西方語(yǔ)言原生的開(kāi)發(fā)人員常常接近日語(yǔ)，好像它只是另一種語(yǔ)言。源字符串被翻譯，目標(biāo)字符串被排序，一切都變成碎片。在本文中，我們將帶您了解日文文本排序的復(fù)雜性 - 因此您將無(wú)法通過(guò)艱難的方式了解它。
通過(guò)“艱難的方式”，我們的意思是在評(píng)論和用戶(hù)論壇中提供嚴(yán)厲的反饋。實(shí)際上，就在幾年前，一些應(yīng)用程序通過(guò)ASCII碼對(duì)日語(yǔ)進(jìn)行排序，并且它將被大肆宣傳為索引生成功能 - 這將是無(wú)法使用的。這些天，日本人正在接觸到更多的意識(shí)，但挑戰(zhàn)仍然存在 - 如果你不小心，就像潛在的道路危險(xiǎn)。
1.知道你正在處理多個(gè)字符集首先，要明白日語(yǔ)是一種具有三種不同字符集的語(yǔ)言 - 拼音平假名 和片假名，以及語(yǔ)言漢字。平假名和片假名每個(gè)由46個(gè)字符組成，基本上彼此具有1對(duì)1的關(guān)系，并且它們按照gojuon順序排序。大多數(shù)平臺(tái)已經(jīng)支持這種級(jí)別的基本排序，但如果你不是日語(yǔ)，你可能會(huì)有一點(diǎn)麻煩，告訴シ（shi）和ツ（tsu），或リ（ri）和ソ（so）和ン（n）。我們假設(shè)計(jì)算機(jī)將識(shí)別出差異。
不是最簡(jiǎn)單的系統(tǒng)，但是當(dāng)你考慮第三個(gè)字符集漢字時(shí)，事情變得非常困難。日本兒童在小學(xué)時(shí)學(xué)習(xí)了1,006個(gè)漢字字符，而高中則增加到了2,136個(gè)，另外還有983個(gè)漢字專(zhuān)門(mén)用于人們的名字。與您需要學(xué)習(xí)英語(yǔ)的26個(gè)字母相比，這是一個(gè)沉重的負(fù)擔(dān)。
在中國(guó)，漢字的發(fā)源地（稱(chēng)為hànzì），平均識(shí)字需要大約3000個(gè)字符，但是日本人更具挑戰(zhàn)性的是每個(gè)漢字可以有多個(gè)語(yǔ)音讀數(shù) - 這將是你的分類(lèi)和索引機(jī)械中的猴子扳手。
如果您感到無(wú)聊，我建議您通過(guò)NativLang觀看這些視頻，并跳至第4部分。
快速介紹日語(yǔ)“拼寫(xiě)”的復(fù)雜性
2.了解漢字和gojuon之間的脆弱關(guān)系Gojuon是日本排序的黃金法則。如果你正在處理面向用戶(hù)的任何事情，比如術(shù)語(yǔ)索引，你需要將漢字字符串與kana字符串一起整合到gojuon順序中。
例如，嘗試對(duì)這個(gè)三字列表進(jìn)行排序：[生魚(yú)] [ライス]和[ご飯]。如果你認(rèn)為ご飯應(yīng)該先來(lái)（因?yàn)椁吃趃ojuon順序是＃10 ），接著是生魚(yú)（因?yàn)樯谶@種情況下以な開(kāi)始，在gojuon順序是＃21 ），最后是ライス（因?yàn)椁槭牵?9在gojuon命令），你是對(duì)的。
但當(dāng)然，沒(méi)有什么比日本人看起來(lái)那么容易。如前所述，漢字通常會(huì)以不同的方式發(fā)音，具體取決于他們使用的單詞或短語(yǔ)。
| 角色生的常見(jiàn)（不是全部）發(fā)音 | ||||
| 術(shù)語(yǔ) | 平假名 | 羅馬 | 五十音圖＃ | 含義 |
| 生きる | いきる | 我 kiru | 2 | 為了活著 |
| 生む | うむ | ü畝 | 3 | 分娩 |
| 生える | はえる | 哈 ERU | 26 | 增長(zhǎng) |
| 生命 | いせめい | sei mei | 14 | 生活 |
| 生涯 | ょしうがい | 守蓋 | 12 | 一生 |
| 生糸 | きいと | ki ito | 7 | 生絲 |
| 生魚(yú) | まなざかな | NAMA zakana | 21 | 生魚(yú) |
| 生方 | ぶうかた | ubu kata | 3 | （正確的名稱(chēng)） |
結(jié)果，相同的漢字字符被發(fā)送到整齊有序的gojuon矩陣。
| 角色生的共同（不是全部）gojuon位置 | ||||
| あ（a） | い（i） | う（你） | え（e） | お（o） |
