ぼちぼちとやろう！！

#!/usr/bin/ksh

# $Id: saykanji.sh,v 1.8 2009/10/03 11:15:04 shimizu Exp $
PATH=/bin:/sbin:/usr/bin:/usr/sbin:/opt/local/bin:/usr/local/bin:~/bin
SAYKANA=/usr/local/bin/saykana
# 元辞書
# 入手先: http://nadroom.blog.shinobi.jp/Entry/91/
DICT=~/Downloads/カタカナ英語辞書10.6+/NADのカタカナ英語辞書10.6.txt

# 辞書
# お使いの環境に応じて修正して下さい。
SK_DICT=~/Develop/cvsroot/tool/saykanji/kana.csv      # 辞書
SK_UNDICT=~/Develop/cvsroot/tool/saykanji/unknown.csv # 辞書未登録単語集


_sk_opt_setup=0     # 初回のみ、動くなら0にして下さい。

##############################################################################
_sk_opt=
_sk_opt_LOD=0       # -L   Load のみ
_sk_opt_VER=0       # -V   処理内容を表示
_sk_opt_SUB=0       # -S <n>    (字幕表示: 1:原文表示, 2:1+音声文字表示)
_sk_opt_CHK=1       # -C        (辞書未登録な単語のデータ作成: 0:on, 1:off)
            #     1) ${SK_UNDICT} の「読み」を編集して下さい。
            #        (デフォルトでは読み部分が、XX ($_sk_unknown)になってます。)
            #     2) -M 指定又はONの時、次回起動時に${SK_DICT}に登録します。
_sk_opt_MRG=1       # -M        (辞書未登録な単語を${SK_DICT}に登録する)
_sk_opt_digit=0     # -d        (数値桁表現音声: 0:on, 1:off)
_sk_opt_file=0      # -f <file> (指定ファイルの音声出力)
_sk_opt_voice="-v f1"   # -v        (SayKanaのオプション: f1=女性,m1=男性)
_sk_opt_speed="-s 100"  # -s <n>    (SayKanaのオプション: speed [50-300])
_sk_unknown_word="チョメチョメ" # 辞書未登録な単語の読み方 [発音します]
                                #   : -C 指定時に使用
_sk_unknown="\"XX\""            # 辞書未登録な単語のデータ作成
                                #   : ${SK_UNDICT}作成時に使用

# 使用するコマンドのチェック (簡易版)
function _sk_cmd_check # <command>
{
    typeset _leng=$(which $1);
   
    if [[ ${#_leng} -eq 0 ]]; then
    echo "Not Found : $1 : インストール又はパスを通して下さい"
    exit 2
    fi
}

# 辞書＆コマンドの存在確認
# ${SK_DICT} 辞書が無かったら作成する
function _sk_setup #
{
    if [[ -r ${DICT} ]]; then
    if [[ ! -f ${SK_DICT} ]]; then
        _sk_cmd_check mecab
        _sk_cmd_check grep
        _sk_cmd_check mv
        _sk_cmd_check sort
        _sk_cmd_check nkf
        _sk_cmd_check gsed
        nkf -Lu -w ${DICT} > ${SK_DICT}
        touch ${SK_UNDICT}
    fi
    else
    echo "Not Found : ${DICT}"
    exit 2
    fi
}

# 英字判定
function _sk_isalpha #
{
    typeset _ret;
    _ret=$(echo $1 | tr -d '[[:alpha:]]')
    echo ${#_ret}
}

# 数字判定
function _sk_isdigit #
{
    typeset _ret;
    _ret=$(echo $1 | tr -d '[[:digit:]]')
    echo ${#_ret}
}

function _sk_lex_string  # <string>...
{
    typeset _result;
    typeset _word;
    typeset _yomi;

