根据旧闪米特语的字母对单词进行排序

Posted 2023-02-16

【中文标题】根据旧闪米特语的字母对单词进行排序

【英文标题】：Sorting words according to letters of an old Semitic language

【发布时间】：2018-07-02 22:19:08

【问题描述】：

我使用 XSLT 3.0，Saxon-PE 9.7。

我需要根据乌加里特语对orth 进行排序，接近希伯来语但有额外的字符。

我试过了：

 <xsl:sort select="orth" data-type="text" order="ascending" lang="uga"/>

但是建议的顺序不正确。所以我想我需要描述一下乌加里特字母顺序。我能怎么做？

提前，非常感谢。

【问题讨论】：

我认为 Saxon 9.7 文档中的 saxonica.com/html/documentation9.7/extensibility/config-extend/… 部分是相关的。

谢谢@Martin。我试着看CollationURIResolver。我想你说的是startsWith（saxonica.com/html/documentation9.7/javadoc/net/sf/saxon/lib/…。我对一封信（<xsl:sort select="starts-with(orth, 'ʿ')" data-type="text" order="ascending"/>）做了测试，但它不起作用。

我认为您不了解该配置的含义，您需要在实现 java.util.Comparator 的 Java 类或 Saxon 配置文件中声明您的排序规则。完成此操作后，您可以使用 xsl:sort 上的 collation 属性，例如collation="http://saxon.sf.net/collation?class=yourFullClassHere"，select 属性将保持为 select="orth"。因此，该任务将在 XSLT 代码之外通过编写该字母表的排序规则来解决。

那么是哪些字符组成了该语言，那是en.wikipedia.org/wiki/Ugaritic_alphabet？这些字符不是按其 Unicode 代码点排序的吗？

谢谢@Martin。关于 Ugaritic，我使用的是转录，而不是楔形文字。关于撒克逊人的链接，对不起，如果我不明白，这对新手来说并不容易，尤其是当英语不是第一语言时。我确实看过oxygenxml.com/InstData/Editor/SDK/javadoc/ro/sync/… 和oxygenxml.com/doc/versions/19.1/ug-editor/…，但这对我来说真的太复杂了。我不知道java。在XSLT没有其他办法吗？

【参考方案1】：

我不确定这是否是最好的解决方案，但这是我所知道的。

您要搜索的代码是：

      <xsl:sort select="((orth='character1') * 1) + ((orth='character2') * 2) + ((orth='character3') * 3) ..." data-type="text" order="ascending"/>

您需要对字母表中的每个字符都执行此操作。乘法越低，它出现在结果中的时间就越早。基本上，您正在为指定值定义自己的顺序。

【讨论】：

谢谢@Christian。我试过了，但我收到以下消息“没有为类型参数定义算术运算符（xs：boolean，xs：integer）。”所以我尝试定义param: <xsl:param name="orth.sort" select="orth" as="boolean"/> 并替换<xsl:sort select="orth..."> by ` 但它也不起作用。

这不是正确的方法。我会自己回来回答这个问题，但正确的方法是在完成这项工作的 ICU 库中找到正确的排序规则，或者实施一个新的排序规则来完成这项工作。可能需要使用 xsl:sort 的 collat​​ion 参数而不是 lang 参数。

迈克尔可能是对的。正如我所写，我很确定有更好的解决方案。这对我自己的字母排序任务很有用。

【参考方案2】：

Saxon 允许您在其配置文件中定义自己的排序规则，您基本上必须设置一个带有类似部分的配置文件

 <collations>
      <collation uri="http://example.com/uga-trans"
      rules="&lt; ʾa &lt; b &lt; g &lt; ḫ &lt; d &lt; h &lt; w &lt; z &lt; ḥ &lt; ṭ &lt; y &lt; k &lt; š &lt; l &lt; m &lt; ḏ &lt; n &lt; ẓ &lt; s &lt; ʿ &lt; p &lt; ṣ &lt; q &lt; r &lt; ṯ &lt; ġ &lt; t &lt; ʾi &lt; ʾu &lt; s2"/>
 </collations>

uri 属性将 URI 定义为排序规则的名称，然后您可以在 xsl:sort 的 collation 属性中使用该名称：

            <xsl:perform-sort select="$input-seq">
                <xsl:sort select="string()" collation="http://example.com/uga-trans"/>
            </xsl:perform-sort> 

rules 属性中使用的语法是为 Java 类 RuleBasedCollator https://docs.oracle.com/javase/7/docs/api/java/text/RuleBasedCollator.html 定义的语法，它有一个用于挪威语的示例。唯一需要注意的是，Java 语法是纯文本，而 Saxon 配置是 XML，因此用于定义排序的 < 必须在 rules 属性中转义为 <。

我已经根据***文章https://en.wikipedia.org/wiki/Ugaritic_alphabet 中提供的转录序列在上面设置了一条规则。我不确定这是否是您要找的那个。

您可以使用-config:yourconfiguationfile.xml 从命令行运行 Saxon 以使用这样的配置，oXygen 在 Saxon 特定转换场景对话框中有一个字段来选择配置文件。

【讨论】：

非常感谢@Martin！对于新手（就像我一样）的一些额外信息：特别是对于那些使用 Oxygen 19.1 的人，配置文件称为“Saxon configuration.xml”。默认设置Edition=EE。由于我使用的是 Saxon PE，因此我更改为 Edition=PE。之后，在转换编辑器场景中，我添加了可以从“Transformer”窗口（在“Parameters”上方）添加的配置文件。然后在 xslt 文件中：<xsl:apply-templates select="//entryFree"> <xsl:sort select="form/orth" collation="http://example.com/uga-trans"/></xsl:apply-templates>

感谢马丁的回答。我只想补充几点意见，主要是针对以后来这里的其他人。 Saxon 实际上为您提供了两种选择 Ugaritic 排序规则的方法：在 xsl:sort 上，您可以指定 lang='uga' 或 `collat​​ion='w3.org/2013/collation/UCA?lang=uga'。目前，第一个选择 Ugaritic 的 JDK 语言环境，而第二个选择 ICU-J 版本。我不知道他们是否不同。但是，两者当然都不能处理音译输入。