n(str): """ Normalize double n. """ # Replace double n with n' str = re.sub("nn", "n'", str) # Remove unnecessary apostrophes str = re.sub("n'(?=[^aiueoyn]|$)", "n", str) return str def to_katakana(str): """ Convert a Romaji (ローマ字) to a Katakana (片仮名). """ str = str.lower() str = normalize_double_n(str) tmp = ROMPAT.sub(lambda x: ROMKAN[x.group(0)], str) return tmp def to_hiragana(str): """ Convert a Romaji (ローマ字) to a Hiragana (平仮名). """ str = str.lower() str = normalize_double_n(str) tmp = ROMPAT_H.sub(lambda x: ROMKAN_H[x.group(0)], str) return tmp def to_kana(str): """ Convert a Romaji (ローマ字) to a Katakana (片仮名). (same as to_katakana) """ return to_katakana(str) def to_hepburn(str): """ Convert a Kana (仮名) or a Kunrei-shiki Romaji (訓令式ローマ字) to a Hepburn Romaji (ヘボン式ローマ字). """ tmp = str tmp = KANPAT.sub(lambda x: KANROM[x.group(0)], tmp) tmp = KANPAT_H.sub(lambda x: KANROM_H[x.group(0)], tmp) # Remove unnecessary apostrophes tmp = re.sub("n'(?=[^aeiuoyn]|$)", "n", tmp) # If unmodified, it's a Kunrei-shiki Romaji -- convert it to a Hepburn Romaji if tmp == str: tmp = tmp.lower() tmp = normalize_double_n(tmp) tmp = KUNPAT.sub(lambda x: TO_HEPBURN[x.group(0)], tmp) return tmp def to_kunrei(str): """ Convert a Kana (仮名) or a Hepburn Romaji (ヘボン式ローマ字) to a Kunrei-shiki Romaji (訓令式ローマ字). """ tmp = str tmp = KANPAT.sub(lambda x: KANROM[x.group(0)], tmp) tmp = KANPAT_H.sub(lambda x: KANROM_H[x.group(0)], tmp) # Remove unnecessary apostrophes tmp = re.sub("n'(?=[^aeiuoyn]|$)", "n", tmp) # If unmodified, it's a Hepburn Romaji Romaji -- convert it to a Kunrei-shiki Romaji # If modified, it's also a Hepburn Romaji Romaji -- convert it to a Kunrei-shiki Romaji tmp = tmp.lower() tmp = normalize_double_n(tmp) tmp = HEPPAT.sub(lambda x: TO_KUNREI[x.group(0)], tmp) return tmp def to_roma(str): """ Convert a Kana (仮名) to a Hepburn Romaji (ヘボン式ローマ字). """ tmp = str tmp = KANPAT.sub(lambda x: KANROM[x.group(0)], tmp) tmp = KANPAT_H.sub(lambda x: KANROM_H[x.group(0)], tmp) # Remove unnecessary apostrophes tmp = re.sub("n'(?=[^aeiuoyn]|$)", "n", tmp) return tmp def is_consonant(str): """ Return a MatchObject if a Latin letter is a consonant in Japanese. Return None otherwise. """ str = str.lower() return re.match("[ckgszjtdhfpbmyrwxn]", str) def is_vowel(str): """ Return a MatchObject if a Latin letter is a vowel in Japanese. Return None otherwise. """ str = str.lower() return re.match("[aeiou]", str) def expand_consonant(str): """ Expand consonant to its related moras. Example: 'sh' => ['sha', 'she', 'shi', 'sho', 'shu'] """ str = str.lower() return sorted([mora for mora in ROMKAN.keys() if re.match("^%s.$" % str, mora)])