[prev in list] [next in list] [prev in thread] [next in thread] 

List:       dict-bg
Subject:    Re: [Dict] =?utf-8?b?0JHQkyDQntGE0LjRgSDQvNC+0LTRg9C7INC30LAg0L/RgNC+?=
From:       Radostin Radnev <radnev () gmail ! com>
Date:       2015-03-31 10:25:36
Message-ID: CALC7OmZR6PXXxdaCEN04ak=LWfi7MaaO84ExeTUXPgwJkDmg+A () mail ! gmail ! com
[Download RAW message or body]

[Attachment #2 (multipart/alternative)]

[Attachment #4 (text/plain)]

Здравейте,

За съжаление, нямам свободно време и ми е \
трудно да участвам в нови проекти.

Които е изпратил някакви промени към БГОфис \
съм ги вкарвал - но те са били доста малко. \
Променя на лицензи, 1-2 сгрешени типа и пр. - \
нещата са описани в ChangeLog кое и какво е \
променяно,

Като съм започвал проекта съм си поставил \
няколко ясни, точни и изпълними цели. Описани \
са във файла - design_objective.txt

"Главната идея е да се постигне лесна и удобна \
структура за съхранение и добавяне на нови \
данни. От тази структура с помощта на програма \
да се генерират съответните речници или да се \
трансформират данните в друг по-компактен \
вид."

И съм спрял до там. Т.е. в момента има структура \
на данните, която може да се редактира с \
текстов редактор и има скриптове на езика Perl, с \
чиято помощ може да проверявате базата \
(данните), да генерирате речници за проверка на \
правописа за Мозила, Офиса, Хром и пр. и \
съответно лесно може данните да се \
конвертират до други формати (както е видно \
има поне 3 клонинга). И това е като цяло. Има \
едно демо за разпознаване частите на речта но \
нищо повече и съм спрял до там. И това нещо \
работи под Линукс (конзола, няма GUI).

А всичко започва и се базира на тази книжка - \
Кръстев Б., Морфология на българския език в 187 \
типови таблици. С., НИ, 1984.

От там нататък Читанка, Уикиречника - ги качват \
нещата в Уеб, комбинират ги отделните модули. И \
всичко това е похвално.

IDI Spellchecker-а отива доста по-напред и прави доста \
нови неща, но за съжаление нищо не е вкарано \
обратно (поне по базата) и съответно това не \
допринася по никакъв начин за разширение на \
речниците за проверка на правописа за Мозила, \
Офиса и пр.


Доколкото разбирам има две идеи. Едната е да се \
направи нещо ново и хипер мега яко - Словник. А \
другата идея е на г-н Стоян Димитров, който \
просто иска да разшири речника на Мозила.


Разширяването на речника на Мозила е \
сравнително лесно постижима цел с наличните \
средства - все пак аз съм вкарал близо 65 000 думи \
по този начин.

Намират се думичките, определя им се типа, \
                вкарват се в съответните файлове
- има някакви скриптове за автоматизиране на \
процеса, но като цяло е ръчен процес.

След това има скриптове за проверка на \
състоянието на базата - дали думичките са \
вкарани в правилните файлове, дали няма някоя \
латинска буква вкарана (примерно латинско а) и \
още някоя и друга проверка (забравил съм ги \
вече). И след това с помощта на друг скрит се \
генерират речниците за Мозила, Офиса и пр. - \
процесът е изцяло автоматизиран.



Commit достъп до SVN мога лесно да ви дам. Просто се \
регистрирайте http://sourceforge.net/ и ми пратете \
потребителското име.

Като цяло няма правила за преглед и проверка. \
Но в случай на нужда мога да погледна дали \
всичко е наред. Мога да хвърля едно око на кода \
и да си спомня какви бяха процедурите. Голяма \
част от тях са интуитивни, скриптовете са с \
говорящи имена. Вероятността да се обърка нещо \
е доста малка. Така че няма проблеми.

В момента като гледам по логовете има един \
колега, който бърника нещо по \
английско-българската база на речника, но това \
по никакъв начин няма влияние върху \
българската база за проверка на правописа.

В проекта има три директории:

1. docs - документи, описващи някои неща - главно \
за мен да не ги забравя 2. data - данните - \
структурата е описателна и няма нужда да се \
чудите кое какво е. В началото на всеки файл \
има коментари, ако нещо съм измислял извън \
книгата - 187 типа ;) 3. bin - скриптове за поддръжка \
и генериране на речници - също е описателна и \
лесно се разбира кой скрипт какво прави.

