def convert_eng(string, cmu):
'''Convert a string such that English words inside are turned into Hangul.
string: input string.
cmu: cmu dict object.
>>> convert_eng("그 사람 좀 old school이야", cmu)
그 사람 좀 올드 스쿨이야
'''
eng_matches = list(re.finditer("[A-Za-z']+", string))
eng_matches.reverse()
for eng_match in eng_matches:
eng_word = eng_match.group()
word = eng_word.lower()
if word not in cmu:
continue
arpabets = cmu[word][0] # https://en.wikipedia.org/wiki/ARPABET
phonemes = adjust(arpabets)
ret = ""
for i in range(len(phonemes)):
p = phonemes[i] # phoneme
p_prev = phonemes[i - 1] if i > 0 else "^"
p_next = phonemes[i + 1] if i < len(phonemes) - 1 else "$"
p_next2 = phonemes[i + 1] if i < len(phonemes) - 2 else "$"
# desginated sets
short_vowels = ("AE", "AH", "AX", "EH", "IH", "IX", "UH")
vowels = "AEIOUY"
consonants = "BCDFGHJKLMNPQRSTVWXZ"
syllable_final_or_consonants = "$BCDFGHJKLMNPQRSTVWXZ"
# 외래어 표기법 https://ko.dict.naver.com/help.nhn?page=4-1-3-1#dtl_cts
# 1항. 무성 파열음 ([p], [t], [k])
# 1. 짧은 모음 다음의 어말 무성 파열음([p], [t], [k])은 받침으로 적는다.
# 2. 짧은 모음과 유음·비음([l], [r], [m], [n]) 이외의 자음 사이에 오는 무성 파열음([p], [t], [k])은 받침으로 적는다.
# 3. 위 경우 이외의 어말과 자음 앞의 [p], [t], [k]는 '으'를 붙여 적는다.
if p in "PTK":
if p_prev[:2] in short_vowels and p_next == "$": # 1
ret += to_jongseong(p)
elif p_prev[:2] in short_vowels and p_next[
0] not in "AEIOULRMN": # 2
ret += to_jongseong(p)
elif p_next[0] in "$BCDFGHJKLMNPQRSTVWXYZ": # 3
ret += to_choseong(p)
ret += "ᅳ"
else:
ret += to_choseong(p)
# 2항. 유성 파열음([b], [d], [g])
# 어말과 모든 자음 앞에 오는 유성 파열음은 '으'를 붙여 적는다.
elif p in "BDG":
ret += to_choseong(p)
if p_next[0] in syllable_final_or_consonants:
ret += "ᅳ"
# 3항. 마찰음([s], [z], [f], [v], [θ], [ð], [ʃ], [ʒ])
# 1. 어말 또는 자음 앞의 [s], [z], [f], [v], [θ], [ð]는 '으'를 붙여 적는다.
# 2. 어말의 [ʃ]는 '시'로 적고, 자음 앞의 [ʃ]는 '슈'로, 모음 앞의 [ʃ]는 뒤따르는 모음에 따라 '샤', '섀', '셔', '셰', '쇼', '슈', '시'로 적는다.
# 3. 어말 또는 자음 앞의 [ʒ]는 '지'로 적고, 모음 앞의 [ʒ]는 'ㅈ'으로 적는다.
elif p in ("S", "Z", "F", "V", "TH", "DH", "SH", "ZH"):
ret += to_choseong(p)
if p in ("S", "Z", "F", "V", "TH", "DH"): # 1
if p_next[0] in syllable_final_or_consonants:
ret += "ᅳ"
elif p == "SH": # 2
if p_next[0] in "$":
ret += "ᅵ"
elif p_next[0] in consonants:
ret += "ᅲ"
else:
ret += "Y"
elif p == "ZH": # 3
if p_next[0] in syllable_final_or_consonants:
ret += "ᅵ"
# 4항. 파찰음([ʦ], [ʣ], [ʧ], [ʤ])
# 1. 어말 또는 자음 앞의 [ʦ], [ʣ]는 '츠', '즈'로 적고, [ʧ], [ʤ]는 '치', '지'로 적는다.
# 2. 모음 앞의 [ʧ], [ʤ]는 'ㅊ', 'ㅈ'으로 적는다.
elif p in (
"TS",
"DZ",
"CH",
"JH",
):
ret += to_choseong(p) # 2
if p_next[0] in syllable_final_or_consonants: # 1
if p in ("TS", "DZ"):
ret += "ᅳ"
else:
ret += "ᅵ"
