TrailsInTheSkyRemakeScriptAligner/synonyms.py at main · lxr2010/TrailsInTheSkyRemakeScriptAligner · GitHub

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
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
import csv
import re
import jaconv

def get_potential_synonyms(script_a:list, script_b:list, final_mapping: dict[int,int]):
  # Find all matched lines less longer than 10
  synm = []
  for pos_a, pos_b in final_mapping.items():
    if len(script_a[pos_a]) < 10 and len(script_b[pos_b]) < 10 and script_a[pos_a] != script_b[pos_b]:
      synm.append([script_a[pos_a], script_b[pos_b]])

  with open("synonyms.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["script_a", "script_b"])
    writer.writerows(synm)

def strip_ruby_brackets(text):
    # 匹配 汉字(片假名) 或 汉字（片假名）
    # 同时也处理游撃士（ブレイサー）这种情况
    # 策略：将括号及其内容全部删掉，只保留核心词
    return re.sub(r'[（\(][ぁ-んァ-ヶー]+[）\)]', '', text)

kanji_to_katakana = {
    # --- 组织与职衔 ---
    "身喰らう蛇": "ウロボロス",
    "結社": "ウロボロス",
    "使徒": "アングイス",
    "執行者": "エンフォーサー",
    "星杯騎士団": "グラールリッター",
    "守護騎士": "ドミニオン",
    "猟兵": "イェーガー",
    "遊撃士": "ブレイサー",
    "協会": "ブレイサーギルド",
    "鉄路憲兵隊": "アイゼンリッター",
    "鉄機隊": "シュタールリッター",
    "黒月": "ヘイユエ",
    "斑鳩": "イカルガ",

    # --- 技术与系统 ---
    "導力器": "オーブメント",
    "導力魔法": "アーツ",
    "戦技": "クラフト",
    "結晶回路": "クオーツ",
    "七耀石": "セプチウム",
    "古代遺物": "アーティファクト",
    "至宝": "セプテリオン",
    "起動者": "アウェイカー",
    "戦術導力器": "ザイファ",  # 根据版本可选 エニグマ/アークス/ザイファ
    "空洞核心": "ホロウコア",
    "晶片": "シャード",
    "魔装鬼": "グレンデル",
    "戦術リンク": "リンク",

    # --- 称号与关键名词 ---
    "灰の騎士": "シュバリエ",
    "鋼の聖女": "アリアンロード",
    "剣帝": "レーヴェ",
    "紫電": "エクレール",
    "聖獣": "レグナート",
    "影の国": "ファンタズマ",
    "原型導力器": "ゲネシス",
    "琥珀" : "こはく",
    "紺碧" : "こんぺき",
    "紅蓮" : "ぐれん",
    "翡翠" : "ひすい",
}

katakana_to_kanji = {
    # --- 组织与职衔 ---
    "ウロボロス": "身喰らう蛇",  # 也对应 "結社"
    "アングイス": "使徒",
    "エンフォーサー": "執行者",
    "グラールリッター": "星杯騎士団",
    "ドミニオン": "守護騎士",
    "イェーガー": "猟兵",
    "ブレイサー": "遊撃士",
    "ギルド": "協会",
    "アイゼンリッター": "鉄路憲兵隊",
    "シュタールリッター": "鉄機隊",
    "ヘイユエ": "黒月",
    "イカルガ": "斑鳩",

    # --- 技术与系统 ---
    "オーブメント": "導力器",
    "アーツ": "導力魔法",
    "クラフト": "戦技",
    "クオーツ": "結晶回路",
    "セプチウム": "七耀石",
    "アーティファクト": "古代遺物",
    "セプテリオン": "至宝",
    "アウェイカー": "起動者",
    "エニグマ": "戦術導力器",   # 零/碧时代
    "アークス": "戦術導力器",   # 闪时代 (ARCUS)
    "ザイファ": "戦術導力器",   # 黎/界时代 (Xipha)
    "ホロウコア": "空洞核心",
    "シャード": "晶片",
    "グレンデル": "魔装鬼",
    "リンク": "戦術リンク",

    # --- 称号与角色相关 ---
    "シュバリエ": "灰の騎士",
    "アリアンロード": "鋼の聖女",
    "レーヴェ": "剣帝",
    "エクレール": "紫電",
    "レグナート": "聖獣",
    "ファンタズマ": "影の国",
    "ゲネシス": "原型導力器",
    "こはく" : "琥珀",
    "こんぺき": "紺碧",
    "ぐれん" : "紅蓮",
    "ひすい" : "翡翠",
}

falcom_gaiji = {
        "(株)": "♥",
        "①": "♪",
        "②": "❗",
        "③": "❓",
        "⑴": "!",
        "⑵": "?",
        "④": "💧", # 汗水/流汗
        "Ⅰ": "⚡", # 闪电
        "(有)": "→",
        "(代)": "←",
        "㈲": "↑",
        "㈹": "↓",
        "\u3231": "❤"
}
gaiji_chars = list(falcom_gaiji.keys()) + list(falcom_gaiji.values()) + ['☆', '!']


def replace_kiseki_terms(text):
    text = strip_ruby_brackets(text)
    mapping = katakana_to_kanji
    # 长度降序排列 key
    for gaiji in gaiji_chars :
      text = text.replace(gaiji,'')
    pattern_str = "|".join(re.escape(k) for k in sorted(mapping.keys(), key=len, reverse=True))
    text = re.sub(pattern_str, lambda m: mapping[m.group(0)], text)
    kiseki_terms = katakana_to_kanji.values()
    pattern_brackets = r'[（《](' + '|'.join(re.escape(t) for t in kiseki_terms) + r')[）》]'
    text = re.sub(pattern_brackets, r'\1', text)

    return text


def normalize(texts):
    """
    归一化日语UTF-8字符串，用于清洗后相等但标点符号次序不同的情况。
    感受下轨迹的片假名震撼。
    """
    if isinstance(texts, str):
      text = texts
    else:
      text = "".join(texts)
    if not text: return ""
    text = "".join(text.split())
    text = replace_kiseki_terms(text)
    text = jaconv.normalize(text, 'NFKC')
    text = "".join(text.split())
    return text


if __name__ == "__main__" :
  sample_text = "ウロボロスのアングイスがオーブメントを使用した。"
  print(normalize(sample_text))
  sample_text = "《翡翠（ ひすい）の塔》って遺跡だ。《導力器》ち、無事、遊撃士（ブレイサー）になれたかい？"
  print(normalize(sample_text))
  sample_text = "ツァイス地方の《紅蓮（ぐれん）の塔》……"
  print(normalize(sample_text))
  sample_text = "てば♪さっ、気(株)分かも❤ノンキ"
  print(normalize(sample_text))