Мисля че трябваше да направите "export LANG=bg_BG.cp1251" \
и после да пускате скриптовете - иначе се \
получават леко странни резултати. Трябва да е \
описано в документите. ;)


И най-лесния начин според мен е да се работи \
съвместно с автора на IDI Spellchecker, за да се види \
какво е променял и добавял той и дали може нещо \
от него да се изчопли и да се вкара в базата на \
БГОфис и съответно да се генерират речниците \
за Мозила, Офис, ....


Поздрави,



2015-03-31 1:03 GMT+03:00 Стоян Димитров <stoyan@gmx.com>:

> 
> 
> На 30.03.2015 г. в 22:05, Sah War написа:
> 
> 1. Ако знаете как, ще се радвам да създадете .txt \
> вариант на db.sql.gz (все пак това е SQL база от \
> данни...), даже е добре този вариант да се \
> раздели на няколко отделни .txt файла, защото \
> иначе ще е мъка да се редактира с текстов \
> редактор. 
> Това бих могъл сравнително лесно да го \
> направя. Просто трябва да уточним 
> детайлите.
> 
> 
> 1. Ами, ако просто в отделните .dat файлове са \
> сложени различни думи според частта на речта, \
> към която принадлежат, то просто тези файлове \
> трябва да се преобразуват в .txt (UTF-8). Аз обаче \
> не знам нищо за форма̀та за бази от данни SQL \
> освен това, че става въпрос за релационна \
> база от данни. Не знам как такъв тип файл се \
> преобразува в .txt, затова и потърсих вашата \
> помощ. 
> 
> Обяснете какви подробности да обсъдим по \
> отношение на тази дейност, за да се разберем \
> по въпроса. 
> Ако искате структура като тази в папката data \
> ще стане, но файловете ще бъдат без заглавния \
> коментар, както е в изходните файлове от \
> хранилището, всичко останало е постижимо. \
> Утре вечер ще напиша скрипта, че вече е никое \
> време. 
> Това е непосилен и безмислен труд. За \
> набирането на този речник едва ли е 
> използвана пишеща машина. Но кой знае…
> 
> 
> 2. Пишеща машина?!? Кой още използва такива? \
> Това е речник от 2012 г., вероятно е направен на \
> Adobe InDesign, сканиран е като черно-бял (освен \
> предната и задната корица). А че тази работа \
> ще отнеме много време, е пределно ясно.
> 
> До колкото имам спомени в таблицата на уникод \
> няма знак за ударено ъ. 
> Другите знаци ги има, наистина не са в \
> кирилската част на таблицата, но поне ги има, \
> така че като вариант остава композирането. 
> 
> 
> 3. Трябва да гледате само блока \
> „Cyrillic<http://www.babelstone.co.uk/Unicode/babelmap.html> \
> <http://www.babelstone.co.uk/Unicode/babelmap.html>" (кирилица) в \
> Уникод; омографите в латинските блокове на \
> Уникод, които са визуално идентични с \
> кирилски знаци (с ударения), липсващи в \
> кирилския блок, не бива да се използват в \
> кирилски текст, те не излизат при търсенето с \
> Ctrl + F, защото имат отделни заделени кодове в \
> Уникод. В кирилския блок има само знака „ѝ", \
> който се използва в българския език (а може би \
> и в македонския?), има и „е", но с „обратно" \
> ударение, което май не се ползва в българския \
> език (в нашия ударението изглежда като умален \
> вид на „\" над дадения знак). 
> „Композирането" по Уникод е най-удачният \
> вариант според мен, вече обясних причините, \
> поради които съм на това мнение (накратко: \
> чрез уникодско композиране за добавяне на \
> ударения при търсене с Ctrl + F се открива както \
> същия низ с ударенията, така и същия низ без \
> ударенията, което е огромно удобство).
> 
> Мда, това е HTML-ският аналог на уникодското \
> композиране на знаци. И аз 
> не смятам, че то е подходящо за целта.
> 
> Да, да, много правилно. Не се бях замислял за \
> търсенето, но не ми се струва, че ще работи \
> както трябва. Все пак става дума за знак, бил \
> той и невидим, между видимите знаци. Но това е \