| か（ka） | き（ki） | く（ku） | け（ke） | こ（ko） |
| さ（sa） | し（shi） | す（su） | せ（se） | そ（so） |
| た（ta） | ち（chi） | つ（tsu） | て（te） | と（to） |
| な（na） | に（ni） | ぬ（nu） | ね（ne） | の（不） |
| は（ha） | ひ（hi） | ふ（fu） | へ（他） | ほ（浩） |
| ま（ma） | み（mi） | む（畝） | め（我） | も（mo） |
| や（ya） | ゆ（yu） | よ（喲） | ||
| ら（ra） | り（ri） | る（ru） | れ（重新） | ろ（ro） |
| わ（wa） | を（wo） | |||
| ん（n） |
要解決此問(wèn)題，您需要訪問(wèn)漢字字符串的正確上下文拼音讀數(shù)。我們建議您在LSP或日語(yǔ)朋友的幫助下執(zhí)行此操作，或者稍后再詳細(xì)說(shuō)明。
3.了解微小的符號(hào)和字符以及它們與排序的關(guān)系也許你已經(jīng)查看了一些日文文本，并注意到角色旁邊的小胡須或氣泡?；蛘咭苍S某些角色比其他角色小。這些實(shí)際上是改變他們旁邊角色的發(fā)音的符號(hào)，所以如果你要對(duì)一個(gè)單詞的羅馬化版本進(jìn)行排序，這些小標(biāo)記會(huì)產(chǎn)生很大的不同。例如，は（ha）可以變成ば（ba）和ぱ（pa），如下所示。
| あ（a） | い（i） | う（你） | え（e） | お（o） |
| か（ka）が（ga） | き（ki）ぎ（gi） | く（ku）ぐ（gu） | け（ke）げ（ge） | こ（ko）ご（去） |
| さ（sa）ざ（za） | し（shi）じ（ji） | す（su）ず（zu） | せ（se）ぜ（ze） | そ（so）ぞ（zo） |
| た（ta）だ（da） | ち（chi）ぢ（ji） | つ（tsu）づ（zu） | て（te）で（de） | と（to）ど（do） |
| な（na） | に（ni） | ぬ（nu） | ね（ne） | の（不） |
| は（ha）ば（ba）ぱ（pa） | ひ（hi）び（bi）ぴ（pi） | ふ（fu）ぶ（bu）ぷ（pu） | へ（他）べ（be）ぺ（pe） | ほ（ho）ぼ（bo）ぽ（po） |
| ま（ma） | み（mi） | む（畝） | め（我） | も（mo） |
| や（ya） | ゆ（yu） | よ（喲） | ||
| ら（ra） | り（ri） | る（ru） | れ（重新） | ろ（ro） |
| わ（wa） | を（wo） | |||
| ん（n） |
但是（這可能會(huì)讓你感到寬慰），當(dāng)在gojuon中排序時(shí)，這些標(biāo)記會(huì)被忽視。所以は（ha），ば（ba）和ぱ（pa）沒(méi)有區(qū)別。
對(duì)于其他字符后綴的小ゃ（ya），ゅ（yu）和ょ（yo）也是如此，以創(chuàng)建以下雙元音。
| 基本字符 | +ゃ（ya） | +ゅ（yu） | +ょ（喲） |
| き（ki） | きゃ（kya） | きゅ（kyu） | きょ（kyo） |
| ぎ（gi） | ぎゃ（gya） | ぎゅ（gyu） | ぎょ（gyo） |
| し（shi） | しゃ（sha） | しゅ（shu） | しょ（笑） |
| じ（ji） | じゃ（ja） | じゅ（ju） | じょ（jo） |
| ち（chi） | ちゃ（cha） | ちゅ（chu） | ちょ（cho） |
| に（ni） | にゃ（nya） | にゅ（nyu） | にょ（nyo） |
| ひ（hi） | ひゃ（hya） | ひゅ（hyu） | ひょ（hyo） |
| び（bi） | びゃ（bya） | びゅ（byu） | びょ（byo） |
| ぴ（pi） | ぴゃ（pya） | ぴゅ（pyu） | ぴょ（pyo） |
| み（mi） | みゃ（mya） | みゅ（myu） | みょ（myo） |
| り（ri） | りゃ（rya） | りゅ（ryu） | りょ（ryo） |
