MoeDict - 萌典
開發方向
今天除了將 a-tsioh 整理的新版英法德文包裝釋出之外，也想開始：
- 整理＜客家話常用詞典＞
- 上次黑客松取得的原始資料: http://www.audreyt.org/newdict/hakka.tar.gz
- 需要轉成 https://github.com/g0v/moedict-data-twblg 相容格式
- 參考其中的 dict-twblg.json，原有欄位意義保持一致下，請任意新增新欄位
- 例句的格式用 \uFFF9 \uFFFB，如 hakka/9990.html ：
- {"def": "形容力量巨大，氣勢壯闊。",
- "example": ["\ufff9大浪排山倒海打過來，企在海脣个人險險分佢捲走。\ufffb大浪排山倒海打過來，站在海邊的人差一點被它捲走。"]}
- PUA 造字可忽略，能轉多少是多少，即使只有 title 都好
- 客家典語音清單:
- https://github.com/g0v/moedict-data-hakka/blob/master/mp3-urls.txt
- 正在轉成 ogg 中 -au
- 閩南語 拼音 輸入界面
- 試試新版型。hlb 做了一些開頭:
- http://moe.hlb.the-hold.handlino.com/
- https://github.com/audreyt/moedict-webkit/tree/master/ios/www
- 整合 ethantw 的直排注音樣式
- https://twitter.com/hlb/status/342664167246921729/photo/1
- http://ethantw.net/lab/han/css/han.css 國語注音符號（直式）
- 其他平台 (Win8, MeeGo, XULRunner, ...)
- ...請自行加上新主意!
- <閩南語多語詞典>
- 資料來源：信望愛輸入法詞庫
- 詞庫維護軟體：http://wesay.palaso.org/
- 詞庫 XML schema https://code.google.com/p/lift-standard/
- sync 信望愛輸入法詞庫的方法
- https://bitbucket.org/pcchen/nan
- private repo, 需要 get data 的人請跟 pcchen 說
- 想詢問萌典的開發方向，因個人背景關係。有一段時間喜歡越南文化。了解越南文化的當中發現越南與中華文化的密切關係，甚至越南歷史上曾經一度想要自創【漢喃】文字。且越文其實裡面也有很多古漢字的發音。
- 漢喃 on Wiki: https://zh.wikipedia.org/wiki/%E6%B1%89%E5%96%83
- 範例: 漢文（越南語：Hán Văn／漢文），越南人又稱「儒字」（越南語：Chữ Nho／??儒） (前面的 ?? 好像是因為 hackpad 沒有支援 unicode 4.0 ? )
- 東南亞文化系列沙龍─第二場：東南亞語言同根生: https://docs.google.com/forms/d/1RW8sWeRByeERY6EieQG1yAy-hqaJmngF2fC4DvdGics/viewform?pli=1
開發者
au, a-tsioh, kcwu, yllan, ethantw, hlb, racklin, pcchen=pektiong, ...
分工與成員
- NeedsData: 需要資料（擷取、清理）
- 客家典 HTML 轉 JSON http://www.audreyt.org/newdict/hakka.tar.gz
- 另外 fork 一個處理客家典 HTML 的 repo:
- 初步成果 (a-tsioh): https://github.com/g0v/moedict-data-hakka
- NeedsDesigner: 需要介面設計
- 從一個詞和它的注音 + 拼音 (如 https://moedict.tw/uni/%E9%80%9A%E8%A8%8A%E8%87%AA%E7%94%B1 )，畫出結合拼音和直排注音的 CSS 來
閩南語 羅馬字 輸入界面
endkey:
space 表示完整結束
123456789 表示單一音節結束，有可能會繼續打下一個音節
case study
單字
g (not valid)
gu 顯示 gu*, gú*, gù*, gu̍* (gu̍p,gu̍t,gu̍k,gu̍h)
gu2 顯示 gú-* (遇到數字表示音節已結束)
gú 顯示 gú* gúa, gúng (知道是這個調，可是後面還可能出現其他母音)
si̍t-tsāi 顯示 si̍t-tsāi*
sit8-tsai7 顯示 si̍t-tsāi*
sittsai[space] 顯示 si̍t-tsāi, sit-tsâi, etc (任何可能的斷詞)
which means (my interpretation) :
except for gú -> gúa : are you sure we want this ?
onset and voyels are mandatory, tones and final may be omitted. and we input prefixes only.
如果設計的方向是：打多少羅馬字進來，就顯示跟目前以以輸入的羅馬字「相容」的可能詞彙。
I'm also not sure for the sittsai->sit-tsai, this may enlarge the search space a lot, especially with 入聲 that may be interpreted as onset consonnant
Need to make an index using "toneless format". 打多音節詞彙的時候，許多使用者習慣「無調號無連字符號」的方式。
無調：done
無連字：si-tsai和sit-sai就分不出來，介紹所有的結果會不會奇怪？而且一定會比較慢
** 這是 UI 要怎麼設計的問題，是否讓使用者在可以輸入「不那麼明確的query」然後系統吐出所以可能的相容的結果。要求使用者「正確」的輸入連字符號的結果可能是使用者找不到想找的詞彙（因為不知道正確的寫法是什麼）。
Q:要不要支援 wildcard '!' and '*'
輕音問題
打 ah 要不要顯示 --ah ?
要
POJ -> TL conversion
ch->ts, chh->tsh, ou->oo, ek->ik, eng->ing,
羅馬字輸入 as a webservice
query as json {query:'sit8-tsai7', mode='<some mode>'}
results as {exact:[string list of 臺語漢字], prefix:[string list], fuzzy:[string list]}
整理＜客家話常用詞典＞類似
- https://github.com/g0v/moedict-data-hakka
- 已完成：造字處理
- 還需要：華<->客對照、線上語音、詞性