# 5항. 비음([m], [n], [ŋ])
# 1. 어말 또는 자음 앞의 비음은 모두 받침으로 적는다.
# 2. 모음과 모음 사이의 [ŋ]은 앞 음절의 받침 'ㆁ'으로 적는다.
elif p in ("M", "N", "NG"):
if p in "MN" and p_next[0] in vowels:
ret += to_choseong(p)
else:
ret += to_jongseong(p)
# 6항. 유음([l])
# 1. 어말 또는 자음 앞의 [l]은 받침으로 적는다.
# 2. 어중의 [l]이 모음 앞에 오거나, 모음이 따르지 않는 비음([m], [n]) 앞에 올 때에는 'ㄹㄹ'로 적는다.
# 3. 다만, 비음([m], [n]) 뒤의 [l]은 모음 앞에 오더라도 'ㄹ'로 적는다.
elif p == "L":
if p_prev == "^": # initial
ret += to_choseong(p)
elif p_next[0] in "$BCDFGHJKLPQRSTVWXZ": # 1
ret += to_jongseong(p)
elif p_prev in "MN": # 3
ret += to_choseong(p)
elif p_next[0] in vowels: # 2
ret += "ᆯᄅ"
elif p_next in "MN" and p_next2[0] not in vowels: # 2
ret += "ᆯ르"
# custom
elif p == "ER":
if p_prev[0] in vowels:
ret += "ᄋ"
ret += to_jungseong(p)
if p_next[0] in vowels:
ret += "ᄅ"
elif p == "R":
if p_next[0] in vowels:
ret += to_choseong(p)
# 8항. 중모음1) ([ai], [au], [ei], [ɔi], [ou], [auə])
# 중모음은 각 단모음의 음가를 살려서 적되, [ou]는 '오'로, [auə]는 '아워'로 적는다.
elif p[0] in "AEIOU":
ret += to_jungseong(p)
else:
ret += to_choseong(p)
ret = reconstruct(ret)
ret = compose(ret)
ret = re.sub("[\u1100-\u11FF]", "", ret) # remove hangul jamo
string = string[:eng_match.start()] + ret + string[eng_match.end():]
return string
def __call__(self,
string,
descriptive=False,
verbose=False,
group_vowels=False,
to_syl=True):
'''Main function
string: input string
descriptive: boolean.
verbose: boolean
group_vowels: boolean. If True, the vowels of the identical sound are normalized.
to_syl: boolean. If True, hangul letters or jamo are assembled to form syllables.
For example, given an input string "나의 친구가 mp3 file 3개를 다운받고 있다",
STEP 1. idioms
-> 나의 친구가 엠피쓰리 file 3개를 다운받고 있다
STEP 2. English to Hangul
-> 나의 친구가 엠피쓰리 파일 3개를 다운받고 있다
STEP 3. annotate
-> 나의/J 친구가 엠피쓰리 파일 3개/B를 다운받고 있다
STEP 4. Spell out arabic numbers
-> 나의/J 친구가 엠피쓰리 파일 세개/B를 다운받고 있다
STEP 5. decompose
-> 나의/J 친구가 엠피쓰리 파일 세개/B를 다운받고 있다
STEP 6-9. Hangul
-> 나의 친구가 엠피쓰리 파일 세개를 다운받꼬 읻따
'''
# 1. idioms
string = self.idioms(string, descriptive, verbose)
# 2 English to Hangul
string = convert_eng(string, self.cmu)
# 3. annotate
string = annotate(string, self.mecab)
# 4. Spell out arabic numbers
string = convert_num(string)
# 5. decompose
inp = h2j(string)
# 6. special
for func in (jyeo, ye, consonant_ui, josa_ui, vowel_ui, \
jamo, rieulgiyeok, rieulbieub, verb_nieun, \
balb, palatalize, modifying_rieul):
inp = func(inp, descriptive, verbose)
inp = re.sub("/[PJEB]", "", inp)
# 7. regular table: batchim + onset
for str1, str2, rule_ids in self.table:
_inp = inp
inp = re.sub(str1, str2, inp)
if len(rule_ids) > 0:
rule = "\n".join(
self.rule2text.get(rule_id, "") for rule_id in rule_ids)
else:
rule = ""
gloss(verbose, inp, _inp, rule)
# 8 link
for func in (link1, link2, link3, link4):
inp = func(inp, descriptive, verbose)
# 9. postprocessing
if group_vowels:
inp = group(inp)
if to_syl:
inp = compose(inp)
return inp