> въпрос на реализация на търсещия алгоритъм.
> 
> 4. За пръв път чувам, че в HTML има отделно \
> композиране (смесване на знаци) от това на \
> Уникод (знам само за HTML entities), къде го има \
> описано това в Интернет?!?
> 
> Мне, грешал съм. Читанката е използвала нещо \
> друго. Иначе да, HTML-ското комбиниране си е \
> уникодското, но се използват видимите entities [1]. \
>  Колкото до сричкопренасянето — то е трудно и \
> за да е точно (а не просто 
> генерирано по алгоритъм, който често дава \
> напълно грешни варианти за сричкопренасяне), \
> то трябва да се направи като ръчно написан \
> списък със сричките на думите.
> 
> 
> 5. Има и друг проблем, който осъзнах едва сега. \
> Трябва да се използва правилният знак за \
> отделяне на срички (който е „‧" (U+2027, HYPHENATION \
> POINT), но в практиката се използва предимно \
> дефисът „-" — но това прави проблеми, защото \
> последното може да се счете за полуслят \
> правопис, а е за сричкопренасяне чрез \
> дефис...). Но да се върна към проблема, за който \
> щях да кажа — трябва да има думата, дадена без \
> разделяне на срички и после (на същия ред) \
> прилежащите ѝ срички, иначе може да се окаже, \
> че сричкопренасянето дава грешни варианти за \
> сричкопренасяне при съвпадане на части от \
> думи откъм букви, което кара системата да си \
> мисли, че сричкоделенето е по даден начин, а \
> той всъщност е неправилен... Сложна работа... :\ \
> Пък и трябва ръчно да се въведат сричките на \
> думите... 
> Разбрах ви напълно. А сега очевидния въпрос, \
> на който отговорът 
> вероятно е истеричен смях, но някой свързвал \
> ли се е с хората от БАН, за евентуално \
> подпомагане на проекта? Било то с изходните \
> кодове на речника или по друг начин?
> 
> 
> 6. Немалка част от тези от ИБЕ при БАН живеят в \
> епохата на 1990-те и още не са си оправили \
> жалкото онлайн подобие на многотомния си \
> речник (http://ibl.bas.bg/rbe/, едва Борислав Манолов от \
> „Читанка" го направи по-ползваем чрез \
> неговия frontend на речника им: http://rbe.chitanka.info), не \
> можем да очакваме реална помощ от тях, \
> въпреки че можем да се пробваме поне да ги \
> помолим да ни предоставят базата от данни на \
> речника си, но по-скоро ми се струва, че ще се \
> заинатят и ще си държат на „авторското право" \
> над базата от данни... 
> Мхъм, мъхъм, номерът с авторското право, \
> естествено. 
> 7. Само тези от Секцията по компютърна \
> лингвистика към БАН са напред с материала \
> (http://dcl.bas.bg/programs_bg.html,http://dcl.bas.bg/resources_bg.html и \
> особеноhttp://dcl.bas.bg/dictionaries_bg.html) и само на тях \
> възлагам надежди. Те имат публикувани \
> свободни данни, като честотен речник, \
> генериран от корпус, които могат евентуално \
> да се вградят в речниковата база на „БГ Офис", \
> но и за тях не е ясно дали са проверени от \
> човек за правописни грешки и дали ще се \
> съгласят да ни дадат базите си от данни на \
> речниците си, което де факто означава да ги \
> пуснат под свободен лиценз... 
> Не смятам, че е лош вариант да се смени \
> първоизточника и за основа да се 
> използва нещо по-осъвременено, не разбирам \
> идеята да има няколко еднакви начинания за \
> едно и също нещо и нито едно от тях да не връща \
> обратно за постигане на целта на \
> първоизточника – по-добър БГ Офис. 
> 
> 
> 8. Реално няма чак толкова много речници що се \
> отнася до spellchecker-и за българския език, освен \
> официалната добавка за Firefox, наречена \
> „Проверка на \
> правописа<https://addons.mozilla.org/en-US/firefox/addon/bulgarian-dictionary/> \
> <https://addons.mozilla.org/en-US/firefox/addon/bulgarian-dictionary/>" \
> (използва myspell, може би е основана речник от \
