日语/字符编程技巧

Question

我有一个想法，写一些网络应用程序来帮助我，也许其他人，更好地学习日语，因为我正在学习日语。

我的问题是，该网站将主要是英文，所以它需要流利地混合日语字符，通常是平假名和片假名，但后来汉字。我越来越接近于实现这一点；我已经知道页面和源文件需要是unicode和utf-8内容类型。

然而，我的问题来自于实际的编码。我需要的是操作假名形式的文本字符串。一个例子是：

我需要把这个动词转换成te形式的けして。我更喜欢用javascript来做这件事，因为这将有助于以后做更多的操作，但如果必须这样做，我将只做DB调用，并将所有内容都保存在DB中。

我的问题不仅是如何在javascript中做到这一点，而且在其他语言中也有什么技巧和策略来做这类事情。我希望能在语言学习应用中获得更多，但当涉及到这一点时，我就迷失了方向。

Answer 1

我的问题不仅是如何在javascript中做到这一点，而且在其他语言中也有什么技巧和策略来做这类事情。

你想要做的是非常基本的字符串操作-除了缺少的单词分隔符，正如Barry所说，尽管这不是一个技术问题。

基本上，对于支持Unicode的现代编程语言(我认为JavaScript从1.3版开始就是这样)来说，日语假名或汉字和拉丁字母之间没有什么真正的区别--它们都只是字符。一个字符串就是一个字符串。

当你必须在字符串和字节之间进行转换时，它变得困难了，因为你需要注意你使用的是什么编码。不幸的是，许多程序员，尤其是以英语为母语的人倾向于掩盖这个问题，因为ASCII是拉丁字母的事实上的标准编码，而其他编码通常试图兼容。如果拉丁字母是你需要的全部，那么你可以幸灾乐祸地对字符编码一无所知，相信字节和字符基本上是一回事--并编写程序，破坏任何非ASCII的东西。

因此，支持Unicode的编程的“秘密”是这样的:学会识别字符串/字符何时何地转换为字节，并确保在所有这些地方使用了正确的编码，即用于反向转换的编码相同，并且可以对您正在使用的所有字符进行编码。UTF-8正在慢慢成为事实上的标准，通常应该在您可以选择的任何地方使用。

典型示例(非详尽)：

使用非ASCII字符串文字编写源代码时的编码(在editor/IDE)

• When中配置编码编译或解释此类源代码(编译器/解释器需要知道编码)读/写文件时的编码(编码必须在应用编程接口中的某处或文件的元数据中指定)向数据库写入字符串时的编码(编码必须在DB或表的配置中指定)通过When服务器传递超文本标记语言页面时的
• (编码必须在超文本标记语言头部或页面的元头部中指定)；表单可能更加棘手)

Answer 2

你需要做的就是看看语法规则。对每个共轭都有一组规则。让我们以~て形式为例。Psudocode：

def te_form(verb)
  switch verb.substr(-1, 1) == "る" then return # verb minus ru plus te
  case "る" #return (verb - る) + て
  case "す" #return (verb - す）＋して

等等。基本上，把它分成I，II和III类动词。

Answer 3

你的问题对我来说完全不清楚。

然而，我有一些使用日语的经验，所以我会给出我的2点意见。

由于日语文本不具有分词功能(例如空格字符)，因此我们必须获得的最重要的工具是基于字典的单词识别器。

一旦你拆分了文本，使用“普通”工具操作它就更容易了。

只有两个工具可以完成上述工作，而且作为副产品，它们还可以用作标记器(即名词、动词等)。

编辑:在使用语言时始终使用unicode。