はじめに
表記ゆれを補正するプログラムを考える。
=> 結論から言うと、簡単にできる代物じゃない...(流石にこの分野だけで研究されているだけはある...)
=> 全てに対応するのは大変なので、カタカナ単語のみを考える
=> 基本的なもの以外は、後からカスタマイズして対応できるような作りにしておく
サンプル
ただ、これだと実用できない（詳細は下記「適用できないケース」を参照）
import java.text.MessageFormat;
import java.util.HashMap;
import java.util.Map;
public class OrthographicVariantsUtils {
private static final String FORMAT_FOR_REMOVE_LAST = "{0}$";
private static final String LONG_VOWEL = "ー";
private Map<String, String> convertMapper;
public OrthographicVariantsUtils() {
this.convertMapper = new HashMap<String, String>() {
private static final long serialVersionUID = 1L;
{
put("ヴァ", "バ");
put("ヴィ", "ビ");
put("ヴゥ", "ブ");
put("ヴェ", "ベ");
put("ヴォ", "ボ");
}
};
}
public static void main(String[] args) {
OrthographicVariantsUtils instance = new OrthographicVariantsUtils();
// 単語を登録
instance.registWord("ダイア", "ダイヤ");
System.out.println(instance.revise("サーバー"));
System.out.println(instance.revise("メモリー"));
System.out.println(instance.revise("ダイアモンド"));
System.out.println(instance.revise("ヴァイオリン"));
}
public String revise(String targetValueInKatakana) {
String returnValue = targetValueInKatakana;
// 登録されている単語に置き換える
for (Map.Entry<String, String> entry : this.convertMapper.entrySet()) {
returnValue = returnValue.replaceAll(entry.getKey(), entry.getValue());
}
// 語尾の長音「ー」を削除
return removeLast(returnValue, LONG_VOWEL);
}
public String registWord(String word, String fixedWord) {
return this.convertMapper.put(word, fixedWord);
}
private static String removeLast(String textValue, String regex) {
if (textValue == null) {
return null;
}
return textValue.replaceFirst(MessageFormat.format(FORMAT_FOR_REMOVE_LAST, regex), "");
}
}
出力結果
サーバ
メモリ
ダイヤモンド
バイオリン
適用できないケース
* 語尾の長音「ー」を無条件で削除しているが、「ピッチャー」など、削除してはいけないケースもある
その他もろもろ...
結論
* 仕様が限定されていなければ、以下の関連記事などで記載されているフリーツールなどを検討して使った方がいい
http://blogs.yahoo.co.jp/dk521123/36655532.html
メモ
* 動的計画法(Dynamic Programming, DP)を使う(最長共通部分列問題の応用？)のも手らしいのだが...
http://blogs.yahoo.co.jp/dk521123/36662096.html
