程式效能調整:以異體字比對為例

沒想到「異體字」離我們的生活這麼近,冰淇淋的「淋」和姓氏「林」都有異體字。

前陣子隨手修改了一下Google和Adobe分享的字型檔案,因為Max完全不懂字體相關的知識,把字型檔案解開後,打包不回去。Google查了半天,也看不懂,亂給設定值也失敗,山不轉路轉,那就用其他替代解法吧。

首先,要取得異體字的對應表,需要到別人的網站上去偷資料庫內容,偷完的結果分享如下:

查「部首」、「筆畫」、「異體字」、「同義字」和「文字組件」的字典
https://max-everyday.com/2020/04/chinese-dictionary-radical/


有了對應表後,要把字型檔裡的字都翻一遍出來檢查對應,第一個版本寫的程式跑了15分鐘,居然一個字都沒有比對完成。@[email protected];只好重新思考解法。

新的解法和Code Review 影片:
https://youtu.be/JX6FnCPtRyw


程式架構:


寫出來的python 副程式:

def compare_dictionary(source_ff, unicode_field, full_dict):
    target_unicode_set, target_dict = load_files_to_set_dict(source_ff, unicode_field)
    alternate_set = set()
    alternate_dict = {}
    for char_key in full_dict:
        char_dict = full_dict[char_key]
        for alternate in char_dict['alternate']:
            unicode_int = ord(alternate)
            alternate_set.add(unicode_int)
            alternate_dict[unicode_int] = ord(char_key)
    diff_set_common =  target_unicode_set & alternate_set
    copy_count = 0
    for item in diff_set_common:
        if not alternate_dict[item] in target_unicode_set:
            target_filename = "uni%s.glyph" % str(hex(alternate_dict[item]))[2:].upper()
            source_path = join(source_ff,target_dict[item])
            target_path = join(source_ff,target_filename)
            shutil.copy(source_path,target_path)
            overwrite_config_encoding(target_path, alternate_dict[item], unicode_field)
            copy_count += 1

後記:由於資料庫不是很完整,上面的方法後來沒有再使用了,改用直接修改 glyph 檔案,直接比對 unicode code 編碼,符合的話,就增加 “AltUni2: ” 欄位,使用的字典檔:
https://max-everyday.com/2020/04/chinese-dictionary-radical/

Facebook網友回應

您可能也會感興趣的文章...

merge a git branch into master

電腦相關應用

git 開分支很快,透過 git branch 就可以了,切換 local 和 server 上的  bran […]

Read More

MaxBot 2020-11-29 搶票

電腦相關應用

今天的運氣很好,幫我大姐搶到2張票,大姐說要3張,因為很緊張,所以忘了應該去設定,影片:https://you […]

Read More

[限時免費] 威力導演精簡版(CyberLink PowerDirector 14 LE)

電腦相關應用

威力導演是一個影片的剪接軟體,這軟體可以讓小學生都做出不輸大學生的記錄片。 相關文章:「小學生拍的記錄片「田滿 […]

Read More

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。