    (echo "$*" | mecab -O wakati | mecab -O yomi | gsed 's/ /\n/g' ) |
    while read  _word ; do
    if [[ $(_sk_isalpha ${_word}) -eq 0 ]]; then
        _yomi=$(grep -i "\"${_word}\"" $SK_DICT |
        head -1 | cut -d',' -f1 | gsed 's/"//g')
        if [[ -n ${_yomi} ]]; then
        _word=${_yomi};
        elif [[ ${_sk_opt_CHK} -eq 1 ]]; then
        echo "${_sk_unknown},\"${_word}\",\"無品詞\"" >> $SK_UNDICT
        [[ ${_sk_opt_VER} -eq 1 ]] &&
        echo "${_sk_unknown},\"${_word}\",\"無品詞\""
        _word=${_sk_unknown_word} # 知らない単語はｘｘになる。
        fi
    elif [[ $(_sk_isdigit ${_word}) -eq 0 && ${_sk_opt_digit} -eq 1 ]]; then

        _word="<numk VAL=${_word}>"
    fi
    _result="${_result} ${_word}"
    done
    (( ${_sk_opt_SUB} >= 1 )) && echo "原文:$*"
    (( ${_sk_opt_SUB} >= 2 )) && echo "音声:${_result}"
    (saykana ${_sk_opt} "${_result}")  2>&1 > /dev/null
}

function _sk_make_uniq_file # <file>
{
    typeset _file=$1;
    if [[ -f ${_file} ]]; then
    sort -u ${_file} > ${_file}.$$
    mv ${_file}.$$ ${_file}
    fi
}

function _sk_lex_file # </file><file>
{
    typeset _file=$1;
    typeset _buf;

    # 入力ファイルを出力し字句解析する。
    # (nkf -Lu -w ${_file)) として、UTFに変換した方がよいかも?
    # (cat ${_file}) |
    (nkf -Lu -w ${_file}) |
    while read _buf; do
    _sk_lex_string ${_buf}
    done
}

function _sk_word_regist # ${SK_DICT} ${SK_UNDICT}
{
    typeset _dict=$1;
    typeset _undict=$2;

    (grep -v "${_sk_unknown}" ${_undict}) |
    while read _buf; do
    echo "${_buf}" >> ${_dict}
    done

    (grep "${_sk_unknown}" ${_undict}) > ${_undict}.$$
    mv ${_undict}.$$ ${_undict}
}

function saykanji # <option> <string>...
{
    typeset _opt;
    typeset _word;
    typeset _tmp;

    ####################################
    #・前処理
    #  1) 起動オプションの確認
    while getopts ":LVS:CMdhf:v:s:" _opt; do
    case $_opt in
        L)  _sk_opt_LOD=1 ;;
        V)  _sk_opt_VER=1 ;;
        S)  _sk_opt_SUB="$OPTARG" ;;
        C)  _sk_opt_CHK=1 ;;
        M)  _sk_opt_MRG=1 ;;
        f)  _sk_opt_file="$OPTARG" ;;
        d)  _sk_opt_digit=1 ;;
        v)  _sk_opt_voice="-v $OPTARG"  ;;
        s)  _sk_opt_speed="-s $OPTARG"  ;;
        h|?) printf "Usage: %s: [-v {f1|m1}] [-s 50-300] [-f file]\n" $0
        exit 2;;
    esac
     done
     shift $(($OPTIND -1))
    _sk_opt="${_sk_opt_voice} ${_sk_opt_speed}"

    if [[ ${_sk_opt_LOD} -eq 1 ]]; then
    _sk_opt_LOD=0
    return
    fi

    #  2) 単語の辞書登録
    if (( ${_sk_opt_MRG} == 1 )); then
    _sk_word_regist ${SK_DICT} ${SK_UNDICT}
    fi

    ####################################
    #・処理
    #　1) 字句解析＋音声
    if [[ -f ${_sk_opt_file} ]]; then
    _sk_lex_file ${_sk_opt_file}
    else
        _sk_lex_string $*
    fi

    ####################################
    #・後処理
    if [[ ${_sk_opt_VER} -eq 1 ]]; then
    # 同一単語の複数登録の抑止
    _sk_make_uniq_file ${SK_UNDICT}
    (wc -l ${SK_UNDICT} | gsed 's/  //g' ) |
    while read _word _tmp; do
        if [[ ${_word} -gt 0 ]]; then
        echo  "${SK_UNDICT}:[未登録データ件数: ${_word}]"
        fi
    done
    fi
}

if (( ${_sk_opt_setup} == 1 )); then
    _sk_setup
fi

if (( $# > 0 )); then
    saykanji $*
fi