ruby マークアップ・ツール

昨日書いた泉鏡花『貧民倶樂部』の記事において，鏡花テクスト引用のために大量のルビをマークアップしなければならなかった。HTML で <ruby><rb>此</rb><rp>（</rp><rt>これ</rt><rp>）</rp></ruby> とマークアップすると，此（これ）となる。<ruby> タグをサポートしていないブラウザならタグ以外のテキストがそのまま出力されて此（これ）となる。LaTeX にも奥村先生のマクロ集に \ruby 命令があり，この場合は \ruby{此}{これ} とマークアップする。これらのルビ付加用マークアップ作業は，やっている最中に元の文章が分断されて判りにくくなりかつ極めて面倒なので，私は自分で書いた簡単なツールで一括整形している。今日はその整形ツール convertruby を紹介しておく。私は Mac OS X で使用しているが，FreeBSD, Linux でも動作するはずである。同じ必要に迫られた方はプログラム・コードをコピってお使いください。

このツールは，標準入力から UTF-8 テキストを読み，此（これ）のように，漢字 + （ + 読み + ）のように書いた文字列に対して，マークアップを行う。デフォルトでは HTML タグを付加する。-l オプションを指定すると LaTeX 形式で整形する。対象テキストの括弧は全角でないといけない。そういう融通の利かないところがある。開括弧より前のテキストを後ろから逆方向に走査し，漢字以外が出現するまで漢字をスタックにプッシュし，あとでこのスタックからポップして得られる文字列（先入れ後出しにより文字の順番が戻る）を親文字と判定する。「漢字」は Unicode CJK 統合漢字に属するかを \p{InCJKUnifiedIdeographs} 正規表現文字クラスで判断している。Perl コードは以下の通り。

convertruby
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73	`#!/usr/bin/perl -w` `# -- coding: utf-8; mode: cperl; --` `#` `# convertruby: ルビ・マークアップ` `# - ベタのテキストを <ruby> or \ruby シーケンスに整形する` `# - 例: 此（これ） ["（", "）" は全角括弧]` `# -> <ruby><rb>此</rb><rp>（</rp><rt>これ</rt><rp>）</rp></ruby> (default)` `# -> \ruby{此}{これ} (with -l option)` `# - usage: convertruby [-l] < stdin` `# -l: for LaTeX; default: for HTML` `#` `use strict;` `use` `utf8;` `use` `Getopt::Std;` `use` `File::Basename;` `binmode(STDOUT,` `":utf8");` `# コマンドライン・オプション処理` `my` `%opts` `= ('l'` `=> 0);` `Getopt::Std::getopts('l', \%opts) \|\|` `die` `"Usage: "` `. basename($0) .` `" [-l] \< (stdin)\n -l: for LaTeX; default: for HTML\n";` `# 行毎の主処理` `while` `(<STDIN>) {` `my` `$line` `=` `$_;` `utf8::decode($line); utf8::decode($_);` `my` `($yomi,` `$leftt,` `$rightt);` `# 「（読み）」を含まない行はそのまま出力` `unless` `($_` `=~ /（[^）]）/gi) {` `print` `$line;` `next;` `}` `# 「（読み）」を走査し，これがある限りその前後を切り出す` `while` `($line` `=~ /（[^）]）/gi) {` `$yomi` `= $&;` `$leftt` = $`; `$rightt` `= $';` `# 「（読み）」から括弧を外す` `$yomi` `=~ s\|[（）]\|\|g;` `# 対象漢字部を後方から走査し，漢字スタックに push する` `my` `@kstack` `= ();` `my` `$k;` `my` `@istack` `=` `split(//,` `$leftt);` `# 「読み」の左側テキストの文字配列` `while` `((@istack) &&` `(($k` `=` `pop(@istack)) =~ /\p{InCJKUnifiedIdeographs}/g)) {` `push(@kstack,` `$k);` `$k` `=` `"";` `}` `# 最後に pop した非漢字を左側テキスト配列スタックに戻しておく` `push(@istack,` `$k)` `if` `($k);` `# 漢字スタックから漢字部文字列を pop で復元` `my` `$kanji` `=` `"";` `while` `(@kstack) {` `$kanji` `.=` `pop(@kstack);` `}` `# 抽出した漢字部よりも前の文字列を出力` `if` `(@istack) {` `print` `$_` `for` `@istack;` `}` `# ruby マークアップ部分を出力` `if` `($kanji) {` `if` `($opts{'l'}) {` `# LaTeX (with -l option)` `print` `'\ruby{'` `.` `$kanji` `.` `'}{'` `.` `$yomi` `.` `'}';` `}` `else` `{` `# HTML (default)` `print` `'<ruby><rb>'` `.` `$kanji` `.` `'</rb><rp>（</rp><rt>'` `.` `$yomi` `.` `'</rt><rp>）</rp></ruby>';` `}` `}` `else` `{` `# 「漢字（読み）」のパターンでないものはそのまま出力` `print` `"（$yomi）";` `}` `# 走査対象文字列に右側テキスト(残り)文字列を格納して，繰り返し` `$line` `=` `$rightt;` `}` `# 残り文字列を出力` `print` `$rightt` `if` `($rightt);` `}`

GNU Emacs からは，以下を .emacs に追加すれば，利用できるようになる。ここでは convertruby は /usr/local/bin 下にインストールされているものとしている。この定義を Emacs に評価させた後，テキスト・リージョンを指定し，M-x convert-ruby-html, M-x convert-ruby-latex を実行すると，当該リージョンがそれぞれ HTML, LaTeX のルビ・マークアップ整形を施される。

;; convertruby for HTML
(defun convert-ruby-html (start end)
  "Convert text to ruby HTML sequence."
  (interactive "r")
  (call-process-region
   start end
   "/usr/local/bin/convertruby"
   t (list t nil) nil
   "")
  )
;; convertruby for LaTeX
(defun convert-ruby-latex (start end)
  "Convert text to ruby HTML sequence."
  (interactive "r")
  (call-process-region
   start end
   "/usr/local/bin/convertruby"
   t (list t nil) nil
   "-l")
  )

泉鏡花『貧民倶樂部』の引用に際しては，新字・新仮名遣いで引用文を作成し（図 1），自作のソフトで旧字・旧仮名遣いに変換し，次に，ルビを付けたい漢字に「（よみ）」を付加し（図 2），最後に Emacs 上で convertruby を実行して <ruby> タグをマークアップした（図 3）。ただし，図 3-1 は HTML 整形の，図 3-2 は LaTeX 整形の結果例である。
　