> „БГ Офис"?), има само добавките „Bulgarian+English \
> Dictionary", „Bulgarian+German Dictionary" и добавка със стария \
> иванчевски правопис, който не е актуален. \
> Само при онлайн речниците на българския език \
> има по-голямо разнообразие, защото нишата още \
> не е доминирана от по-сложно устроен свободен \
> онлайн речник (какъвто ще бъде нашият проект \
> „Словник"), само rechnik.info,onlinerechnik.com, eurodict.com и \
> rechnik.chitanka.info се използват реално, другите са с \
> много ограничена употреба. Имам дълъг списък \
> с такива български онлайн речници — ако \
> искате, ще ви го изпратя. 
> Добавката използва форматиран .aff от ООо. Имах \
> предвид главно „IDI Spell Checker" и речникът на \
> Читанка. Читанката я обсъдихме като \
> ненадежден източник.
> 
> Склонен съм да използвам текстова база от \
> данни стига това да има 
> някакъв резултат, въпреки наличието на \
> структурирани данни от базата на „Читанка" \
> (които по обективни причини са неизползваеми \
> за целта). 
> 
> 9. Просто няма друг вариант в случая, освен \
> използването на текстова база от данни — все \
> пак „БГ Офис" използва aspell и ispell (не знам дали \
> използва hunspell, myspell и/или enchant), които \
> доколкото знам работят само с текстови \
> файлове. Поправете ме, ако греша. 
> Амии, има други варианти. Една реализация е \
> именно речникът на Читанка. Структурата на \
> базата е добра. Вече нещата опират до набор от \
> инструменти, с които се борави с тези данни. \
> Дали ще се извеждат в текстови файлове или \
> данните ще се обработват по друг начин е без \
> значение. Истината е, че в момента мигриране \
> към база от данни няма да допринесе с нищо, а \
> напротив. Инфраструктурата (скриптовете \
> генериращи различните неща) на проекта \
> очевидно работи в този ѝ вид. 
> 10. Сега видях от \
> https://svn.code.sf.net/p/bgoffice/code/trunk/bgoffice/, че .dat \
> файловете на „БГ Офис" са всъщност \
> обикновени текстови файлове, а аз си мислех, \
> че са двоични файлове... Но всички файлове са в \
> Windows-1251, трябва да се конвертират до UTF-8.
> 
> Господин Раднев, смятам, ще се съгласи с това \
> твърдение. Аз също съм твърдо „за".
> 
> 11. Мисля, че на първо време е най-добре г-н Р\
> аднев или вие, г-н Димитров, да направите \
> копие на всичко от „БГ Офис" (в SourceForge) в GitHub и \
> да си сътрудничим по проекта там, защото \
> просто не разбирам нищо от SVN. :D После не би \
> било проблем да копираме новите издания от \
> GitHub като нови версии в SVN-то на хостигна на \
> „БГ Офис" в SourceForge. 
> Точно това искам да избегна. Поредното копие \
> на „БГ Офис". Наистина разликата е, че то ще е \
> общодостъпно, но все пак е копие. От друга \
> страна като за работа от повече хора GitHub е \
> по-добрият вариант, несъмнено. Все пак това е \
> целта му. Господин Раднев, какво е вашето \
> мнение? От друга страна, какви са критериите \
> за получаване на commit права върху хранилището \
> или части от него? Как става преглеждането и \
> приемането/отхвърлянето на промени правени \
> от други? 
> П.П. Ех, писмото ми пак стана прекалено дълго. \
> :D Май ще забравите за какво съм писал докато \
> четете, затова номерирах абзаците, за да ви е \
> е по-лесно да ги цитирате и да ги обсъдим. :)
> 
> Поздрави,
> Sah War (sahwar)
> 
> 
> 
> _______________________________________________
> Dict mailing listDict@ludost.nethttp://lists.ludost.net/cgi-bin/mailman/listinfo/dict
>  
> [1] http://eenk.com/postavyane-na-udareniya-na-kirilitsa-s-html
> 
> --
> С
> 
> 
> _______________________________________________
> Dict mailing list
> Dict@ludost.net
> http://lists.ludost.net/cgi-bin/mailman/listinfo/dict
> 
> 


