Transliterator Klasse

Definition

[Android.Runtime.Register("android/icu/text/Transliterator", ApiSince=29, DoNotGenerateAcw=true)]
public abstract class Transliterator : Java.Lang.Object

[<Android.Runtime.Register("android/icu/text/Transliterator", ApiSince=29, DoNotGenerateAcw=true)>]
type Transliterator = class
    inherit Object

Vererbung

Object

JavaObject

Object

Transliterator

Attribute

RegisterAttribute

Hinweise

Transliterator ist eine abstrakte Klasse, die Text von einem Format in ein anderes transliteriert. Die am häufigsten verwendete Art von Transliterator ist ein Skript oder alphabetische Transliterator. Beispielsweise ändert ein Russisch-zu-Latein-Transliterator russischen Text, der in kyrillischen Zeichen geschrieben wurde, in phonetisch gleichwertige lateinische Zeichen. Es wird<nicht >übersetzt</em> Russisch in Englisch! Transliteration funktioniert im Gegensatz zur Übersetzung auf Zeichen ohne Verweis auf die Bedeutungen von Wörtern und Sätzen.

Obwohl die Skriptkonvertierung am häufigsten verwendet wird, kann ein Transliterator tatsächlich eine allgemeinere Aufgabenklasse ausführen. Definiert eine sehr allgemeine API, Transliterator die nur angibt, dass ein Segment des Eingabetexts durch neuen Text ersetzt wird. Die Angaben dieser Konvertierung werden vollständig durch Unterklassen von Transliteratorbestimmt.

<b>Transliteratoren sind zustandslos</b>

TransliteratorObjekte sind <>zustandslos</em>; sie bewahren keine Informationen zwischen Aufrufen auftransliterate(). Daher können Threads Transliteratoren freigeben, ohne sie zu synchronisieren. Dies könnte die Komplexität des Transliterationsvorgangs einschränken. In der Praxis führen Unterklassen komplexe Transliterationen durch Verzögern des Austauschs von Text durch, bis bekannt ist, dass keine anderen Ersetzungen möglich sind. Anders ausgedrückt, obwohl die Transliterator Objekte zustandslos sind, verkörpert der Quelltext selbst alle erforderlichen Informationen, und der verzögerte Vorgang ermöglicht willkürliche Komplexität.

<b>Batchtransliteration</b>

Die einfachste Möglichkeit zum Transliterieren erfolgt auf einmal auf einer Zeichenfolge vorhandener Texte. Dies wird als <em>batch</em> transliteration bezeichnet. Beispiel: Bei einer Zeichenfolge input und einem Transliterator t, dem Aufruf

<Blockquote/Blockquote>String result = t.transliterate(input); <>

transliterieren sie und geben das Ergebnis zurück. Andere Methoden ermöglichen es dem Client, eine Teilzeichenfolge anzugeben, die transliteriert werden soll, und Objekte anstelle von Zeichenfolgen zu verwenden Replaceable , um Out-of-Band-Informationen (z. B. Textformatvorlagen) beizubehalten.

<b>Tastaturtransliteration</b>

Etwas mehr beteiligt ist <tastatur></em> oder inkrementelle Transliteration. Dies ist die Transliteration von Text, die von einer Quelle (in der Regel die Tastatur des Benutzers) jeweils ein Zeichen oder in einer anderen stücklichen Weise eintrifft.

Bei der Tastaturtransliteration speichert ein Replaceable Puffer den Text. Wenn Text eingefügt wird, wird so viel wie möglich im Flug transliteriert. Dies bedeutet, dass eine GUI, die den Inhalt des Puffers anzeigt, möglicherweise Text anzeigt, der geändert wird, sobald jedes neue Zeichen eingeht.

Betrachten Sie den einfachen regelbasierten Transliterator:

<Blockquote/Blockquote> th&gt;{theta}<br> t&gt;{tau} <>

Wenn der Benutzer "nicht" eingibt, geschieht nichts, da der Transliterator darauf wartet, zu sehen, ob das nächste Zeichen "h" ist. Um dies zu beheben, führen wir den Begriff eines Cursors ein, der durch ein "|" in der Ausgabezeichenfolge gekennzeichnet ist:

<Blockquote/Blockquote> t&gt;|{tau}<br> {tau}h&gt;{theta} <>

Wenn der Benutzer nun "t" eingibt, wird tau angezeigt, und wenn das nächste Zeichen "h" lautet, ändert sich die Tau-Datei in einen Theta. Dies wird erreicht, indem eine Cursorposition (unabhängig von der Einfügemarke und unsichtbar in der GUI) über Aufrufe transliterate()hinweg beibehalten wird. In der Regel wird der Cursor mit der Einfügemarke übereinstimmen, aber in einem Fall wie der oben genannten wird er der Einfügemarke vorangestellt.

