HTMLでのルビ付けプログラム

プログラム

ブログの更新が滞っていて、「PDF教材をHTMLに変換する」という記事を書いてから、もう一年近くになります。

その時はプログラムの内容を殆ど何も書かなかったので、
今回はPythonで書いたプログラムの内容と、
それを機に、同じことをTypescript(Javascript)、GO、C++で書いてみたので、これらの言語の比較・感想を書いてみます。

最初に、ルビ付けプログラムの基本的考え方をみます。

簡単にいえば、辞書を用意しておいて、文書の中で当該漢字が出てくれば、その漢字をルビづけのHTML文字列で置き換えればいいのです。

文字列がコンピュータの中でどのように扱われているかは結構複雑で難しい問題ですが、
現在のプログラミング言語では、低レベルの仕組みを熟知していなくても、プログラミングできるようになっています。

文書の中で特定の文字を探し出し、他の文字と置換する関数(仕組み)は、大抵は2種類用意されています。

一つは文章の中に、示された文字列が完全に一致する文字列が含まれているかどうを探すいわば原始的探索で、もう一つはもっと複雑な質問に答える正規表現というものです。

正規表現のお馴染みのものはワイルドカードで、たとえば文書ファイルをみつけるために「*」を使って、「*.txt」と書いて拡張子が[txt]の文書にマッチするものをすべて探し出します。

昔私がPerlを頻繁に使用していたのは、Perlの正規表現がとても強くまた使いやすかったからです。

現在プログラミング言語としてのPerlは人気がなくなりましたが、最近のプログラミング言語は皆Perlを見習って、正規表現の充実を図っています。

今回の作業は、しかし、正規表現を使うまでもないと思います。

続きを読む →

PDF教材をHTMLに変換する 2

プログラム

「学校」にフリガナをつけると下のようになります。

学校 （ がっこう ）

手書きや、印刷では「学校」の文字の上に専用の小さいかなを付けているのでしょうが、
WEBではどのようになっているのでしょうか。

WEBでフリガナをつけるには次のような記号列が必要です。
(以下の文を仮にHTML文ということにします)。

<ruby> <rb>学校</rb> <rp>（</rp> <rt>がっこう</rt> <rp>）</rp> </ruby>

これをブラウザ(Micosoft EgeとかChrome)が解釈して、上のように「学校」の上にルビをつけます。

上のHTML文で「（」と「）」で囲まれた部分は、ブラウザが正しくルビが付けられなかったとき、
かっこでかなをつけることになります。

 

さて、教材でカナが付けられたているところは、
全部上のようなHTML文にしなければいけません。

続きを読む →

最近のプログラミング言語

日本論

前回、
インターネット画面で漢字にルビを付けるプログラムについてご紹介して、
核心的な部分の話を書かないまま1カ月程度経過しました。

今回、久しぶりにプログラムを書いて、
「えー、ソフトの世界は最近はこーなっているの」のような疑問・興味がわいてきて、
その解明・勉強に脱線しています。

今回のプログラムでは、jQueryとBootstrapを必要なところだけ学習しました。
これらはJavascriptのプラグインあるいはライブラリーのようなものです。

Javascriptは昔一度手伝い仕事で使ったことがありますが、
ほんのチョットかじっただけです。

私はJavascriptが好きではなく、まあこんのものかと思っていたら、
実はこの言語はどんどん進化していて、
プログラミング言語としての人気も不動の上位を譲らないようです。

jQueryやBootstrapの人気もJavascriptの人気を押し上げているのでしょう。

私がJavascriptが好きでないのは、
何か「だらだらと、あれもかけるこれも書ける」というような言語仕様になっているところです。

型宣言がないのでユーザとしては相当いい加減なプログラムが書ける。
変数に関数を代入でき、変数をコールすればすなわち関数コールになるなど、
便利といえば便利でしょうが、私としては気持ち悪いのです。
(Cでも変数に関数のアドレスを代入すれば、同様のことはできます。)

続きを読む →

PDF教材をHTMLに変換する 1

WEB

長い間プログラムを書いていなかったのですが、
児童用のPDF教材をWEB用に書き換える手伝い仕事で、
短いプログラムを書きました。

 

PDFをそのままWEB画面に貼り付けるのではなく、
内容はそのままに、新たにWEBのサイトを作るのです。

与えられた材料は、PDFファイルだけです。

主な作業は次のようなものです。

①　PDFから文字と画像を取り出す。

②　画像と文字をHTMLファイルに書き込む。

③　一部の漢字にはルビを振り、
PDFと同じようなレイアウトをし、
ボタンを押すと動画を表示するようにする。

 

そもそもPDFがあるということは、
恐らく、アドビ・イラストレータかInDesignを使っているのでしょうから、
電子データがあるのでしょう。
ということは、その電子データから直接画像なり、文章なりを抽出すれば、
全く簡単で正確な情報が得られるのに、どうしてこうなったのでしょうか。
著作権が問題だったのでしょうか。

 

まず①の仕事。
当然、手作業で書き写すわけにはいきません。

画像と文字を抽出するのに、
無料のソフト、確か画像抽出ではPDFTools、文字抽出にはABBYY FineReaderを使いました。

私は、古いAdobe Acrobatを持っていますので試したのですが、
これより上記のソフトの方がよく働いてくれました。

続きを読む →

我が家に帰りました

私的なこと

22日夜北九州からフェリーに乗って、本日24日早朝有明埠頭で下り、高速で約一時間車を飛ばし、
住み慣れた千葉の我が家に帰ってきました。
コロナで帰る機会を失っていたので、まる2年振りになります。

九州では建坪150坪の広い家に住んでいましたが、千葉の我が家はその5分の1程度のアパートです。
しかし、屋敷の広さや豪華さに関係なく私は我が家が一番いいのです。
玄関も居間も書斎もトイレも何もかも狭い我が家ですが、
私にはここの方がいいのです。

久しぶりに帰ってきた我が家、
ライフラインは大丈夫だろうか、風呂にはいれるだろうか、と心配していたのですが、
だいたいOK、と言いたいところですが、
トイレに水漏れがあります。

排水管の接合部の不具合です。排水すると少し水漏れします。
下階に迷惑を掛けてはいけませんので、すぐ業者に連絡。
業者が来て、部品を探してくれたのですが、
適当な部品がなくて、シール材で隙間をつぶすしかありません。
まあ、それはいいとして、「シール材を塗ったら、12時間は使わないくれ」ということ、
小便はいいとして、大はどうするのだと、困り果てます。
幸い、防災用の緊急トイレを買っていたので、
練習を兼ねてこれを使うことにしました。
できれば使いたくないのですが…

約80箱の段ボールは一部を除いて届きましたが、
残り大部分がまだ届きません(6時時点)。
狭い部屋を一つつぶして、届くのを待っています。
これを機会に「断捨離」しようと思いますが、本が多いので、限界がありそうです。
孫が使ってくれば、孫におくるのですが、
特に日進月歩のソフトウェアの書籍は、図書館でも受け入れてくれないでしょうし、
いづれ廃棄処分することになるのでしょうか。

住み慣れた千葉で、現在の床面積の倍の広さがあれば、
文句の言いようがないのですが…

まあ、「狭いながらも楽しい我が家」を目指して、
ボチボチ我が家での生活を進めていきたいと思います。