[Attachment #5 (text/html)]

<div dir="ltr">Здравейте,<div><br></div><div>За съжаление, нямам свободно време и ми \
е трудно да участвам в нови проекти.</div><div><br></div><div>Които е изпратил \
някакви промени към БГОфис съм ги вкарвал - но те са били доста малко. Променя на \
лицензи, 1-2 сгрешени типа и пр. - нещата са описани в ChangeLog кое и какво е \
променяно,</div><div><br></div><div>Като съм започвал проекта съм си поставил няколко \
ясни, точни и изпълними цели. Описани са във файла - \
design_objective.txt<br></div><div><br></div><div><div>&quot;Главната идея е да се \
постигне лесна и удобна структура за</div><div>съхранение и добавяне на нови данни. \
От тази структура с помощта</div><div>на програма да се генерират съответните речници \
или да се</div><div>трансформират данните в друг по-компактен \
вид.&quot;</div><div><br></div></div><div><div>И съм спрял до там. Т.е. в момента има \
структура на данните, която може да се редактира с текстов редактор и има скриптове \
на езика Perl, с чиято помощ може да проверявате базата (данните), да генерирате \
речници за проверка на правописа за Мозила, Офиса, Хром и пр. и съответно лесно може \
данните да се конвертират до други формати (както е видно има поне 3 клонинга). И \
това е като цяло. Има едно демо за разпознаване частите на речта но нищо повече и съм \
спрял до там. И това нещо работи под Линукс (конзола, няма \
GUI).<br></div></div><div><br></div><div><div>А всичко започва и се базира на тази \
книжка - Кръстев Б., Морфология на българския език в 187 типови таблици. С., НИ, \
1984.</div></div><div><br></div><div>От там нататък Читанка, Уикиречника - ги качват \
нещата в Уеб, комбинират ги отделните модули. И всичко това е \
похвално.</div><div><br></div><div>IDI Spellchecker-а отива доста по-напред и прави \
доста нови неща, но за съжаление нищо не е вкарано обратно (поне по базата) и \
съответно това не допринася по никакъв начин за разширение на речниците за проверка \
на правописа за Мозила, Офиса и пр.</div><div><br></div><div><br></div><div>Доколкото \
разбирам има две идеи. Едната е да се направи нещо ново и хипер мега яко - Словник. А \
другата идея е на г-н Стоян Димитров, който просто иска да разшири речника на \
Мозила.</div><div><br></div><div><br></div><div>Разширяването на речника на Мозила е \
сравнително лесно постижима цел с наличните средства - все пак аз съм вкарал близо 65 \
000 думи по този начин.</div><div><br></div><div>Намират се думичките, определя им се \
типа, вкарват се в съответните файлове - има някакви скриптове за автоматизиране на \
процеса, но като цяло е ръчен процес.</div><div><br></div><div>След това има \
скриптове за проверка на състоянието на базата - дали думичките са вкарани в \
правилните файлове, дали няма някоя латинска буква вкарана (примерно латинско а) и \
още някоя и друга проверка (забравил съм ги вече). И след това с помощта на друг \
скрит се генерират речниците за Мозила, Офиса и пр. - процесът е изцяло \
автоматизиран.</div><div><br></div><div><br></div><div><br></div><div>Commit достъп \
до SVN мога лесно да ви дам. Просто се регистрирайте <a \
href="http://sourceforge.net/">http://sourceforge.net/</a> и ми пратете \
потребителското име.</div><div><br></div><div>Като цяло няма правила за преглед и \
проверка. Но в случай на нужда мога да погледна дали всичко е наред. Мога да хвърля \
едно око на кода и да си спомня какви бяха процедурите. Голяма част от тях са \
интуитивни, скриптовете са с говорящи имена. Вероятността да се обърка нещо е доста \
малка. Така че няма проблеми.</div><div><br></div><div>В момента като гледам по \
логовете има един колега, който бърника нещо по английско-българската база на \
речника, но това по никакъв начин няма влияние върху българската база за проверка на \
правописа.</div><div><br></div><div>В проекта има три \
директории:</div><div><br></div><div>1. docs - документи, описващи някои неща - \
главно за мен да не ги забравя</div><div>2. data - данните - структурата е описателна \
и няма нужда да се чудите кое какво е. В началото на всеки файл има коментари, ако \
нещо съм измислял извън книгата - 187 типа ;)</div><div>3. bin - скриптове за \
поддръжка и генериране на речници - също е описателна и лесно се разбира кой скрипт \
какво прави.</div><div><br></div><div>Мисля че трябваше да направите &quot;export \
LANG=bg_BG.cp1251&quot; и после да пускате скриптовете - иначе се получават леко \
странни резултати. Трябва да е описано в документите. \
;)</div><div><br></div><div><br></div><div>И най-лесния начин според мен е да се \
работи съвместно с автора на IDI Spellchecker, за да се види какво е променял и \
добавял той и дали може нещо от него да се изчопли и да се вкара в базата на БГОфис и \
съответно да се генерират речниците за Мозила, Офис, \
....</div><div><br></div><div><br></div><div>Поздрави,</div><div><br></div><div><br></div><div \
class="gmail_extra"><br><div class="gmail_quote">2015-03-31 1:03 GMT+03:00 Стоян \
Димитров <span dir="ltr">&lt;<a href="mailto:stoyan@gmx.com" \
target="_blank">stoyan@gmx.com</a>&gt;</span>:<br><blockquote class="gmail_quote" \
style="margin:0px 0px 0px \
0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">
  
    
  
  <div bgcolor="#FFFFFF" text="#000000"><span class="">
    <br>
    <br>
    <div>На 30.03.2015 г. в 22:05, Sah War
      написа:<br>
    </div>
    <blockquote type="cite">
      <pre>1. Ако знаете как, ще се радвам да създадете .txt вариант на db.sql.gz \
(все пак това е SQL база от данни...), даже е добре този вариант да се раздели
на няколко отделни .txt файла, защото иначе ще е мъка да се редактира с
текстов редактор.

