Versión para imprimir
En teoría, primero se leería el general hyph_es.dic y después el paricular hyph_es_ES.dic pero...Cita:
Iniciado por JIPG
Adjunto el nuevo (que no creo que modifique gran cosa)
:-OTodo lo que subo se puede usar :\')Cita:
Iniciado por Nominar
No hay problema, soluciona algunos casos, pero todavía hay algo que se me escapa. No es una solución definitiva. ;)
Respuesta al tema fuentes.
Suerte.
:-OTodo lo que subo se puede usar :\')
No hay problema, soluciona algunos casos, pero todavía hay algo que se me escapa. No es una solución definitiva. ;)
Respuesta al tema fuentes.
Suerte.[/QUOTE]
Gracias jcn363
Salu2
Hola jcn363,Cita:
Iniciado por jcn363
En cuanto a si aplica el fichero que grabamos, creo que la respuesta es SÍ. Con cada fichero que pruebo, hay algún cambio en el guionado, así que no parece que siga con el original del FW o alguno más antiguo.
Sinceramente creo que grabando sólo el fichero hyph_es.dic debería ser suficiente, pero bueno, grabando el otro no debe hacer daño ...
¿Qué tal te van a tí los cambios con los ficheros de prueba (por cierto, son cojonu...)?.
Yo ya he hecho infinitas pruebas cambiando las reglas, metiendo unas para palabras concretas, otras para inicio de palabras, subiendo y bajando los números, poniendo unas reglas antes que otras, y nada. Aunque de momento sólo me dan problemas los grupos nst, nsp, nsm.
Siempre aparece algún fallo (con tus ficheros se ven muy bien), pero no logro encontrar una relación entre las palabras que dan problemas. En la misma página he encontrado nst bien cortados y mal cortados. Parece que tiende a hacerlo mal cuando hay una vocal detrás (p.e. nsti, nsmi), pero alguna vez también aparece con una consonante (p.e. nstr). Para nsp pasa algo parecido.
En definitiva, no logro identificar un patrón que nos lleve a encontrar la regla a modificar. Pensaba quitar la regla 2n3s, pero hay muchísimas palabras que empiezan pon ins en las que sí hay que separar la n de la s (p.e. in-sufrible, in-seguro, etc). Así que nada ...
Haré un penúltimo intento con tu nuevo fichero, pero creo que ya he probado cambios iguales o muy similares. Sin dar con el patrón de los fallos va a ser difícil ver qué regla hay que modificar o introducir.
Te dejo el último fichero que he utilizado yo por si quieres ver alguna regla más que he metido (están relacionadas sobre todo con reglas relativas a terminaciones "malsonantes" que no deben aparecer cortadas y a algunos prefijos-sufijos que deberían cortarse enteros). Veras que he quitado algunos grupos que no se pueden dar en español. Los he quitado por que quería hacer más pequeño el fichero y hacer más fácil encontrar reglas que fuesen contradictorias, pero cuando acabe, volveré al tuyo para seguir con la comunalidad...
Archivo adjunto 12866
Para comparar los nuevos cambios que has introducido, utilizo un programa de encontrar diferencias en fichero de texto, y no me cuenta mucho actualizarlo. Y le he cambiado lo de jcn363 al principio por JIPG para diferenciarlo de los tuyos... De tantas pruebas que he hecho, ya no se cuales son cuales cuando los modifico.
La cosa debería funcionar así:
Si el epub (lo mismo se aplica a cualquiera de los ficheros y/o tag que contine) está codificado como lang="es_ES" y en el dispositivo tan sólo existe hyph_es.dic, cojerá éste y no habrá ningún problema.
Si en el dispositivo se encuentran tanto hyph_es.dic como hyph_es_ES.dic, debería ejecutarlos en ese orden, o, como mal menor, ejecutar únicamente el último.
Si el epub está codificado como lang="es" y en el dispositivo tan sólo existe hyph_es_ES.dic, aplicará éste o, como mal menor, no hará nada.
Si en el dispositivo se encuentran 2 o más diccionarios (p. ej. hyph_es_MX.dic y hyph_es_ES.dic), no hará nada o cojerá el de la localización (si es cualquiera de las dos inidcadas, en este caso México o España).
Y si no se encuentra un diccionario, para una codificación lingüística determinada, no hará nada. Así, algo como <span lang="la">"Ave, Imperator, morituri te salutant"</span> se quedará sin dividir, si no existe un hyph_la.dic en el dispositivo.
Bienvenido al club de la... locura. Tiene que ser una nonada... pero nunca tengo el tiempo necesario para procesar todo lo que creo que se necesita para intentar averiguar...
Nunca he entendido lo de las terminaciones "malsonantes" (y en otros idiomas tienen lo mismo).
Me permito aconsejarte que no repitas reglas y que si añades, no sea reiterativo, si no para diferenciar.
Tienes q4u4e q4u4i al final y no has quitado/anulado .que .qui (o 3que 3qui) ¿te ocasionan problemas?
Con tungs3te3no tienes 2ngs3t y 3no ¿la has encontrado mal dividida?
Es tu fichero, son tus reglas. Quiero decir que pongo el fichero a disposición para que cada cual lo use como buenamente quiera.
Me reitero: Bienvenido al club de la... locura.
ADVERTENCIA: El que dejo no lo he probado.
Suerte.