Tastaturtransliterationsmethoden behalten einen Satz von drei Indizes bei, die mit jedem Aufruf transliterate()aktualisiert werden, einschließlich cursor, start und limit. Diese Indizes werden von der Methode geändert und über ein Position-Objekt übergeben. Der start Index markiert den Anfang der Teilzeichenfolge, die der Transliterator betrachtet. Es wird erweitert, wenn Text zugesichert wird (aber nicht der zugesicherte Index; das ist der cursor). Der cursor oben beschriebene Index markiert den Punkt, an dem der Transliterator zuletzt angehalten wurde, entweder weil er das Ende erreicht hat, oder weil mehr Zeichen erforderlich sind, um zwischen möglichen Eingaben mehr Zeichen zu unterscheiden. Dies cursor kann auch explizit durch Regeln festgelegt werden. Alle Zeichen, bevor der cursor Index fixiert wird. Zukünftige Tastaturtransliterationsaufrufe innerhalb dieser Eingabesequenz ändern sie nicht. Neuer Text wird am limit Index eingefügt, der das Ende der Teilzeichenfolge markiert, die der Transliterator betrachtet.

Da bei der Tastaturtransliteration davon ausgegangen wird, dass mehr Zeichen eintreffen sollen, ist sie in ihrem Betrieb konservativer. Sie transliteriert nur, wenn sie dies eindeutig tun kann. Andernfalls wartet es, bis weitere Zeichen eintreffen. Wenn der Clientcode weiß, dass keine weiteren Zeichen anstehen, vielleicht weil der Benutzer einen Eingabeendpunkt ausgeführt hat, sollte er aufgerufen finishTransliteration() werden, um alle ausstehenden Transliterationen abzuschließen.

<b>Umkehrung</b>

Transliteratorenpaare können Umkehrungen voneinander sein. Wenn z. B. Transliterator <b>A</b> Zeichen transliteriert, indem sie ihren Unicode-Wert erhöhen (so "abc" -> "def") und transliterator <b></b> decrement character values, then <b>A</b> is an inverse of <b></b> and vice versa. Wenn wir b A/b mit <b></b>< in einem zusammengesetzten Transliterator verfassen>, ist das Ergebnis der Identitätstransliterator, d. h. ein Transliterator, der seinen Eingabetext nicht ändert.<>

Die Transliterator Methode getInverse() gibt die Umkehrung eines Transliterators zurück, sofern vorhanden oder null anderweitig. Das Ergebnis von in der getInverse() Regel ist <em>jedoch kein<> wahrer mathematischer Umkehrer. Dies liegt daran, dass echte Umgekehrte Transliteratoren schwer zu formulieren sind. Betrachten Sie beispielsweise zwei Transliteratoren: <b>AB</b>, die das Zeichen "A" in "B" transliteriert, und <b>BA</b>, die "B" in "A" transkribiert. Es mag so aussehen, dass es sich um genaue Umkehrung handelt, da

<Blockquote>"A" x <b>AB</b> -> "B"<br> "B" x <b>BA</b> -> "A"</Blockquote>

wobei "x" die Transliteration darstellt. Allerdings:

<Blockquote>"ABCD" x <b>AB</b> -> "BBCD"<br> "BBCD" x <b>BA</b> -> "AACD"</Blockquote>

b AB/b< zusammengesetzt mit >b<BA>/b< ist also >nicht die<> Identität. <Dennoch kann b>BA</b> sinnvoll als b<AB>/b< invers betrachtet >werden, und auf dieser Grundlage <könnte b>AB</b>.getInverse() legitim b<BA>/b< zurückgeben>.

<b>Filterung</b>

Jeder Transliterator verfügt über einen Filter, der Änderungen an den vom Filter ausgewählten Zeichen einschränkt. Der Filter wirkt sich nur auf die geänderten Zeichen aus – die Zeichen außerhalb des Filters sind weiterhin Teil des Kontexts für den Filter. Wenn z. B. "x" herausgefiltert ist und nicht in "y" konvertiert wird, wirkt sich dies auf die Konvertierung von "a" aus.

