2015Hackathon OpenWuDict

均優台語駭客松

均優學習論壇三天議程 http://quality-learning.net/2015/about/about5.php

快速連結

維基測試機：~~http://120.127.225.125/mediawiki/~~ http://120.127.229.13/mediawiki/
網頁試排：https://g0v.github.io/koktai/
- 源碼庫：https://github.com/g0v/koktai
- 華語、臺語注音符號溯源：https://g0v.github.io/koktai/phsource.txt
組字線上版：http://www.意傳.台灣/%E7%B7%9A%E4%B8%8A%E7%B5%84%E5%AD%97
- 缺字共筆：https://ethercalc.org/koktai-ids
- 源碼庫：https://github.com/sih4sing5hong5/han3_ji7_tsoo1_kian3
新臺語運動：https://github.com/g0v/taigi-neologism
- 共筆：https://g0v.hackpad.com/moed7ct-taigi-neologism
維基文庫實例：
- 康熙字典
- 佛學大辭典
- 國臺對照活用辭典 <- Work in Progress

計畫概要

說明：

《國臺對照活用辭典》進行開放內容及數位化的計畫。本書為已故台大文學院院長吳守禮教授著作，曾經由遠流出版社發行。吳氏後人基於提供大眾無償運用的理念，將本書以開放授權方式贈予中華民國維基媒體協會，結合維基社群、開放社群、企業及學術界力量，共同進行數位化工作。

本活動將使用近年常見於科技社群的活動形式「黑客松（Hackathon）」，集合開放社群工程師如唐鳳、張正一，運用半天下午的時間，將《國臺對照活用辭典》的檔案進行討論與實作，使之開放變成一個人人可以線上利用的開放計畫。預計的活動可能有聲韻學、維基媒體計畫、以及動態組字等概念之說明與實作，建議參與者攜帶筆電與無線網路。

元維基計畫頁面：https://meta.wikimedia.org/wiki/Wikimedia_Taiwan/OpenWuDict

議程申請（已完成）

參考資料

萌典松第9次的hackpad https://g0v.hackpad.com/3-moed9ct#3-moed9ct

WMFlab的申請 https://meta.wikimedia.org/wiki/Wikimedia_Taiwan/Creating_an_account_on_WMFLabs

http://www.slideshare.net/autang/koktai

前置準備

當天計畫

當天可以做的事情：

1.（技術）

1-1. 處理缺字（做extension來接收第三方，比如意傳的組字引擎的web font回傳的svg，在維基的相關網站呈現動態組字）

1-2. 接收內容組的規範，處理分類或標籤的機器人

2.（內容）

2-1. 如何把github放在維基文庫上的格式手冊。

2-2. 做一個範例，給未來維基文庫或維基字典的機器人參考。

（可參考英文版的維基文庫）

要帶去：

（文件）mediawiki extension的文件（規範說明）

（硬體）帶去可以架mediawiki的一個伺服器

現場網路

3月19號跟唐鳳討論，最長也可以到兩天（但需要準備睡袋），目前正在進行unicode與原始檔案的對應，等到對應完成後才能確定當天有什麼能夠請志工參與的。現在先暫定找一個人數可以到六十人的空間，並且我們會再帶4G的網路過去（啊當天忘記問唐鳳有沒有測試有訊號了，不過剛剛看台灣大哥大的4G訊號覆蓋圖，除了國家教育研究院最後面的訊號比較弱，應該是都有涵蓋，下面是截圖）

國教院有wifi可以用吧?
昨天 Gene Hong 和我有實測，國教院的 wifi 似乎有防火牆，某些網址無法載入。
台灣大哥大的 4G 我使用是 OK，室內訊號稍弱，但也有 1Mbps 上下。

（全球一動的覆蓋圖看起來也可以，但我之前試用的效果不是很好）

活動流程

時間	流程	分工	詳細內容
12:45-13:15	報到	Reke:提供簽到表	簽到+自由交流
13:15-13:30	任務簡報	魔法:技術提要	介紹以下四個重點：
13:30-15:10	駭客時間 Part 1	魔法:組字套件組主持	分組進行工作
15:10-15:30	充電時間	？:台語文相關提案召募時間	小講內容：
15:30-15:40	進度簡報Part 1	魔法:組字套件組進度說明	說明目前工作進度及可能需要的支援
15:40-17:15	駭客時間 Part 2	同 Part 1	同 Part 1
17:15-18:50	晚餐時間		吃飯+自由交流
18:50-19:00	工作總結	魔法:組字套件組進度說明	2.討論未來繼續工作的方式
19:30-21:00	自由活動

MediaWiki系統動態組字擴充套件(Extension)設計

在遠端主機運算

做法
- 把程式架在維基的主機上，擴充套件再連線過去取圖，就像現在意傳網站這樣
- 程式專案
  - https://github.com/sih4sing5hong5/han3_ji7_tsoo1_kian3
- 我可幫忙架設主機在維基，或者先暫時用意傳的主機
- 就暫時用意傳的主機囉