然后你有兩個(gè)其他角色之間出現(xiàn)的小っ（tsu）來(lái)表示雙輔音（如聲門(mén)停止）。例如，まくら（makura =枕頭），まっくら（makkura =音調(diào)黑暗）。這個(gè)小っ的目的與小ゃ，ゅ和ょ不同; 但是，為了本文的目的，它們共享的最重要特征是它們?cè)谂判蜻^(guò)程中與它們的完整版本沒(méi)有區(qū)別。や和ゃ，ゆ和ゅ，よ和ょ，つ和っ被視為同一個(gè)角色。
小學(xué)教科書(shū)的索引頁(yè)面
4.了解分揀計(jì)劃以及可能出現(xiàn)的問(wèn)題我使用從し（shi）開(kāi)始的窄范圍內(nèi)的隨機(jī)字符串測(cè)試Microsoft Excel的排序功能。微軟很好。所有的漢字和假名術(shù)語(yǔ)都以與它們的平假名語(yǔ)音對(duì)應(yīng)物相同的順序排列（將它們視為對(duì)照組）。
排序A：正確的Gojuon排序
但是看一下下一次排序嘗試 - 使用Excel中相同功能排序的相同文本字符串會(huì)產(chǎn)生截然不同的結(jié)果。這次，源文本首先分為平假名和片假名，然后是漢字（與FileMaker相同）。那些漢字以一種對(duì)普通人沒(méi)有意義的方式重新排列，正如你所看到的，它們不再匹配正確排序的平假名字符串。
排序B：不正確的Gojuon排序
發(fā)生了什么？為什么不同？嗯，實(shí)際上，您看不到排序A和排序B之間的源字符串存在差異。
排序A字符串是在Excel中手動(dòng)輸入的，這意味著它們使用平假名鍵入并轉(zhuǎn)換為最終形式為漢字或片假名。 在后臺(tái)的某處，與字符串相關(guān)聯(lián)的語(yǔ)音信息存儲(chǔ)在數(shù)據(jù)中。
另一方面，排序B字符串是從文本文件中復(fù)制和粘貼的，因此它們沒(méi)有伴隨條款的任何語(yǔ)音信息。據(jù)推測(cè)，由于漢字是從S-JIS 8E84（私）到90B6（生）依次排序的，因此類(lèi)似于FileMaker的默認(rèn)排序方案被啟動(dòng)。
5.知道如何獲得幫助和洞察力為了基于gojuon進(jìn)行準(zhǔn)確排序，您需要提供語(yǔ)音信息以配合條款。最可靠的方法是咨詢(xún)LSP，但如果您有預(yù)算或時(shí)間問(wèn)題阻止您這樣做，您可以考慮其他選項(xiàng)。
例如，如果你環(huán)顧四周，你可以找到關(guān)于如何以編程方式對(duì)日語(yǔ)漢字詞進(jìn)行排序的討論。使用開(kāi)源詞性和形態(tài)分析器MeCab來(lái)利用IPA詞典將漢字轉(zhuǎn)換為假名似乎是一種方便（盡管不是完美）的方式來(lái)處理這種情況。另一種方法是在GetPhonetic如果您使用的是Microsoft VBA方法。在這里和這里可以找到更多的討論。
日本漢字在JIS之間有不同的排序，JIS是互聯(lián)網(wǎng)上使用的主要編碼; Shift-JIS（SJIS），用于Windows和Macintosh的Microsoft開(kāi)發(fā)的JIS版本; 在UNIX上使用的EUC; 和Unicode（UTF-8，UTF-16），包含世界上所有角色的全球標(biāo)準(zhǔn)。因此，請(qǐng)確保您從一開(kāi)始就完全清楚這一點(diǎn)。這是一個(gè)方便的代碼列表。
最后但同樣重要的是，請(qǐng)留意非gojuon順序更合適的列表。例如，在日本，習(xí)慣上從北到南列出縣，從北海道開(kāi)始到?jīng)_繩結(jié)束。1至47的順序由國(guó)際標(biāo)準(zhǔn)ISO 3166-2：JP規(guī)定。
正如你所看到的，在日本文本排序是位比在西方語(yǔ)言更具挑戰(zhàn)性。但如果你牢記這些特點(diǎn)，并保持開(kāi)放的心態(tài)（已經(jīng)準(zhǔn)備好在網(wǎng)上沖浪尋找答案），你就能夠立即克服挑戰(zhàn)，并以正確的方式對(duì)日本人進(jìn)行排序。
熱門(mén)照片：來(lái)自卡魯塔甲板的圖片卡（efuda）。Karuta是一個(gè)游戲，其中一個(gè)人從一組短語(yǔ)卡（yomifuda）中讀取，并且玩家嘗試使用正確的角色獲取相應(yīng)的圖片卡。Aiueo-karuta是孩子學(xué)習(xí)平假名的有趣方式。（有趣的事實(shí)：“karuta”這個(gè)詞來(lái)自葡萄牙語(yǔ)“carta”（卡），它與葡萄牙商人一起于16世紀(jì)中期進(jìn)入日本。）
