--itaiji-json 用JSONファイル目録
July 4, 2026
--itaiji-json 用JSONファイル目録
#
gy_dhsjr_link.py の --itaiji-json オプションに指定するために作成した
異体字ペアJSONの目録である。各ファイルは基本的に
[{"c1": "字A", "c2": "字B"}, ...] 形式のペアリストである。
一覧 #
| ファイル名 | 件数 | 位置づけ | 由来・内容 | 利用上の注意 |
|---|---|---|---|---|
itaiji_gy_compare.json | 870 | 本運用寄り | 廣韻.csv と sbgy.xml の見出し字差分から作成した異体字ペア。 | 宋本廣韻データ同士の字体差に基づくため、比較的使いやすい。 |
itaiji_jisx0213.json | 1,320 | 本運用寄り | CJKVI jisx0213-variants.txt 由来の関連字ペア。 | DHSJR の見出し字正規化方針と関係が深い。 |
itaiji_cjkv_simplified-variants.json | 16,786 | 本運用寄り・要注意 | CJKV 系の簡体字・異体字対応表由来。 | 件数が多く、unmatched は減るが multi 増加に注意。 |
itaiji_jp-old.json | 1,093 | 補助 | 日本語新旧字体対応由来。 | 全体改善効果は小さいが、一部の新旧字体差の補助に使える。 |
itaiji_krm_gy_attested.json | 1,618 | 本運用寄り | KRM 側で廣韻同字確認済みとみなした異体字ペア。 | KRM 由来の異体字に有効。DHSJR 全体では multi 増加も確認する。 |
itaiji_krm_unverified_20260626.json | 60 | 実験・要確認 | KRM 未収録例から手作業で作成した未検証ペア。 | 検証済みではないため、利用時は差分確認が必要。 |
gy_kakko_itaiji.json | 238 | 実験・追加候補 | 廣韻照合過程で抽出した括弧付き字形などの追加異体字候補。 | 出典・採否を確認しながら使う。 |
checked_unmatched_chars_in_cjkvi_variant.json | 4,002 | 確認結果・派生候補 | unmatched 字を CJKVI variants 系データで確認した候補。 | そのまま本運用に入れる前に、対応関係の妥当性を精査する。 |
推奨運用 #
当面は各JSONを統合せず、由来別の正本として保持する。統合版が必要な場合は、 手作業で編集せず、元JSONから生成する派生ファイルとして作成する。
比較的安全に使いやすい組み合わせは次のとおりである。
--itaiji-json itaiji_gy_compare.json,itaiji_jisx0213.json,itaiji_krm_gy_attested.json
より広く拾う場合は、CJKV 簡体字・異体字対応や未検証ペアも追加できるが、
unmatched 減少と同時に multi が増えるため、実行結果の
dhsjr_gy_multi.tsv を必ず確認する。
--itaiji-json itaiji_gy_compare.json,itaiji_jisx0213.json,itaiji_cjkv_simplified-variants.json,itaiji_jp-old.json,itaiji_krm_gy_attested.json,itaiji_krm_unverified_20260626.json
整理方針 #
- ファイル名変更やディレクトリ移動は、既存 docs の実行例を更新してから行う。
- 将来的には
itaiji_maps/などのディレクトリへ集約する。 - 統合JSONを作る場合も、由来別JSONを正本として残す。
checked_unmatched_chars_in_cjkvi_variant.jsonのような確認結果は、採用済みペアと候補を分けて管理する。