Japonca metni çift tıkladığınızda Chrome, neyi vurgulayacağınıza nasıl karar verir?

Chrome'da İngilizce metne çift tıklarsanız, tıkladığınız boşlukla ayrılmış kelime vurgulanır. Bu şaşırtıcı değil. Ancak, geçen gün Japonca bazı metinleri okurken tıklıyordum ve Japonca'da boşluk olmamasına rağmen bazı sözcüklerin sözcük sınırlarında vurgulandığını fark ettim. Aşağıda bazı örnek metinler verilmiştir:

ど こ で 生 れ た か と ん と 見 当 が つ か ぬ. 何 で も 薄 暗 い じ め じ め し た 所 で ニ ャ ー ニ ャ ー 泣 い て い た 事 だ け は 記憶 し て い る.

Örneğin, 薄 暗 い seçeneğine tıklarsanız, tek bir karakter sınıfı olmasa bile Chrome, tek bir kelime olarak doğru bir şekilde vurgulayacaktır (bu, kanji ve hiragana'nın bir karışımıdır). Tüm vurgulamalar doğru değil, ancak rastgele görünmüyor.

Chrome burada neyi vurgulayacağınıza nasıl karar veriyor? "Japonca kelime" için Chrome kaynağını aramayı denedim, ancak yalnızca Chrome sürümümde etkin görünmeyen bir deneysel modül için testler buldum .

Yani v8'in standart olmayan çok dilli bir kelime segmenteri var ve Japonca'yı ele alıyor.

function tokenizeJA(text) {
  var it = Intl.v8BreakIterator(['ja-JP'], {type:'word'})
  it.adoptText(text)
  var words = []

  var cur = 0, prev = 0

  while (cur < text.length) {
    prev = cur
    cur = it.next()
    words.push(text.substring(prev, cur))
  }

  return words
}

console.log(tokenizeJA('どこで生れたかとんと見当がつかぬ。何でも薄暗いじめじめした所でニャーニャー泣いていた事だけは記憶している。'))
// ["どこ", "で", "生れ", "たか", "とんと", "見当", "が", "つ", "か", "ぬ", "。", "何でも", "薄暗い", "じめじめ", "した", "所", "で", "ニャーニャー", "泣", "い", "て", "いた事", "だけ", "は", "記憶", "し", "て", "いる", "。"]

Bunu gösteren bir jsfiddle da yaptım .

Kalitesi şaşırtıcı değil ama bu hiç desteklendiğine şaşırdım.

JonathonW tarafından gönderilen bağlantılara dayanarak , cevap temel olarak şuraya kayıyor: "Bir kelimeyi çift tıklayıp tıklamadığınızı görmek için Japonca kelimelerin büyük bir listesi ve Chrome kontrolleri var."

Özellikle, v8 kullandığı yoğun bakımda Unicode ilgili metin işleme şeyin oluşturduğu grup var kelimelere metin kesiliyor dahil . ICU sınır algılama kodu, Japonca, Çince, Tay Dili vb. Dahil boşluk içermeyen diller için "Sözlük Tabanlı BreakIterator" içerir .

Ve spesifik "薄 暗 specific" örneğiniz için, bu kelimeyi YBÜ tarafından gönderilen kombine Çince-Japonca sözlüğünde bulabilirsiniz (satır 255431). Şu anda listede toplam 315,671 Çince / Japonca kelime var. Muhtemelen Chrome'un düzgün bölünmediği bir kelime bulursanız, bu kelimeyi eklemek için YBÜ'ye bir yama gönderebilirsiniz.