chanoma 0.1.2

chanoma is Characters Normalization library.文字列正規化処理用のライブラリです。

chanoma

chanoma is Characters Normalization library. 文字列正規化処理用のライブラリです。

Rust 版 の Python バインディングです。

使い方

from chanoma import Chanoma

def main():
    chanoma = Chanoma(preset=True)
    print(chanoma.normalize("ﾊﾝｶｸｶﾅは全角カタカナに変換されます"))

if __name__ == '__main__':
    main()

インストール

pip install chanoma

設定ファイル

chanoma は設定ファイルを配置することで、結果を調整することが可能です。 設定ファイルを読み込ませるための方法は二種類あります。

• 環境変数 CHANOMARC に設定ファイルのパスを指定する。
• 以下のパスのうちのどこかにファイルを配置する。
  • $HOME/.config/chanoma/chanomarc.{ext}
  • $HOME/.config/chanoma/.chanomarc.{ext}
  • $HOME/chanomarc.{ext}
  • $HOME/.chanomarc.{ext}
  • $PWD/chanomarc.{ext}
  • $PWD/.chanomarc.{ext}

上記のどちらの場合でも、.{ext} に指定可能な拡張子は .csv, .yaml (.yml) のどれかです。

CSV ファイルの場合のフォーマット

CSV ファイルでは、一文字から一文字の置換のみ設定が可能です。 最初の列に 置換したい文字、次の列に 置換後の文字 を記述します。

from,to
＆,&

YAML ファイルの場合のフォーマット

Yaml ファイルでは、一文字から一文字の置換と、Modifier を指定する二種類の方法があります。

一文字から一文字の置換

ルートキーに items を記述し、配列指定で from キーの値に 置換したい文字、to キーの値に 置換後の文字 を記述します。

items:
  - from: "a"
    to: "A"

Modifier を指定する

ルートキーに modifiers を記述し、一段インデントして Modifier をキーとして記述します。 指定できる Modifire は以下です。

• character_converter : 一文字から一文字の置換を設定します。キーに 置換したい文字、値に 置換後の文字 を記述します。( items と同様の処理になります。)
• character_eliminator : 指定した文字を削除します。
• consecutive_character_reducer : 指定した連続する同じ文字を一つにします。
• dotted_space_eliminator : 『「半角英数字」と「半角英数字」の間の半角スペース』以外の半角スペースを削除します。
• ligature_translator : 指定した合字をくっつけて一文字にします。
• trim : 先頭と末尾の半角スペースを削除します。
• neologdn : neologdn と同様の結果になる処理をします。

modifiers:
  character_converter:
    a: A
    b: B
  character_eliminator: ["~", ∼, ∾, 〜, 〰, ～]
  consecutive_character_reducer: ー
  dotted_space_eliminator:
  ligature_translator:
    ハ゜: パ
  trim:
  neologdn:

Development

docker-compose build chanoma
docker-compose run --rm chanoma bash
cd /app/bindings/python3
python3 ./setup.py develop
./run-test.sh

Build

docker-compose run --rm build-wheels-for-python ./build-wheels.sh

Publish

docker-compose run --rm chanoma ./bindings/python3/publish_to_pypi.sh