Това бих могъл сравнително лесно да го направя. Просто трябва да уточним
</pre>
      <blockquote type="cite">
        <pre>детайлите.

</pre>
      </blockquote>
      <pre>1. Ами, ако просто в отделните .dat файлове са сложени различни думи \
според частта на речта, към която принадлежат, то просто тези файлове трябва да се
преобразуват в .txt (UTF-8). Аз обаче не знам нищо за форма̀та за бази от
данни SQL освен това, че става въпрос за релационна база от данни. Не знам
как такъв тип файл се преобразува в .txt, затова и потърсих вашата помощ.


Обяснете какви подробности да обсъдим по отношение на тази дейност, за да
се разберем по въпроса.</pre>
    </blockquote></span>
    Ако искате структура като тази в папката data ще стане, но файловете
    ще бъдат без заглавния коментар, както е в изходните файлове от
    хранилището, всичко останало е постижимо. Утре вечер ще напиша
    скрипта, че вече е никое време.<br>
    <br>
    <blockquote type="cite"><span class="">
      <pre>Това е непосилен и безмислен труд. За набирането на този речник едва ли е
</pre>
      <blockquote type="cite">
        <pre>използвана пишеща машина. Но кой знае…

</pre>
      </blockquote>
      <pre>2. Пишеща машина?!? Кой още използва такива? Това е речник от 2012 г.,
вероятно е направен на Adobe InDesign, сканиран е като черно-бял (освен
предната и задната корица). А че тази работа ще отнеме много време, е
пределно ясно.

    До колкото имам спомени в таблицата на уникод няма знак за ударено ъ.
</pre>
      <blockquote type="cite">
        <pre>Другите знаци ги има, наистина не са в кирилската част на таблицата, но
поне ги има, така че като вариант остава композирането.

</pre>
      </blockquote>
      </span><pre><span class="">
3. Трябва да гледате само блока „Cyrillic
</span><a href="http://www.babelstone.co.uk/Unicode/babelmap.html" \
target="_blank">&lt;http://www.babelstone.co.uk/Unicode/babelmap.html&gt;</a>“ \
(кирилица) в Уникод; омографите в латинските блокове на Уникод, които са визуално \
идентични с кирилски знаци (с ударения), липсващи в кирилския блок, не бива да се
използват в кирилски текст, те не излизат при търсенето с Ctrl + F, защото
имат отделни заделени кодове в Уникод. В кирилския блок има само знака „ѝ“,
който се използва в българския език (а може би и в македонския?), има и
„е“, но с „обратно“ ударение, което май не се ползва в българския език (в
нашия ударението изглежда като умален вид на „\“ над дадения знак).

„Композирането“ по Уникод е най-удачният вариант според мен, вече обясних
причините, поради които съм на това мнение (накратко: чрез уникодско
композиране за добавяне на ударения при търсене с Ctrl + F се открива както
същия низ с ударенията, така и същия низ без ударенията, което е огромно
удобство).

    Мда, това е HTML-ският аналог на уникодското композиране на знаци. И аз
</pre><span class="">
      <blockquote type="cite">
        <pre>не смятам, че то е подходящо за целта.
</pre>
      </blockquote>
    </span></blockquote>
    Да, да, много правилно. Не се бях замислял за търсенето, но не ми се
    струва, че ще работи както трябва. Все пак става дума за знак, бил
    той и невидим, между видимите знаци. Но това е въпрос на реализация
    на търсещия алгоритъм.<span class=""><br>
    <blockquote type="cite">
      <pre>4. За пръв път чувам, че в HTML има отделно композиране (смесване на \
знаци) от това на Уникод (знам само за HTML entities), къде го има описано това в
Интернет?!?</pre>
    </blockquote></span>
    Мне, грешал съм. Читанката е използвала нещо друго. Иначе да,
    HTML-ското комбиниране си е уникодското, но се използват видимите
    entities [1].<div><div class="h5"><br>
    <blockquote type="cite">
      <pre>Колкото до сричкопренасянето — то е трудно и за да е точно (а не просто
</pre>
      <blockquote type="cite">
        <pre>генерирано по алгоритъм, който често дава напълно грешни варианти за
сричкопренасяне), то трябва да се направи като ръчно написан списък със
сричките на думите.

