10月 192018
 

玩 bookdown 直接催生了两个包的诞生。上一篇说了 bookdownplus, 这回说说 pinyin。

时隔一年多,我再回头去看 pinyin 这个包,就跟回顾 bookdownplus 是类似的:这玩意儿也算个包?

(1)

先说说 pinyin 包的来历。使用 bookdown 写书,bookdown 会以各章标题为名称,来生成对应的 html 文件。如果标题是英文,那 html 文件就跟标题相同,而标题一般是不会重复的,html 文件自然也不会重名;如果标题是中文,那 html 就生成一串谁也看不懂的字符,只要不重复就行。然而我发现了一个问题,就是如果标题是中英文混合,那么 bookdown 只提出其中的英文,来作为 html 文件的标题,这样出现不同章节重名的可能性非常大。

例如,如果某章的标题是“R 语言入门”,另一章标题是“R 语言进阶”,通过bookdown 生成的 html 文件,这两章都是 r.html。一发现重名,bookdown 就报错(后来新版 bookdown 解决了这个问题,不表)。

当然,手动在标题后面用花括号指定一下 html 的文件名就行了,但是我突然有了个主意:何不写个 R 包,自动把标题里的汉字转换成拼音呢?

一年多过去,回顾一下,这个想法真是蠢极了。因为,写完《学 R》一书,我就再也没有写过一本像样的中文书或中文文档,这个预想的功能一次也没用上。完全是屠龙之技。

不过当时还是很兴奋的。年轻嘛,就像钱锺书说的,“年轻的时候,我们容易把自己的创作冲动理解为创作才能。”捋袖子就干,pinyin 包很快就写好并发布到 CRAN 了。它不仅能把 markdown 文档标题的中文转换成拼音,还顺带着能把任一汉字字符串转换成拼音,还能把一个文件夹的所有中文文件名都批量重命名为拼音,这个工作太了不起了,太伟大了,直到放了一段时间,我再回头看,我的天,我引以为荣的这个所谓的包,本质上不就是个查找替换吗。

顿时意兴阑珊。

(2)

pinyin 包在 CRAN 的发布跟 bookdownplus 一样,也遇到了很多意想不到的周折,类似的就不重复说了。值得一提的是, pinyin 包因为自身的特殊性,遭遇了一些特殊的待遇。

比如说,CRAN 要求给出函数的示例。

我的示例是把几个中文字符转换成拼音的拉丁字母。

CRAN 说不行,示例里不能含有中文字符。

一个处理中文的函数,不让拿中文字符示例?于是我把示例删了。

CRAN 说不行,必须给示例。

我……我就在函数里添加了个参数,让它默认为 NA,然后函数内部判断它是不是 NA。如果是 NA,就打印一段文字:“The stupid fault belongs to CRAN.” 示例的时候用默认值。

这回 CRAN 通过了。

但是这对用户不友好啊。于是我就用中文写了一篇 vignette,方便中文用户看到中文示例。

这样度过了短暂的一段平静时光。突然有一天,CRAN 发信来,说这个 vignette 有这样那样的问题,要求 2018 年元旦之前必须整改,否则取缔。

这是个群发邮件,发给多个包的作者,我却没读懂。过了一段时间再读,仍然读不懂。有个同病的包作者还发信问我是怎么解决的,我回信说我没解决。

业余真是要命啊。

圣诞节我就度假去了,把这事儿抛到了九霄云外。一直到了 5 月,《学 R》一书出版,有读者发信问:照书上说的方法安装 pinyin 包,装不上去,CRAN 上没有。

我一看,CRAN 果不食言,把 pinyin 给下架了。

书里的字改不了,为了避免读者误解,我把 pinyin 包的 vignette 删掉,重新提交了一次。CRAN 的规则虽然很硬,但管理员还是很友好的,于是 pinyin 重新上架了。所以如果用 beginr::plotpkg('pinyin') 来回顾一下 pinyin 包的日下载量,就会发现今年上半年是空白,那就是取缔期。

(3)

这样一个爹不疼妈不爱的包,原以为就这样了此残生,没想到突然意外焕发了生机。

生机来自美国的一位华人用户。他在科研工作里遇到一点麻烦,需要将三十多万个中文姓名转换成拼音。此外,他还要比较很多汉字的字型。他发信给我,说 pinyin 包帮他解决了这个问题。而他将 pinyin 包的函数做了优化,转换效率提高了四倍以上,并且稍加修改,支持将汉字转换成四角号码和五笔代码。他一口气把新代码都发给了我。

几十亿人里,八竿子打不着的两个人,以这种方式取得了联系,这种感觉我很难去描述。我发明的屠龙之技,意外地被另一个世界的勇士真的拿去屠龙了,这种感觉也很难去形容。

我把他的代码稍作修改,加入了 pinyin 包,把这位热心用户列入了合作作者。

再后来,又有人说,pinyin 包转换的五笔字符是 98 版,能不能支持 86 版?

啥,五笔还有不同的版?

我强忍着好奇心没去深究,只是找了个 86 版的五笔字典,加入了 pinyin 包。并且,为了避免将来在这个问题上无休无止,我重新架构了一下 pinyin 包,允许用户想用什么字典就用什么字典,只需要预先载入一下即可。也就是说,用户指定个文本文件,里面是逗号分隔的两列,那么,pinyin 包就按这个对应关系,对汉字或其他单个字符进行转换。

本质上,就是个映射好的查找和替换。

我想,这回应该算是一劳永逸了吧。

 填写评论

To create code blocks or other preformatted text, indent by four spaces:

    This will be displayed in a monospaced font. The first four 
    spaces will be stripped off, but all other whitespace
    will be preserved.
    
    Markdown is turned off in code blocks:
     [This is not a link](http://example.com)

To create not a block, but an inline code span, use backticks:

Here is some inline `code`.

For more help see http://daringfireball.net/projects/markdown/syntax

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

(必填)

(必填)

This site uses Akismet to reduce spam. Learn how your comment data is processed.