如何在 Cocoa / Cocoa Touch / Foundation 中自定义 CFString 音译

Question

我正在探索如何使用 CFStringTransform 到 transliterate texts in Hebrew 并且我遇到了一些不一致之处，其中应该以不同方式发音的字母以完全相同的方式书写或 Apple 未考虑的特殊情况算法。

Kaf (כּ → K) vs Khaf (כ → Ḵ)

• כִּי（“因为”）

  let string = NSMutableString(string: "כִּי")
  CFStringTransform(string, nil, kCFStringTransformLatinHebrew, true)
  print(string) // prints "ki̇y"
  

• שָׁכָחְתִּי（“我忘了”）

  let string = NSMutableString(string: "שָׁכָחְתִּי")
  CFStringTransform(string, nil, kCFStringTransformLatinHebrew, true)
  print(string) // prints "şá̌káẖĕţi̇y" instead of "şá̌ḵáẖĕţi̇y"
  

虽然 כִּי 中的 kaf 发音像英语中的 K，但 שָׁכָֽחְתִּי 中的 khaf 发音为 loch 或 Bach，通常音译为 CH、KH 或Ḵ。但是，这两个字母都音译为 K。

Pei (פּ → P) vs Fei (פ → F)

• פַּרְעֹה（“法老”）

  let string = NSMutableString(string: "פַּרְעֹה")
  CFStringTransform(string, nil, kCFStringTransformLatinHebrew, true)
  print(string) // prints "pȧrĕʻòh"
  

• יוֹסֵף（“约瑟夫”）

  let string = NSMutableString(string: "יוֹסֵף")
  CFStringTransform(string, nil, kCFStringTransformLatinHebrew, true)
  print(string) // prints "ywòsép" instead of "ywòséf"
  

虽然 פַּרְעֹה 中的 pei 发音像英语中的 P 发音（并相应音译），但 יוֹסֵף 中的（尾随）fei 发音像 F （并相应地音译）。但是，两者都用P音译。

带 pataḥ g'nuva 的尾随辅音

来自英文维基百科Hebrew vocalization的文章：

单词末尾字母 ח, ע, ה 上的 patach 在字母之前而不是之后发声。因此，נֹחַ (Noah) 发音为 /ˈno.ax/。这仅出现在单词的末尾，并且仅出现在 patach 和 ח、ע 和 הּ（即 ה 中带有点 (mapiq)）。这有时被称为 patach ganuv，或“被盗”的 patach（更正式地说，“偷偷摸摸的 patach”），因为声音“窃取”了一个想象中的附加辅音，使额外的音节成为可能。

但是：

• תַפּוּחַ（“苹果”）

  let string = NSMutableString(string: "תַפּוּחַ")
  CFStringTransform(string, nil, kCFStringTransformLatinHebrew, true)
  print(string) // prints "ţaṗẇẖa" instead of "ţaṗẇaẖ"
  

---

问：如何更改CFStringTransform 的行为以解决这三种情况？

从reference for CFMutableString中，我们看到CFStringTransform作为transform:参数

标识要应用的转换的 CFString 对象。有关有效值的列表，请参阅 Transform Identifiers for CFStringTransform。在 OS X v10.4 及更高版本上，您还可以使用在 ICU User Guide for Transforms 中定义的任何有效 ICU 转换 ID。

从the documentation 看来，ICU 转换的规则足够灵活，可以自定义。甚至还有一个rule editor 可以从their playground 访问，但是，虽然我发现a Stack Overflow question 可以处理一些切线相似的事情，但我找不到针对RTL 语言的明确记录方法。

Answer 1

据我所知，通过在中文和日文中使用它，CFStringTransform 逐个标记地工作，而不是将单词作为一个整体（可能是多个标记长）考虑在内。因此，当需要考虑多个标记时，音译将受到限制/不正确。我希望我的假设是正确的，这也是您在希伯来语中的问题的根源（请告知）。

我发现在这种情况下，通过使用CFStringTokenizer 对文本进行标记，然后使用CFStringTokenizerCopyCurrentTokenAttribute() 方法依次获取每个标记的拉丁音译，我发现音译更准确。这方面的一个例子——我认为在 Objective C 中，尽管这种情况下的语法与 Swift 非常相似——给出了here。