</pre>
      </blockquote>
      <pre>5. Има и друг проблем, който осъзнах едва сега. Трябва да се използва
правилният знак за отделяне на срички (който е „‧“ (U+2027, HYPHENATION
POINT), но в практиката се използва предимно дефисът „-“ — но това прави
проблеми, защото последното може да се счете за полуслят правопис, а е за
сричкопренасяне чрез дефис...). Но да се върна към проблема, за който щях
да кажа — трябва да има думата, дадена без разделяне на срички и после (на
същия ред) прилежащите ѝ срички, иначе може да се окаже, че
сричкопренасянето дава грешни варианти за сричкопренасяне при съвпадане на
части от думи откъм букви, което кара системата да си мисли, че
сричкоделенето е по даден начин, а той всъщност е неправилен... Сложна
работа... :\ Пък и трябва ръчно да се въведат сричките на думите...

    Разбрах ви напълно. А сега очевидния въпрос, на който отговорът
</pre>
      <blockquote type="cite">
        <pre>вероятно е истеричен смях, но някой свързвал ли се е с хората от БАН, за
евентуално подпомагане на проекта? Било то с изходните кодове на речника
или по друг начин?

</pre>
      </blockquote>
      <pre>6. Немалка част от тези от ИБЕ при БАН живеят в епохата на 1990-те и още \
не са си оправили жалкото онлайн подобие на многотомния си речник (
<a href="http://ibl.bas.bg/rbe/" target="_blank">http://ibl.bas.bg/rbe/</a>, едва \
Борислав Манолов от „Читанка“ го направи по-ползваем чрез неговия frontend на речника \
им: <a href="http://rbe.chitanka.info" target="_blank">http://rbe.chitanka.info</a>), \
не можем да очакваме реална помощ от тях, въпреки че можем да се пробваме поне да ги \
помолим да ни предоставят базата от данни на речника си, но по-скоро ми се струва, че \
ще се заинатят и ще си държат на „авторското право“ над базата от данни...</pre>
    </blockquote></div></div>
    Мхъм, мъхъм, номерът с авторското право, естествено.<br>
    <blockquote type="cite"><span class="">
      <pre>7. Само тези от Секцията по компютърна лингвистика към БАН са напред с
материала (<a href="http://dcl.bas.bg/programs_bg.html" \
target="_blank">http://dcl.bas.bg/programs_bg.html</a>, <a \
href="http://dcl.bas.bg/resources_bg.html" \
target="_blank">http://dcl.bas.bg/resources_bg.html</a> и особено <a \
href="http://dcl.bas.bg/dictionaries_bg.html" \
target="_blank">http://dcl.bas.bg/dictionaries_bg.html</a>) и само на тях възлагам \
надежди. Те имат публикувани свободни данни, като честотен речник, генериран от \
корпус, които могат евентуално да се вградят в речниковата база на „БГ Офис“, но и
за тях не е ясно дали са проверени от човек за правописни грешки и дали ще
се съгласят да ни дадат базите си от данни на речниците си, което де факто
означава да ги пуснат под свободен лиценз...

Не смятам, че е лош вариант да се смени първоизточника и за основа да се
</pre>
      <blockquote type="cite">
        <pre>използва нещо по-осъвременено, не разбирам идеята да има няколко еднакви
начинания за едно и също нещо и нито едно от тях да не връща обратно за
постигане на целта на първоизточника – по-добър БГ Офис.

</pre>
      </blockquote>
      </span><pre><span class="">
8. Реално няма чак толкова много речници що се отнася до spellchecker-и за
българския език, освен официалната добавка за Firefox, наречена „Проверка
на правописа
</span><a href="https://addons.mozilla.org/en-US/firefox/addon/bulgarian-dictionary/" \
target="_blank">&lt;https://addons.mozilla.org/en-US/firefox/addon/bulgarian-dictionary/&gt;</a>“
 (използва myspell, може би е основана речник от „БГ Офис“?), има само
добавките „Bulgarian+English Dictionary“, „Bulgarian+German Dictionary“ и
добавка със стария иванчевски правопис, който не е актуален. Само при
онлайн речниците на българския език има по-голямо разнообразие, защото
нишата още не е доминирана от по-сложно устроен свободен онлайн речник
(какъвто ще бъде нашият проект „Словник“), само <a href="http://rechnik.info" \
target="_blank">rechnik.info</a>, <span class=""><a href="http://onlinerechnik.com" \
target="_blank">onlinerechnik.com</a>, <a href="http://eurodict.com" \
target="_blank">eurodict.com</a> и <a href="http://rechnik.chitanka.info" \
target="_blank">rechnik.chitanka.info</a> се използват реално, другите са с много \
ограничена употреба. Имам дълъг списък с такива български онлайн речници — ако \
искате, ще ви го изпратя.</span></pre>  </blockquote>
    Добавката използва форматиран .aff от ООо. Имах предвид главно „IDI
    Spell Checker“ и речникът на Читанка. Читанката я обсъдихме като
    ненадежден източник.<span class=""><br>
    <blockquote type="cite">
      <pre>    Склонен съм да използвам текстова база от данни стига това да има
</pre>
      <blockquote type="cite">
        <pre>някакъв резултат, въпреки наличието на структурирани данни от базата на
„Читанка“ (които по обективни причини са неизползваеми за целта).