La verdad es que me he picado y me puse a buscar las reglas de la RAE:Cita:
Iniciado por jcn363
Archivo adjunto 12868
Luego busque todos los ficheros de patrones de silabeo que cayeron en mis manos (de open office, de latex, de adobe, de calibre, etc. ..), e intenté ver que tenían en común, y la respuesta es: casi nada ... :o
He intentado hacer una mezcla con sentido, pero como no termino de entenderlo y sin saber en que reglas se basa cada uno, pues eso, un cagarrete.
En cuanto a las reglas que comentas que pueden estar repetidas, pues probablemente, pero es que hay algunas reglas que no entiendo: por ejemplo, las que no tienen números. ¿que significan?. No indican puntos de ruptura o no ruptura (por ejemplo .que .qui ) ...:((
Además me pierdo al buscarlas por que como pueden encontrarse en grupos separados y con números entre medias, es difícil encontrar las repetidas.
Bueno, habrá que refinarlo poco a poco.
Gracias por tus consejos.
:-"Cita:
Iniciado por JIPG
Gracias.
Lo que tienen en común son las reglas. El mismo mono con distinto traje.
El proceso de mezcla que se me ocurre sería:
- Separar las reglas de cada archivo
- Agruparlas en una columna de una hoja de cálculo
- Duplicar la columna al lado
- Eliminar los números de una columna
- Seleccionar las dos columnas
- Ordenar por la columna sin números
- Eliminar la columna sin números
- Eliminar las reglas duplicadas
- Eliminar las reglas redundantes (aquellas con las mismas letras y diferentes números)
- Copiar las reglas a tu archivo de silabeo.
Las que no tienen número se escriben tal cual. Es decir, sin separar.
.que = .q2ue = .qu2e = .q2u2e
Consejo: aprende regex.
Suerte.
P.d.:
Si tienes problemas comprime todo y sube. ;)
Como el Fw de kobo hace tiempo divide bien aunque poco, saqué hyph_es.dic del último y cambié LEFTHYPHENMIN=3 y RIGHTHYPHENMIN=3, a mi gusto.
LLevo algún libro y no he detectado problemas en español, si ha coincidido alguna palabra extranjera de pena, como todos; no descarto que todavía pueda fallar alguna.
Usé este porque el mismo hyph_es.dic que en el plugin de calibre funciona perfectamente, aquí fallaba bastante.
Entiendo que has sacdo el hyph_es.dic de la versión actual del firmware (4.10.11655) que es la de Adobe de 2010.
Y que a tí te gusta que deje 2 caracteres a la izquierda y 3 a la derecha y por eso cambiaste a LEFTHYPHENMIN=3 y RIGHTHYPHENMIN=3.
En cuanto a los xenismos (palabras de idiomas diferentes al castellano y que, por lo tanto, pueden atenerse a reglas de silabeo diferentes), hay tres posibilidades:
- están declaradas expresamente en el libro mediante <tag lang="cod_lang">palabra_o_expresión</tag> (p.ej. <i lang="la">ad hoc</i>) con lo que serán tratadas por el fichero de silabeo de ese idioma (hyphen_la.dic), si existe, y serán buscadas en el diccionario correspondiente. Este sistema sería el más aconsejable, ya que tiene la ventaja añadida de que, si se convierte en audio, cojerá la voz del idioma correspondiente.
- se controlan con un archivo de silabeo universal (mi pobre intento) al que se han añadido reglas de otros idiomas que no entren en conflicto con las del idioma base.
- sólo se ha definido el atributo lang a nivel de libro o de archivo, con lo que el programa aplica las mismas normas a todas las palabras del libro o archivo (creo que es tu caso). Es decir, si el libro tiene lang="en" en el opf, aunque esté escrito en castellano, las reglas que se aplicarán serán las del idioma inglés (hyphen_en.dic).
Reconozco que necesito una aclaración para el último punto. No sé si quieres decir que mi archivo funciona bien en el plugin pero mal en el dispositivo; o es el archivo de Kobo el que funciona bien en el plugin pero mal en el dispositivo.
En cualquier caso, ¡gracias! y si algo te funciona...
Suerte.
El fichero hyphen_en.dic de Adobe (el que lleva de origen el KOBO), creo que tiene LEFTHYPHENMIN=5 y RIGHTHYPHENMIN=5, con lo cual sólo corta palabras muy largas.
Quizás esa es la razón de que no falle: corta pocas palabras :\')
Pequeño experimento
Datos:
- Hay 470.260 palabras (según el diccionario)
Archivo adjunto 12869
Contenido oculto:
Caso Adobe-2010 (LEFTHYPHENMIN=5 y RIGHTHYPHENMIN=5)
- 285.839 palabras tienen 10 caracteres o menos.
- 184.421 palabras tienen 11 caracteres o más.
Es decir, que (sin otras consideraciones) se tratarían unas 2 palabras por cada 3 que se obviarían.
Caso Propuesta_RAE (LEFTHYPHENMIN=3 y RIGHTHYPHENMIN=3)
- 32.569 palabras tienen 6 caracteres o menos.
- 437.691 palabras tienen 7 caracteres o más.
Es decir, que (sin otras consideraciones) se tratarían unas 40 palabras por cada 3 que se obviarían.
Caso Agresivo (LEFTHYPHENMIN=2 y RIGHTHYPHENMIN=2)
- 2.965 palabras tienen 4 caracteres o menos.
- 467.295 palabras tienen 5 caracteres o más.
Es decir, que (sin otras consideraciones) se tratarían unas 472 palabras por cada 3 que se obviarían.
Suerte