待辦事項

找函式庫產生svg

從意傳 js產生的png，把附檔名改掉就行了

http://漢字.意傳.台灣/[IDS序列].png

http://漢字.意傳.台灣/[IDS序列].svg
感謝！伺服器端可能要傳回 Content-Type: image/svg+xml 檔頭，才能使用。
另外也可以考慮加上某些 cache 機制（或 Cloudflare 之類）。

把程式改做IDS標準相容
決定注音符號的中繼符號

萌典台語典目前是用 U+FFFA 作表音中繼符：
- "\\u{FFF9}㧻破\\u{FFFA}tok-phuà\\u{FFFB}敲破"
也許我們可以約定，傳 FFFA 之後接注音就都是用注音排版？
- 以吳老的字典來說，這樣就足夠了：
  - "\\u{FFFA}ㄗˋ\\u{FFFB}"
如果額外要做到連字注音，可以寫成：
- "\\u{FFF9}字\\u{FFFA}ㄗˋ\\u{FFFB}"
- 所以\\u{FFF9}和\\u{FFFA}中間接漢字
- \\u{FFFA}和u{FFFB}中間接注音
- \\u{FFFB}後接翻譯？
- 我需要多點例子：閩南語「椅仔」和華語「一盎司」
- 送給組字引擎的應該已經切到單字層級，所以分兩筆：
- \\u{FFF9}椅\\u{FFFA}ㄧˋ\\u{FFFB}
- \\u{FFF9}仔\\u{FFFA}ㄚˋ\\u{FFFB}
- 「一盎司」則是三筆：
- \\u{FFF9}一\\u{FFFA}ㄧ\\u{FFFB}
- \\u{FFF9}盎\\u{FFFA}ㄤˋ\\u{FFFB}
- \\u{FFF9}司\\u{FFFA}ㄙ\\u{FFFB}
- 這是純文字的做法。
- 在 HTML 情況下，可以考慮只處理注音的圖形，國字我們還是用基本的 Unicode。像這樣：
- 椅<img src="//漢字.意傳.台灣/楷體/￺ㄧˋ￻.svg" alt="ㄧˋ">
- 當然如果容許加注音又組字，會很炫麗，只是字典暫時用不到... 像「上盎下司附注音」：
- ⿱\\u{FFF9}盎\\u{FFFA}ㄤˋ\\u{FFFB}\\u{FFF9}司\\u{FFFA}ㄙ\\u{FFFB}

下面這幾件事短期內我撥不出時間用

生試驗test
整理程式碼
IDS IVD支援

有標高亮度（Cmd-E）表示已檢查過、轉寫回 https://ethercalc.org/koktai-ids 試算表裡。

a0cd ⿱中一

a0e5 ⿱宀贑

a0fd ⿰口欮

fa71 ⿱丙一

fab7 ⿰巴攵

facb⿰包攵

faf1 ⿰口敝

fb73 ⿱午一

fbbf ⿰⺼憲

fbc2 ⿰扌冄

fbcb ⿰口知

fbcc ⿰⺼獻

fbcf ⿰扌閱

fbd2 ⿰歹奧

fbdc ⿰扌林

fbf2 ⿱卄一⺼

fbf9 ⿰骨亏

fbfa ⿸疒粒

fc4c ⿸疒勘

fc50 ⿰扌并(分開寫)

fc68 ⿰氵⿸厂炎

fc72 ⿸疒產

fc77 ⿰米包

fc7c ⿳艹丿恩(?)

fca8 ⿰布瓜

fccb ⿱臼丌

fcd3 ⿰亻狀

fcda ⿰不美

fcdb ⿰勿美

fce0 ⿰⻊彪

fcf7 ⿰⿳日一寸当

fd78 ⿰亻⿱夭韭

fdc5 ???

fdc7 ???

fdf7 ⿱⺮允

fe4e ⿱⺮披

fe6f ⿰衤南

fea7 ⿰扌向

fee5 ⿰扌衮

feef ⿰扌送

fef7 ⿰扌彪

fefa ⿰尔我

⿰ ⿱ ⿲ ⿳ ⿴ ⿵ ⿶ ⿷ ⿸ ⿹ ⿺ ⿻

扌阝艹氵冫辶衤礻忄釒⻊⺼刂冖⺮飠卩

豎（丨）、撇（丿）、點（丶）、捺（㇏）、折（亅）

97CB ⿱臥⿸厂虎

985c ⿵門⿱田电

98b7 ⿱妳心

98ba ⿰女⿱二女

987c ⿰食憲

9949 ⿱汝心

9962 ⿰金稾

9a7b ⿷ 匚⿳丨口丨

9c4a ???

9cdb ⿱彡儿

9ce4 ???

9ce5 ???

9cea ???

9d4a ⿰飠貴

9d6c ⿰忄天

9d7c ⿱⿰丿土巾

9dcd ⿱宀儿

9dcf ???

9dd1 ???

9dd4 ⿰夫个

9dd8 ⿳宀儿徼

9de4 ???

9ebd ⿰酉彥

9ed5 ⿰扌义

9ee7 ⿴口清

9eec ???