String rules = "x > y; x{a} > b; ";
            Transliterator tempTrans = Transliterator.createFromRules("temp", rules, Transliterator.FORWARD);
            tempTrans.setFilter(new UnicodeSet("[a]"));
            String tempResult = tempTrans.transform("xa");
            // results in "xb"

<b>IDs und Anzeigenamen</b>

Ein Transliterator wird durch eine kurze Zeichenfolge oder <em>ID</em> festgelegt. IDs folgen dem Format <em>source-destination</em, wobei >em<source>/em<> die entität beschreibt, die ersetzt wird, und <em>destination</em beschreibt die Entität, die em>< source/em>< ersetzt.> Bei den Entitäten kann es sich um die Namen von Skripts, bestimmte Zeichenabfolgen oder um einen anderen Typ handeln, in den bzw. von dem der Transliterator konvertiert wird. Beispielsweise könnte ein Transliterator von Russisch zu Latein "Russisch-Latein" genannt werden. Ein Transliterator von Tastatur-Escapesequenzen in Latein-1-Zeichen kann als "KeyboardEscape-Latin1" bezeichnet werden. Standardmäßig sind Systementitätsnamen in Englisch, wobei die Anfangsbuchstaben von Wörtern großgeschrieben sind; Benutzerentitätsnamen können einem beliebigen Format folgen, solange sie keine Gedankenstriche enthalten.

Neben programmgesteuerten IDs weisen Transliteratorobjekte Anzeigenamen für die Präsentation in Benutzeroberflächen auf, die von #getDisplayName.

<b>Zusammengesetzte Transliteratoren</b>

Zusätzlich zu integrierten Systemtransliteratoren wie "Lateinisch-Griechisch" gibt es auch integrierte <>em durchkomponierte</em> Transliteratoren. Diese werden implementiert, indem zwei oder mehr Komponententransliteratoren verfasst werden. Wenn beispielsweise Skripts "A", "B", "C" und "D" vorhanden sind und wir zwischen allen Paaren transliterieren möchten, müssen wir 12 Transliteratoren schreiben: "A-B", "A-C", "A-D", "B-A", "B-A",..., "D-A", "D-B", "D-C". Wenn es möglich ist, alle Skripts in ein Zwischenskript "M" zu konvertieren, müssen wir anstelle von 12 Regelsätzen nur 8 schreiben: "A~M", "B~M", "C~M", "D~M", "M~A", "M~B", "M~C", "M~D". (Dies mag nicht wie ein großer Sieg aussehen, aber es ist wirklich 2 em n/em< vs. >em<n>/em<>sup<2>/sup< - >em n/em, so dass <em><n></em>< größer wird der Gewinn erheblich.><> Mit 9 Skripts ist es 18 vs. 72 Regelsätze, ein großer Unterschied.) Beachten Sie die Verwendung von "~" anstelle von "-" für das Skripttrennzeichen hier; Dies weist darauf hin, dass der angegebene Transliterator mit anderen zusammengesetzt werden soll, anstatt wie gewünscht zu verwenden.

Zusammengesetzte Transliteratoren können wie gewohnt instanziiert werden. Beispielsweise ist der Systemtransliterator "Devanagari-Gujarati" ein zusammengesetzter Transliterator, der intern als "Devanagari~InterIndic" erstellt wurde; InterIndic~Gujarati". Wenn dieser Transliterator instanziiert wird, erscheint es extern als Standardtransliterator (z. B. getID() gibt "Devanagari-Gujarati" zurück.

<b>Regelsyntax</b>

Eine Reihe von Regeln bestimmt, wie Übersetzungen ausgeführt werden. Regeln innerhalb eines Regelsatzes werden durch Semikolons (';') getrennt. Um ein Literal-Semikolon einzuschließen, präfixieren Sie es mit einem umgekehrten Schrägstrich ('\'). Unicode-Pattern_White_Space wird ignoriert. Wenn das erste nicht leere Zeichen in einer Zeile "#" lautet, wird die gesamte Zeile als Kommentar ignoriert.

Jeder Satz von Regeln besteht aus zwei Gruppen, einer vorwärts und einer umgekehrten Gruppe. Dies ist eine Konvention, die nicht durchgesetzt wird; Regeln für eine Richtung können weggelassen werden, mit dem Ergebnis, dass Übersetzungen in dieser Richtung den Quelltext nicht ändern. Darüber hinaus können bidirektionale Forward-Reverse-Regeln für symmetrische Transformationen angegeben werden.