</pre>
      </blockquote>
      <pre>9. Просто няма друг вариант в случая, освен използването на текстова база
от данни — все пак „БГ Офис“ използва aspell и ispell (не знам дали
използва hunspell, myspell и/или enchant), които доколкото знам работят
само с текстови файлове. Поправете ме, ако греша.</pre>
    </blockquote></span>
    Амии, има други варианти. Една реализация е именно речникът на
    Читанка. Структурата на базата е добра. Вече нещата опират до набор
    от инструменти, с които се борави с тези данни. Дали ще се извеждат
    в текстови файлове или данните ще се обработват по друг начин е без
    значение. Истината е, че в момента мигриране към база от данни няма
    да допринесе с нищо, а напротив. Инфраструктурата (скриптовете
    генериращи различните неща) на проекта очевидно работи в този ѝ вид.<span \
class=""><br>  <blockquote type="cite">
      <pre>10. Сега видях от <a \
href="https://svn.code.sf.net/p/bgoffice/code/trunk/bgoffice/" \
target="_blank">https://svn.code.sf.net/p/bgoffice/code/trunk/bgoffice/</a>, че .dat \
файловете на „БГ Офис“ са всъщност обикновени текстови файлове, а аз си мислех, че са \
двоични файлове... Но всички файлове са в Windows-1251, трябва да се конвертират до \
UTF-8.</pre>  </blockquote></span>
    Господин Раднев, смятам, ще се съгласи с това твърдение. Аз също съм
    твърдо „за“.<span class=""><br>
    <blockquote type="cite">
      <pre>11. Мисля, че на първо време е най-добре г-н Раднев или вие, г-н Димитров,
да направите копие на всичко от „БГ Офис“ (в SourceForge) в GitHub и да си
сътрудничим по проекта там, защото просто не разбирам нищо от SVN. :D После
не би било проблем да копираме новите издания от GitHub като нови версии в
SVN-то на хостигна на „БГ Офис“ в SourceForge.</pre>
    </blockquote></span>
    Точно това искам да избегна. Поредното копие на „БГ Офис“. Наистина
    разликата е, че то ще е общодостъпно, но все пак е копие. От друга
    страна като за работа от повече хора GitHub е по-добрият вариант,
    несъмнено. Все пак това е целта му.<br>
    Господин Раднев, какво е вашето мнение? От друга страна, какви са
    критериите за получаване на commit права върху хранилището или части
    от него? Как става преглеждането и приемането/отхвърлянето на
    промени правени от други?<br>
    <blockquote type="cite"><span class="">
      <pre>П.П. Ех, писмото ми пак стана прекалено дълго. :D Май ще забравите за \
какво съм писал докато четете, затова номерирах абзаците, за да ви е е по-лесно
да ги цитирате и да ги обсъдим. :)

Поздрави,
Sah War (sahwar)
</pre>
      <br>
      <fieldset></fieldset>
      <br>
      </span><span class=""><pre>_______________________________________________
Dict mailing list
<a href="mailto:Dict@ludost.net" target="_blank">Dict@ludost.net</a>
<a href="http://lists.ludost.net/cgi-bin/mailman/listinfo/dict" \
target="_blank">http://lists.ludost.net/cgi-bin/mailman/listinfo/dict</a> </pre>
    </span></blockquote>
    [1] <a href="http://eenk.com/postavyane-na-udareniya-na-kirilitsa-s-html" \
target="_blank">http://eenk.com/postavyane-na-udareniya-na-kirilitsa-s-html</a><span \
class=""><font color="#888888"><br>  <pre cols="72">-- 
С</pre>
  </font></span></div>

<br>_______________________________________________<br>
Dict mailing list<br>
<a href="mailto:Dict@ludost.net">Dict@ludost.net</a><br>
<a href="http://lists.ludost.net/cgi-bin/mailman/listinfo/dict" \
target="_blank">http://lists.ludost.net/cgi-bin/mailman/listinfo/dict</a><br> \
<br></blockquote></div><br></div></div>



_______________________________________________
Dict mailing list
Dict@ludost.net
http://lists.ludost.net/cgi-bin/mailman/listinfo/dict


[prev in list] [next in list] [prev in thread] [next in thread]

Configure | About | News | Add a list | Sponsored by KoreLogic