151 lines
6.5 KiB
Python
151 lines
6.5 KiB
Python
|
# -*- coding: utf-8 -*-
|
||
|
|
'''
|
||
|
|
Convert English to Hangul
|
||
|
|
https://github.com/kyubyong/g2pK
|
||
|
|
'''
|
||
|
|
|
||
|
|
import re
|
||
|
|
|
||
|
|
from g2pkk.utils import adjust, compose, to_choseong, to_jungseong, to_jongseong, reconstruct
|
||
|
|
|
||
|
|
|
||
|
|
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_words = set(re.findall("[A-Za-z']+", string))
|
||
|
|
for eng_word in eng_words:
|
||
|
|
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.replace(eng_word, ret)
|
||
|
|
return string
|
||
|
|
|
||
|
|
if __name__ == "__main__":
|
||
|
|
from nltk.corpus import cmudict
|
||
|
|
cmu = cmudict.dict()
|
||
|
|
print(convert_eng("오늘 학교에서 밥을 먹고 집에 와서 game을 했다", cmu))
|