9efe ⿰衤莽

9f50 ⿰口⿱肀巾

9fd0 ⿱一⿲丿亅丿

a046 ⿰⺼⿱禾夕

a05c ⿰忄恖

a06b ???

a070 ???

a073 ⿱亠ㄙ

a07b ???

a0bd ???

整理出字典unicode外字，成有效的IDS

這是需要整理的清單，我們要把C欄有缺的補完 https://ethercalc.org/koktai-ids

補的方法：先用這個練習 http://意傳.台灣/線上組字#線上組字
完整的組字符在這裡⿰ ⿱ ⿲ ⿳ ⿴ ⿵ ⿶ ⿷ ⿸ ⿹ ⿺ ⿻，輸入法打不出來，就請從這邊複製貼上，他們的功能，請讀Unicode IDS，還有Unicode規格書ch11 第308頁，比較特別的「⿻」，是指把東西放在一個部件的左右兩邊，例如夾=⿻大⿰人人（理論上也有可能有上下的，有遇到再說囉）
常用部件如提手旁等，先打在這裡：扌阝艹氵冫辶衤礻忄釒⻊⺼刂冖⺮飠
1. 中日韓部首補充區塊字符表、Unicode康熙部首
2. 可以從剎那字引鍵入整字，再從頁面下方取得
3. 另法，安裝jdk跟ant，git clone https://github.com/MGdeisgner/libdgg.git，然後到libdgg/libdgg目錄，下ant run，會執行IDSdemo程式，然後先輸入有你需要部件的字，然後按「拆字」，就可以取得無法輸入的部件（但要小心有些拆出來的部件是造字區的，如果有跟上面常用部件重疊的，請改用上面的常用部件版本）
- 這樣好像會取得 U+Fxxx 的造字區部件？先打無妨，我看到會換成「扌」「⻊」
- 喔喔！！那我之後也得改single.fnt了，我會留意這件事
1. 罕見只有一筆劃的部件在這裡：豎（丨）、撇（丿）、點（丶）、捺（㇏）、折（亅）
2. 筆劃超少，很奇怪的字，也可查教育部異體字字典

用javascript直接在電腦上算圖

我可以把我的演算法整理出來
audrey：外部結構， https://github.com/g0v/idskage 做了一個起頭，也許可以檢查看看合不合適？那天黑客松如果有人有興趣，再 port 到 JS 來來。

MediaWiki Extension說明文件

任務：蒐集及整理說明文件，最好能有一些大綱可以在任務簡報時提示參與者
蒐集場
- Extension 設計手冊 http://www.mediawiki.org/wiki/Manual:Developing_extensions
- API手冊 https://www.mediawiki.org/wiki/API:Extensions
其他工作區

覺得可能要做的事就加進去，想做的就自己跳，跳完自己勾 XD

簡單的翻譯？

維基模版

Ruby Test

{{#css:MyStyles.css}}：可能需要extension:css開放，要參考正一在文庫的測試頁面再做了解。如果真的無法開啟，也可以在 Template 裡用 手動解決注音符號排版，但 WebFont 載入就沒辦法了。
{{Ruby|八|ㄅㄚ}}
{{rt|ㄅㄚ|ˊ}}

Template:Ruby (後來不使用，改成 Template:rt 如後)

<ruby>{{{1}}}<rt>{{{2}}}</rt></ruby>

Template:rt

{{{1}}}{{{2}}}

MyStyles.css

*https://gist.github.com/audreyt/07c65a5cedfd7c96042e

當日紀錄

現場直播 https://www.youtube.com/watch?v=kafGcoovYOc

方音符號

輔音（濁音）

元音

教會羅馬字＆台灣羅馬字vs通用拼音

通用拼音在濁音會注成清音

*漢語方言語區作業環境（bluebat，自由軟體中文化，訊息翻譯）

想要類似德文、中文等轉換，做閩南語的桌面環境。工作重點是把功能對照表做出來。我參加這個活動的原因，也是因為想說既然都把辭典做出來了，作業系統的功能應該也很容易。希望可以把閩南語桌面促成。

*台語輸入法 (Pierre)

這是個Android的app，大概一年多沒有改版，有點停滯，很可惜。這是我第一次做android app，想要繼續修改，大家有興趣可以到g0v的irc聯絡我。（現場有朋友在iOS做鍵盤，也許可以聯絡做台語的鍵盤輸入）

*如何用台語文操作電腦 (雋淮)

用一字多義＆台語文變調，可以把台語文轉換成英文，就可以餵給siri，於是需要台語文知識的工作者、翻譯、以及人機介面UI的專長者，歡迎有興趣跟我聯繫。

*新台語運動(Liz)

我是教育部閩南語字典的前任編輯，教育部其實自己有做輸入法，（Pierre就是用這個輸入法），教育部的台語資料庫非常的老舊，想要做年輕人可以來加入，歡迎大家從hackpad上的新台語運動說明更詳細的資訊。（說明開放原始碼的台語）

header的說明

小八卦：法文文庫其實現在是第一名，原本三年前是前三名

字典：GLAM?

教育法案整合：曾大千

學術名詞