Hinweis: Eine weitere Beschreibung der Transliteratorregelsyntax ist im Abschnitt Transform Rules Syntax von UTS #35: Unicode LDML verfügbar. Die Regeln werden dort mithilfe von Pfeilsymbolen ← und → und ↔ angezeigt. ICU unterstützt sowohl diejenigen als auch die entsprechenden ASCII-Symbole < und > und < >.

Regelanweisungen haben eine der folgenden Formen:

<dl><dt>$alefmadda=\\u0622;</dt><dd><strong>Variable definition.</strong> Der Name auf der linken Seite wird dem Text auf der rechten Seite zugewiesen. In diesem Beispiel, nach dieser Anweisung, Instanzen des linken Handnamens, "$alefmadda", wird durch das Unicode-Zeichen U+0622 ersetzt. Variablennamen müssen mit einem Buchstaben beginnen und nur aus Buchstaben, Ziffern und Unterstrichen bestehen. Die Groß-/Kleinschreibung ist von Bedeutung. Doppelte Namen führen dazu, dass eine Ausnahme ausgelöst wird, d. h. Variablen können nicht neu definiert werden. Die rechte Seite kann wohlgeformten Text beliebiger Länge enthalten, einschließlich gar keinem Text ("$empty=;"). Die rechte Seite kann eingebettete UnicodeSet Muster enthalten, z. B. "$softvowel=[eiyEIY]".</dd><dt>ai>$alefmadda;</dt><dd><strong>Forward translation rule.</strong> Diese Regel gibt an, dass die Zeichenfolge auf der linken Seite bei der Vorwärtstransliteration in die Zeichenfolge rechts geändert wird.</dd><dt>ai<$alefmadda;</dt><dd><strong>Reverse Translation Rule.</strong> Diese Regel gibt an, dass die Zeichenfolge auf der rechten Seite bei umgekehrter Transliteration in die Zeichenfolge links geändert wird.</dd></dl>

<dl><dt>ai<>$alefmadda;</dt><dd><starke>bidirektionale Übersetzungsregel.</strong> Diese Regel gibt an, dass die Zeichenfolge auf der rechten Seite bei der Vorwärtstransliteration in die Zeichenfolge auf der linken Seite geändert wird und umgekehrt bei umgekehrter Transliteration.</dd></dl>

Übersetzungsregeln bestehen aus einem <Em-Übereinstimmungsmuster></em> und einer <em-Ausgabezeichenfolge></em>. Das Übereinstimmungsmuster besteht aus Literalzeichen, optional vor Kontext und optional gefolgt von Kontext. Kontextzeichen, z. B. Literalmusterzeichen, müssen im transliterierten Text übereinstimmen. Im Gegensatz zu Literalmusterzeichen werden sie jedoch nicht durch den Ausgabetext ersetzt. Beispiel: Das Muster "abc{def}" gibt die Zeichen an "def" muss vor " stehen.abc" für eine erfolgreiche Übereinstimmung. Wenn eine erfolgreiche Übereinstimmung vorliegt, "def" wird ersetzt, aber nicht "abc". Das endgültige "}" ist optional, also "abc{def" entspricht "abc{def}". Ein weiteres Beispiel ist "{123}456" (oder "123}456") in dem das Literalmuster "123" muss auf " folgen;456".

Die Ausgabezeichenfolge einer Vorwärts- oder Umgekehrtregel besteht aus Zeichen, um die Literalmusterzeichen zu ersetzen. Wenn die Ausgabezeichenfolge das Zeichen '|' enthält, wird dies verwendet, um die Position des <Em-Cursors></em> nach der Ersetzung anzugeben. Der Cursor ist der Punkt im Text, auf den ggf. der nächste Ersatz angewendet wird. Der Cursor wird in der Regel innerhalb des Ersetzungstexts platziert. es kann jedoch tatsächlich in den Präzending- oder folgenden Kontext eingefügt werden, indem das Sonderzeichen verwendet wird '

Java Dokumentation für android.icu.text.Transliterator.

Teile dieser Seite sind Änderungen auf der Grundlage von Arbeiten, die von der Android Open Source Project erstellt und gemeinsam verwendet und gemäß den in der 2.5 Attribution License beschriebenen Begriffen verwendet werden.