Iniciar sesión

Ver la versión completa : algoritmo de silabeo.



silicon
27/07/2013, 23:38
Estoy pensando en añadir la opcion de silabeo, de forma opcional, al qualityebook.
El silabeo consiste en dividir las palabras con un guion cuando se encuentran al final de la linea. Esto es soportado, siempre que este "preguionado" en el libro para los lectores que entgan el ADE (epub), el CR3 (FB2) y los kindle (AZW3).

El problema es que no se cual es el algoritmo apropiado.

Por un lado se me ocurre que lo mas sencillo seria incorporar un diccionario y asi estaria claro como se silabean las palabras, pero ¿donde obtenerlo?
Otra opcion seria usar bloques de cuatro letras que siempre se silabeen igual, pero de nuevo no se donde obtener dichos bloques.
Otro algoritmo posible seria usar reglas gramaticales, aunque me imagino que sea menos fiable. En cualquier caso desconozco dichas reglas, pues tengamos en cuenta que el ordenador no sabe como se pronuncian las palabras.

¿Podeis ayudarme?

jotam
28/07/2013, 01:49
¿Te sirve algo de esto?
http://www.tex-tipografia.com/spanish_hyphen.html

Con el T1, usábamos un archivo css modificado por solsticio/jotas para Cool Reader. Pero era para que el lector interpretara el güionado, no para generarlo. O quizá sí. El de solsticio estaba en el siguiente archivo (http://www.4shared.com/file/yfZUNz8k).
El de jotas, lo incorporaba a su Cool Reader modificado (http://www.lectoreselectronicos.com/showthread.php?13057-CoolReader-Android-Sony-T1-T2-amp-Nook-Touch-(jotas)).

rfog
28/07/2013, 09:27
No.

Está preguntando por las reglas de guionado. Es decir, cuándo se puede dividir, cómo, excepciones, etc.

Eso o el formato de uno de esos ficheros de guionado y cómo interpretarlos.

La verdad es que creo que no está publicado en ningún lado, aunque de crío recuerdo que me lo explicaron...:-s

Yo también ando buscando algo similar...

Terisa
28/07/2013, 10:04
¿Pero publicado el algoritmo de programación o la reglas? Las reglas las podéis ver aquí (http://reglasespanol.about.com/od/reglasortograficas/a/guion.htm). El algoritmo... es de los típicos que se estudian en la carrera. Ahora bien, a esto le falta un detalle: las reglas de construcción de sílabas en castellano.

jotam
28/07/2013, 10:57
No.

Está preguntando por las reglas de guionado. Es decir, cuándo se puede dividir, cómo, excepciones, etc.

Eso o el formato de uno de esos ficheros de guionado y cómo interpretarlos.

La verdad es que creo que no está publicado en ningún lado, aunque de crío recuerdo que me lo explicaron...:-s

Yo también ando buscando algo similar...

A ver, el primer enlace que puse es el sistema de guionizado usado en TeX y LaTeX.

Al final del articulo hay otro enlace: http://www.ctan.org/tex-archive/language/spanish/hyphen/base/
Éste el el proyecto con el archivo "eshyph.tex (http://mirrors.ctan.org/language/spanish/hyphen/base/eshyph.tex)" creado para guionizar, creo que es, el patrón en castellano. También su código fuente (http://mirrors.ctan.org/language/spanish/hyphen/base/eshyph.src).
Así como un pdf con la documentación (http://mirrors.ctan.org/language/spanish/hyphen/base/division.pdf)sobre el proyecto, explicando por su creador Javier Bezos. e aquí el resumen del mismo:
La división de palabras con guiones es un problema ortográfico que todavía plantea
problemas, tanto desde un punto de teórico como práctico. Es este artículo se analizan los
posibles criterios para la división en castellano, con una serie de reglas, y a continuación es
estudia la forma en la que se puede implementar un conjunto de tales normas en TEX. Entre
otras se consideran las normas académicas de 1999 y, en especial, del 2005, con comentarios
sobre cómo suplir sus deficiencias.
El artículo se divide en dos partes, la primera de las cuales está dedicada al análisis de
las reglas. En la segunda se hará una breve historia de los patrones y se tratará sobre su
implementación

Aunque se aplique para TeX, yo pensaba que podía servir de base para otras cosas. también para lo que pedía silicon. Pero desde luego vosotros sabéis más o quizá lo entendéis mejor.
Y el diccionario que usa, quizá pueda aplicarse para la tarea. A mi me da, que pese a no entender demasiado, sí que sería posible.

silicon
28/07/2013, 20:04
Me han servido de mucho vuestras referencias.
La verdad es que el tema es sumamente complicado, pues son reglas con bastantes excepciones y no todo el mundo parece estar de acuerdo en la reglas.

