# Copyright (C) 2009 Google, Inc. All Rights Reserved. # Author: mjansche@google.com (Martin Jansche) # # Tranforms Spanish to Mandarin Chinese. The input Spanish string must be in # phonemic IPA transcription (es_FONIPA); the output is in Simplified Chinese. # $word_boundary = [-\ $]; $vowel = [aeijouw]; # Vowels and glides $not_vowel = [^$vowel]; # # First pass: Collapse phonetic distinctions not preserved in Mandarin. # ð → | d; ɣ → | g; ŋ → | n; θ → | s; ɾ → | r; # ff → f ; kk → k ; mm → m ; nn → n ; pp → p ; tt → t ; tʧ → ʧ ; # aa → a ; oi̯ → oi ; oo → o ; uu → u ; # [^dgktx] { ei̯ → e ; [^-\ .$] { eu̯ → eu ; [^-\ .$] { ou̯ → o; [^j] { ui → wi ; # [^$word_boundary] { m } [bp] → n; # GB/T 17693.5-2009, 5.3.2 s[θs] → s; # GB/T 17693.5-2009, 5.3.4 [^ʧ] { jo → io; # GB/T 17693.5-2009 表 1, 注 7 # ::Null; # j } an $not_vowel → i ; # GB/T 17693.5-2009 表 1, 注 8 # # GB/T 17693.5-2009 表 1, 注 8 also says that <uai> should be treated as if # it was <u> plus <ai>. This is not borne out by the observed data, which # suggests that <ua> plus <i> is the more appropriate choice in some # situations. # [g.$] { wai̯ → wai ; wai̯ → uai̯ ; [g.$] { wau̯ → wau ; wau̯ → uau̯ ; jau̯ → iau̯ ; # # Even though "ao" is not a diphthong in Spanish, Mandarin treats it as one. [^jw] { ao } [^n] → au̯ ; [^jw] { ao } n $vowel → au̯ ; # # Main pass: Phoneme to Hanzi conversion. # This generally follows GB/T 17693.5-2009 表 1, unless otherwise noted. # ::Null; # '.' → ; ai̯ → 艾 ; an } $not_vowel → 安 ; au̯ → 奥 ; a → 阿 ; bai̯ → 拜 ; ban } $not_vowel → 班 ; bau̯ → 包 ; ba → 巴 ; ben } $not_vowel → 本 ; be → 贝 ; bin } $not_vowel → 宾 ; bi → 比 ; bja → 比亚 ; bjen } $not_vowel → 比恩 ; bje → 别 ; bju → 比乌 ; bon } $not_vowel → 邦 ; bo → 博 ; bun } $not_vowel → 本 ; bu → 布 ; bwan } $not_vowel → 布安 ; bwa → 布阿 ; bwen } $not_vowel → 布恩 ; # Should be be 本, per GB/T 17693.5-2009 表 1. bwe → 布埃 ; bwin } $not_vowel → 布因 ; # Nonstandard, but fits observed data. bwi → 布伊 ; bwo → 博 ; b → 布 ; βai̯ → 瓦伊 ; βan } $not_vowel → 万 ; βau̯ → 沃 ; βa → 瓦 ; βen } $not_vowel → 文 ; βe → 韦 ; βin } $not_vowel → 温 ; βi → 维 ; βja → 维亚 ; βjen } $not_vowel → 维恩 ; βje → 维耶 ; βju → 维乌 ; βon } $not_vowel → 翁 ; βo → 沃 ; βun } $not_vowel → 文 ; βu → 武 ; βwan } $not_vowel → 万 ; βwa → 瓦 ; βwen } $not_vowel → 文 ; βwe → 武埃 ; βwi → 维 ; βwo → 沃 ; β → 夫 ; dai̯ → 代 ; dan } $not_vowel → 丹 ; dau̯ → 道 ; da → 达 ; dei̯ → 代 ; den } $not_vowel → 登 ; de → 德 ; din } $not_vowel → 丁 ; di → 迪 ; dja → 迪亚 ; djen } $not_vowel → 迪恩 ; dje → 迭 ; dju → 迪乌 ; don } $not_vowel → 东 ; do → 多 ; dun } $not_vowel → 敦 ; du → 杜 ; dwan } $not_vowel → 端 ; dwa → 杜阿 ; dwen } $not_vowel → 敦 ; dwe → 杜埃 ; dwi → 杜伊 ; dwo → 多 ; d } $word_boundary → ; d → 德 ; ei̯ → 埃 ; en } $not_vowel → 恩 ; eu̯ → 欧 ; e → 埃 ; fai̯ → 法伊 ; fan } $not_vowel → 凡 ; fau̯ → 福 ; fa → 法 ; fe → 费 ; fin } $not_vowel → 芬 ; fi → 菲 ; fja → 菲亚 ; fjen } $not_vowel → 菲恩 ; fje → 菲耶 ; fju → 菲乌 ; fon } $not_vowel → 丰 ; fo → 福 ; fun } $not_vowel → 丰 ; fu → 富 ; fwan } $not_vowel → 富安 ; fwa → 富阿 ; fwen } $not_vowel → 丰 ; fwe → 富埃 ; fwi → 富伊 ; fwo → 福 ; # # The choice of 弗 vs. 夫 sounds simple according to the GB/T standard, but the # data suggest otherwise. Ideally, 弗 should occur at the beginning of a # morpheme (e.g. in "villafranca" 比利亚弗兰卡) and 夫 everywhere else. Since # we don't have morpheme boundaries, we'll fudge it by writing 夫 at the end of # a word and 弗 everywhere else. f } $word_boundary → 夫 ; f → 弗 ; # gai̯ → 盖 ; gan } $not_vowel → 甘 ; gau̯ → 高 ; ga → 加 ; gei̯ → 盖 ; gen } $not_vowel → 根 ; ge → 格 ; gin } $not_vowel → 金 ; gi → 吉 ; gja → 吉亚 ; gjen } $not_vowel → 吉恩 ; gje → 吉耶 ; gju → 吉乌 ; gon } $not_vowel → 贡 ; go → 戈 ; gun } $not_vowel → 贡 ; gu → 古 ; gwan } [$] → 古安 ; # Nonstandard, but fits observed data. gwan } $not_vowel → 关 ; gwa → 瓜 ; gwen } $not_vowel → 古恩 ; gwe → 圭 ; gwi → 圭 ; gwo → 果 ; g → 格 ; in } $not_vowel → 因 ; i → 伊 ; ʝai̯ → 亚伊 ; ʝan } $not_vowel → 扬 ; ʝau̯ → 尧 ; ʝa → 亚 ; ʝen } $not_vowel → 延 ; ʝe → 耶 ; ʝin } $not_vowel → 因 ; ʝi → 伊 ; ʝon } $not_vowel → 永 ; ʝo → 约 ; ʝun } $not_vowel → 云 ; ʝu → 尤 ; ʝwan } $not_vowel → 元 ; ʝwa → 尤阿 ; ʝwen } $not_vowel → 云 ; ʝwe → 尤埃 ; ʝwi → 尤伊 ; ʝwo → 约 ; ʝ → 伊 ; kai̯ → 凯 ; kan } $not_vowel → 坎 ; kau̯ → 考 ; ka → 卡 ; kei̯ → 凯 ; ken } $not_vowel → 肯 ; ke → 克 ; kin } $not_vowel → 金 ; ki → 基 ; kja → 基亚 ; kjen } $not_vowel → 基恩 ; kje → 基耶 ; kju → 基乌 ; kon } $not_vowel → 孔 ; ko → 科 ; kun } $not_vowel → 昆 ; ku → 库 ; kwan } $not_vowel → 宽 ; kwa → 夸 ; kwen } $not_vowel → 昆 ; kwe → 库埃 ; kwin } $not_vowel → 昆 ; kwi → 奎 ; kwo → 阔 ; k → 克 ; lae } [^n] → 莱 ; lai̯ → 莱 ; lan } $not_vowel → 兰 ; lau̯ → 劳 ; la → 拉 ; len } $not_vowel → 伦 ; le → 莱 ; lin } $not_vowel → 林 ; li → 利 ; lja → 利亚 ; ljen } $not_vowel → 连 ; lje → 列 ; lju → 柳 ; lon } $not_vowel → 隆 ; lo → 