Prosesu treigladau gyda meddalwedd

Esboniad

Mae angen cod agored i adnabod treigladau. Byddai gymaint o bosibiliadau!

Dw i eisiau datblygu ategyn WordPress i ychwanegu treigladau cywir i chwilio. Ar hyn o bryd mae angen chwilio am 'Caer', 'Gaer', 'Nghaer' ar wahan. Gyda'r ategyn byddai modd chwilio am un ohnonyn nhw yn unig a derbyn canlyniadau gyda phob fersiwn.

Felly... os ydyn ni'n gallu sgwennu ffug-cod gyda'n gilydd byddai modd sgwennu'r ategyn a rhyddhau'r cod dan GPL.

Er mwyn cael prosiect haws:

• Efallai gwnawn ni ddechrau gyda'r fersiwn 'geiriadur' o'r gair yn unig - yn yr enghraifft mae pobl yn debygol i chwilio am 'Caer' yn hytrach nag unrhyw fersiwn arall.
• Anghofia gwrywaidd a benywaidd ar hyn o bryd (byddai angen rhestr o eiriau fel arall)

O'n i'n meddwl bod system gyda http://kevindonnelly.org.uk/ ond dw i'n methu ffeindio fe. Hefyd bydda'r broses datblygu yn hwyl! --Carlmorris (sgwrs) 20:20, 5 Hydref 2012 (BST)

Y treigladau

Llythyren	Meddal	Trwynol	Llais	H-bom
p	b	mh	ph
t	d	nh	th
c	g	ngh	ch
b	f	m
d	dd	n
g	/hwyl fawr g/	ng
m	f
ll	l
rh	r
aeiouwy				rhoi h arno!

Y ffug-god

// cynhyrchu llinyn gyda phob fersiwn o'r gair
// e.e. mewnbwn Caer yn cael allbwn 'Caer NEU Gaer NEU Nghaer NEU Chaer'
llinyn cynhyrchu_treigladau(llinyn $gair)
{
  llinyn $chwiliad = $gair;

  os ydy'r llythyren gyntaf o'r $gair ar y tabl? {
    // ydy felly mae'r gair yn gallu treiglo
    cer trwy pob llythyren ar y tabl {
      $chwiliad += 'NEU';
      $chwiliad += cyfnewid_llythyren_gyntaf($gair); // parchu maint y llythyren (C yn newid i G, c yn newid i g)
    }
  $chwiliad = '(' + $chwiliad + ')';
  }
  fel arall {
  // nac ydy felly dyw'r gair ddim yn dreiglo
  // e.e. aderyn, Aberystwyth,
  // byddai $chwiliad == $gair
  }

  dychwelyd $chwiliad;
}


llinyn chwilio(llinyn mewnbwn_chwiliad)
{
  cer trwy pob $gair ym $mewnbwn_chwiliad
  {
    cyfnewid cynhyrchu_treigladau($gair) am $gair
  }
}

Cod MySQL i chwilio gyda threigladau

Fe wnes i geisio ar beth tebyg gan ddefnyddio cod "LIKE" mewn chwiliad MySQL. Nes i erioed ei gwblhau, ond y syniad oedd gennyf oedd cwtogi y 3 llythyren oddi ar flaen gair, gan mai dene fydd y nifer fwyaf o lythrennau posib sy'n gysylltiedig â'r treiglo, wedyn defnyddio "LIKE" i geisio paru gweddill y gair gyda chronfa data wedi ei seilio ar eiriadur rhydd.

Cod dwi eisoes yn ei ddefnyddio ydi hwn, sydd bellach tu ôl i http://www.efrydydd.com (dwi wedi bod yn gweithio arno'n ddiweddar):

$chwilio = "SELECT id, cymraeg_u, saesneg_u, cenedl_c, cenedl_s FROM termau WHERE dangos='1' AND cymraeg_u LIKE '%$allweddair%' OR saesneg_u LIKE '%$allweddair%'"; Os nad oes gair yn gallu cael ei baru, bydd y tri llythyren cyntaf yn cael ei basio ymlaen at system cyfaddawdu, ble bydd yn dyfalu be gall fod, gan roi restr o bosibiliadau.

Perl

Darn bach o Perl i roi amrywiadau o air wedi treiglo. Dydi hwn ddim yn parchu maint llythrennau, fel y ffug-god uchod, ond gan bod SQL ddim chwaith, does dim angen rili.

my @geiriau = treiglo('gair');

BEGIN {
	my %t=(p=>['b','mh','ph'],t=>['d','nh','th'],c=>['g','ngh','ch'],b=>['f','m'],d=>['dd','n'],g=>['','ng'],ll=>['l'],'m'=>['f'],rh=>['r']);
	sub treiglo{$_[0]=~/^([cpt](?!h)|d(?!d)|[gbm]|ll|rh)(.*)$/io ? map{$_.$2} @{$t{$1}} : undef}
}

PHP

Fersiwn sydyn o’r uchod yn PHP. Lot hyllach na’r fersiwn Perl wrth gwrs ;-)

$geiriau = treiglo('gair');

function treiglo($gair){
	static $t=array('p'=>array('b','mh','ph'),'t'=>array('d','nh','th'),'c'=>array('g','ngh','ch'),'b'=>array('f','m'),'d'=>array('dd','n'),'g'=>array('','ng'),'ll'=>array('l'),'m'=>array('f'),'rh'=>array('r'));
	$g=array();
	if (preg_match('/^([cpt](?!h)|d(?!d)|[gbm]|ll|rh)(.*)$/i',$gair,$m)){
		foreach($t[strtolower($m[1])] as $x) $g[]=$x.$m[2];
		return $g;
	}
	return null;
}