Por el momento he implementado algo muy sencillo, silabeando solamente las palabras largas, puesto que las cortas se justifican perfectamente a base de aumentar la separacion entre palabras. Por el mismo motivo pongo un maximo de dos guiones de silabeo por palabra, procurando que queden en el centro de esta.
Ademas no silabeo los primeros 30 caracteres de cada parrafo pues, logicamente, no van a coincidir nunca al final de una linea.
De esta forma obtengo un equilibrio entre la presentacion y el tamaño del archivo.

He procurado que nunca se produzca un silabeo incorrecto, a costa de no silabear si hay dudas.

Aqui os dejo una prueba para el formato AZW3, que es el unico que parece soportar esta funcion.
En ePub el ADE parte las palabras, pero se olvida de poner el guion. En Fb2 parecen hacerlo los propios programas de lectura. En MOBI, AZW y LRF parece que no se soporta sta funcion.

Descargalo de QualityEbook v0.67b1.zip (http://www75.zippyshare.com/v/71986074/file.html) y contarme que os parece.

La configuracion consiste en editar el qualitytebook.ini y cambiar el valor de "Hyphenate=4"
Un valor de 2 desactiva esta opcion.
Un valor de 3 silabea palabras de 9 letras o mas.
Un valor de 4 silabea palabras de 11 letras o mas.
Un valor de 4 silabea palabras de 13 letras o mas.
y asi sucesivamente.

milady133
31/07/2013, 16:36
Una duda. Yo pensaba que lo del silabeo era cosa del firmware de lectura, su cuando generas el archivo no sabes en qué pantalla y con qué tamaño de letra se va a leer no le veo el sentido de añadirlo al libro. ¿Cuál es el motivo de añadirlo al libro?

johansolo
31/07/2013, 17:43
Una duda. Yo pensaba que lo del silabeo era cosa del firmware de lectura, su cuando generas el archivo no sabes en qué pantalla y con qué tamaño de letra se va a leer no le veo el sentido de añadirlo al libro. ¿Cuál es el motivo de añadirlo al libro?

Hay un guión especial cuyo código html es &_shy; (sin guión bajo) que no se muestra salvo que coincida con el borde derecho de la pantalla. Es posible que haya más símbolos especiales en html que hagan lo mismo, pero no lo sé.

Si tienes un programa que es capaz de sea capaz de reconocer correctamente las sílabas puedes insertar un guión de esos tras cada sílaba y así aunque no tenga función de silabeo se mostraría. Habría que comprobar que el Coolreader, el ADE y el kindle son capaces de visualizarlo, pero no creo que haya muchos problemas. También habría que ver si hay algún tipo de incompatibilidad con el silabeo de coolreader.

Y ahora un ejemplo:
E­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem ­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE ­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­ jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­p loE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­j em­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­pl oE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­je m­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­plo E­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem ­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE ­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­ jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­p loE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­j em­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­pl oE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­jem­ploE­je m­ploE­jem­ploE­jem­ploE­jem­ploE­jem­plo

Y otro ejemplo más:

E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo

En realidad es:


E&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;ploE&_shy;jem&_shy;plo

y

E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo E­jem­plo
(quitando el guión bajo)

silicon
01/08/2013, 15:47
Hay un guión especial cuyo código html es &_shy; (sin guión bajo) que no se muestra salvo que coincida con el borde derecho de la pantalla. Es posible que haya más símbolos especiales en html que hagan lo mismo, pero no lo sé.
Efectivamente lo que se hace es instertar el SHY (Soft HYphen) y el lector decide si lo usa o no, dependiendo de donde coincida la palabra.
Hay otros simbolor similares, que basicamente son:
El Hard hyphen, el cual siempre se inserta.
Un hypen para el Armenio y otro para el Mongol (desconozco como se usan, pues mi armenio esta un pelin oxidado.)
Un No breakin Hyphen, que especifica justo lo contrario y es que una palabra nunca se divida por ahi.


Si tienes un programa que es capaz de sea capaz de reconocer correctamente las sílabas puedes insertar un guión de esos tras cada sílaba y así aunque no tenga función de silabeo se mostraría. Habría que comprobar que el Coolreader, el ADE y el kindle son capaces de visualizarlo, pero no creo que haya muchos problemas. También habría que ver si hay algún tipo de incompatibilidad con el silabeo de coolreader.
El Kindle en su formato AZW3 es capaz de visualizarlo correctamente.
El Kindle en su formato AZW o MOBI no es capaz de visualizarlo correctamente.
El ADE divide la palabra correctamente, pero se olvida de poner el guion. Al menos el la version que he probado.
El coolreader, ni idea.

Por tanto en el programa lo he implementado solamente para el formato AZW3. Si alguien lo desea en otro formato para hacer pruebas, solo tiene que decirlo.