洛 ; lun } $not_vowel → 伦 ; lu → 卢 ; lwan } $not_vowel → 卢安 ; lwa → 卢阿 ; lwen } $not_vowel → 伦 ; lwe → 卢埃 ; lwi → 卢伊 ; lwo → 洛 ; l → 尔 ; ʎan } $not_vowel → 良 ; ʎau̯ → 廖 ; ʎa → 利亚 ; ʎen } $not_vowel → 连 ; ʎe → 列 ; ʎin } $not_vowel → 林 ; ʎi → 利 ; ʎon } $not_vowel → 利翁 ; ʎo → 略 ; ʎu → 柳 ; ʎwan } $not_vowel → 柳安 ; ʎwa → 柳阿 ; ʎwen } $not_vowel → 柳恩 ; ʎwe → 柳埃 ; ʎwi → 柳伊 ; ʎwo → 略 ; ʎ → 尔 ; mai̯ → 迈 ; man } $not_vowel → 曼 ; martin → 马丁 ; mau̯ → 毛 ; ma → 马 ; men } $not_vowel → 门 ; me → 梅 ; min } $not_vowel → 明 ; mi → 米 ; mja → 米亚 ; mjen } $not_vowel → 缅 ; mje → 米耶 ; mju → 缪 ; mon } $not_vowel → 蒙 ; mo → 莫 ; mun } $not_vowel → 蒙 ; mu → 穆 ; mwan } $not_vowel → 穆安 ; mwa → 穆阿 ; mwen } $not_vowel → 门 ; mwe → 穆埃 ; mwin } $not_vowel → 穆因 ; # Nonstandard, but fits observed data. mwi → 穆伊 ; mwo → 莫 ; m → 姆 ; nai̯ → 奈 ; nan } $not_vowel → 南 ; nau̯ → 瑙 ; na → 纳 ; nen } $not_vowel → 嫩 ; ne → 内 ; nin } $not_vowel → 宁 ; ni → 尼 ; nja → 尼亚 ; njen } $not_vowel → 年 ; nje → 涅 ; nju → 纽 ; non } $not_vowel → 农 ; no → 诺 ; nun } $not_vowel → 嫩 ; nu → 努 ; nwan } $not_vowel → 努安 ; nwa → 努阿 ; nwen } $not_vowel → 农 ; nwe → 努埃 ; nwi → 努伊 ; nwo → 诺 ; n → 恩 ; ɲan } $not_vowel → 尼扬 ; ɲau̯ → 尼奥 ; ɲa → 尼亚 ; ɲen } $not_vowel → 年 ; ɲe → 涅 ; ɲin } $not_vowel → 宁 ; ɲi → 尼 ; ɲon } $not_vowel → 尼翁 ; ɲo → 尼奥 ; ɲu → 纽 ; ɲwan } $not_vowel → 纽安 ; ɲwa → 纽阿 ; ɲwen } $not_vowel → 纽恩 ; ɲwe → 纽埃 ; ɲwi → 纽伊 ; ɲwo → 尼奥 ; on } $not_vowel → 翁 ; ou̯ → 欧 ; o → 奥 ; pai̯ → 派 ; pan } $not_vowel → 潘 ; pau̯ → 保 ; pa → 帕 ; pen } $not_vowel → 彭 ; pe → 佩 ; pin } $not_vowel → 平 ; pi → 皮 ; pja → 皮亚 ; pjen } $not_vowel → 皮恩 ; pje → 彼 ; pju → 皮乌 ; pon } $not_vowel → 蓬 ; po → 波 ; pun } $not_vowel → 蓬 ; pu → 普 ; pwan } $not_vowel → 普安 ; pwa → 普阿 ; pwen } $not_vowel → 蓬 ; pwe → 普埃 ; pwi → 普伊 ; pwo → 波 ; p → 普 ; rai̯ → 赖 ; ran } $not_vowel → 兰 ; rau̯ → 劳 ; ra → 拉 ; ren } $not_vowel → 伦 ; re → 雷 ; rin } $not_vowel → 林 ; ri → 里 ; rja → 里亚 ; rjen } $not_vowel → 连 ; rje → 列 ; rju → 留 ; ron } $not_vowel → 龙 ; ro → 罗 ; run } $not_vowel → 伦 ; ru → 鲁 ; rwan } $not_vowel → 鲁安 ; rwa → 鲁阿 ; rwen } $not_vowel → 伦 ; rwe → 鲁埃 ; rwi → 鲁伊 ; rwo → 罗 ; r → R ; sai̯ → 赛 ; san } $not_vowel → 桑 ; sau̯ → 绍 ; sa → 萨 ; sen } $not_vowel → 森 ; se → 塞 ; sin } $not_vowel → 辛 ; si → 西 ; sja → 西亚 ; sjen } $not_vowel → 先 ; sje → 谢 ; sju → 休 ; son } $not_vowel → 松 ; so → 索 ; sun } $not_vowel → 孙 ; su → 苏 ; swan } $not_vowel → 苏安 ; swa → 苏阿 ; swen } $not_vowel → 孙 ; swe → 苏埃 ; swi → 绥 ; swo → 索 ; s → 斯 ; tai̯ → 泰 ; tan } $not_vowel → 坦 ; tau̯ → 陶 ; ta → 塔 ; tei̯ → 泰 ; ten } $not_vowel → 滕 ; te → 特 ; tin } $not_vowel → 廷 ; ti → 蒂 ; tja → 蒂亚 ; tjen } $not_vowel → 蒂恩 ; tje → 铁 ; tju → 蒂乌 ; ton } $not_vowel → 通 ; to → 托 ; # # The rules for /ts/ (tz in the orthography) are nonstandard and derived # entirely from the observed data. They apply mostly to native toponyms # in Mexico. tsa → 察 ; tsen } $not_vowel → 岑 ; tse → 采 ; tsin } $not_vowel → 钦 ; tsi → 齐 ; tso → 措 ; tsun } $not_vowel → 聪 ; tsu → 楚 ; ts → 茨 ; # tun } $not_vowel → 通 ; tu → 图 ; twan } $not_vowel → 图安 ; twa → 图阿 ; twen } $not_vowel → 通 ; twe → 图埃 ; twi → 图伊 ; two → 托 ; t → 特 ; ʧai̯ → 柴 ; ʧan } $not_vowel → 钱 ; ʧau̯ → 乔 ; ʧa → 查 ; ʧen } $not_vowel → 琴 ; ʧe → 切 ; ʧin } $not_vowel → 钦 ; ʧi → 奇 ; ʧjan } $not_vowel → 钱 ; ʧja → 恰 ; ʧjen } $not_vowel → 钱 ; ʧje → 切 ; ʧjon } $not_vowel → 琼 ; ʧju → 丘 ; ʧon } $not_vowel → 琼 ; ʧo → 乔 ; ʧun } $not_vowel → 琼 ; # Should be 春, per GB/T 17693.5-2009 表 1. ʧu → 丘 ; ʧwan } $not_vowel → 丘安 ; ʧwa → 丘阿 ; ʧwen } $not_vowel → 琼 ; ʧwe → 丘埃 ; ʧwi → 崔 ; ʧwo → 乔 ; ʧ → 奇 ; un } $not_vowel → 温 ; u → 乌 ; wan } $not_vowel → 万 ; wa → 瓦 ; wen } $not_vowel → 温 ; we → 韦 ; win } $not_vowel → 温 ; wi → 维 ; won } $not_vowel → 翁 ; # Unseen. wo → 沃 ; xai̯ → 海 ; xan } $not_vowel → 汉 ; xau̯ → 豪 ; xa → 哈 ; xei̯ → 黑 ; xen } $not_vowel → 亨 ; xe → 赫 ; xin } $not_vowel → 欣 ; xi → 希 ; xja → 希亚 ; xjen } $not_vowel → 希恩 ; xje → 希耶 ; xju → 休 ; xon } $not_vowel → 洪 ; xo → 霍 ; xun } $not_vowel → 洪 ; xu → 胡 ; xwan } $not_vowel → 胡安 ; xwa → 华 ; xwen } $not_vowel → 洪 ; xwe → 胡埃 ; xwi → 惠 ; xwo → 霍 ; x → 赫 ; # # 尔 simplification pass. The idea is to drop most occurences of 尔 # corresponding to <r> (not to <l> or <ll>) from a word if there is another /l/ # sound nearby. There is a vague pattern like this in the data, but the details # remain to be determined. At the moment, this does nothing, it just puts 尔 in # for every <r> in a syllable coda. # ::Null; $r = [R利拉]; # # R } . $r → ; # R } .. $r → ; # R } ... $r → ; # R } .... $r → ; R → 尔 ; # # Dong-nan-xi-hai pass. Per GB/T 17693.5-2009 表 1, 注 4, replace confusing # characters at the beginning and end of a word. # ::Null; $word_boundary { 东 → 栋 ; $word_boundary { 南 → 楠 ; $word_boundary { 西 → 锡 ; 海 } $word_boundary → 亥 ; # ::NFC;