Merge pull request #343 from sbosio/separador-tex

Separador basado en tex-hyphen-spanish

.gitignore

@@ -5,5 +5,4 @@
 .vscode
 .zed
 productos/
-.versiones.cfg
 contrib/

.versiones.cfg-EJEMPLO → .versiones.cfg

@@ -1,14 +1,13 @@
 # asignación de variables en lenguaje shell de Bash
 #
 # CORRECTOR, versión de la edición actual del corrector ortográfico
-CORRECTOR="2.5"
+CORRECTOR="2.9"
 
 # SEPARACION, versión de la edición actual del patrón de silabeo
-SEPARACION="0.2"
+SEPARACION="5.0"
 
 # SINONIMOS, versión de la edición actual del patrón de silabeo
 SINONIMOS="24/02/2013"
 
 # LO_DICTIONARIES_GIT, ruta a la copia local de https://gerrit.libreoffice.org/admin/repos/dictionaries
 LO_DICTIONARIES_GIT="/home/olea/git/libreoffice-dictionaries/"
-

herramientas/plantillas-exportación/plantilla-oxt/README_hyph_es.txt

@@ -23,21 +23,23 @@ SUMARIO
 inicialmente por Santiago Bosio; mediante el uso de la herramienta libre
 "patgen" y datos de entrenamiento etiquetados manualmente.
 
+Actualmente, se genera a partir del proyecto "tex-hyphen-spanish" de Javier
+Bezos, adaptado por Edward Villegas.
+
 2. LICENCIA
 
    Este listado de patrones para separación silábica, integrado por el
-fichero hyph_es_ANY.dic se distribuye bajo un triple esquema de licencias
+fichero hyph_es.dic se distribuye bajo un triple esquema de licencias
 disjuntas: GNU GPL versión 3 o posterior, GNU LGPL versión 3 o posterior, ó
 MPL versión 1.1 o posterior.  Puede seleccionar libremente bajo cuál de
 estas licencias utilizará este diccionario.  En el fichero LICENSE.md
-encontrá más detalles.
-
-3. COLABORACIÓN
+encontrará más detalles.
 
-   Este diccionario es resultado del trabajo colaborativo de muchas personas.
-La buena noticia es que ¡usted también puede participar!
+El fichero retiene por obligación la licencia del fichero original para TeX,
+disponible bajo licencia MIT, cuya transformación se distribuye como parte
+del diccionario bajo el esquema de licenciamiento descrito.
 
-   ¿Tiene dudas o sugerencias? ¿Desearía ver palabras agregadas, o que se
-realizaran correcciones? Consulte las indicaciones técnicas publicadas en
-CONTRIBUTING.md. Estaremos encantados de atenderle.
+3. COLABORACIÓN
 
+   Puede reportar errores del separador directamente al proyecto
+tex-hyphen-spanish.

separacion/README.md

@@ -9,28 +9,27 @@ preparados para funcionar con la herramienta
 modificada de los patrones para el [sistema de separación silábica
 utilizado por _TeX_](http://www.tug.org/docs/liang/).
 
-La biblioteca _Hyphen_ posee características avanzadas para dar soporte 
+La biblioteca _Hyphen_ posee características avanzadas para dar soporte
 a la separación silábica de palabras compuestas y reglas no estándares,
 además de admitir codificaciones de caracteres multibyte como _UTF-8_.
 
-El listado de patrones de separación silábica ha sido generado por
+El listado de patrones de separación silábica fue generado inicialmente por
 Santiago Bosio, utilizando la herramienta
 [_patgen_](https://linux.die.net/man/1/patgen), escrita inicialmente
-por Frank Liang y basada en el algoritmo de Donald Knuth.
-
-La herramienta __patgen__ produce un listado de patrones con el formato
-_Tex_,  procesando el fichero
-[_entrenamiento.txt_](https://github.com/sbosio/rla-es/blob/master/separacion/entrenamiento.txt),
-que contiene más de 8.000 lemas elegidos al azar del listado de palabras
-del diccionario, y que han sido separados manualmente en sílabas, intentando
-respetar las reglas y recomendaciones indicadas en el apartado referido a la
-[utilización del guion como signo de división de palabras](http://lema.rae.es/dpd/srv/search?id=cvqPbpreSD6esL3ahc)
-del Diccionario Panhispánico de Dudas.
+por Frank Liang y basada en el algoritmo de Donald Knuth. A partir del
+2024-12-27, se genera a partir de los patrones del proyecto
+[tex-hyphen-spanish](https://github.com/jbezos/tex-hyphen-spanish/blob/master/tex/hyph-es.tex).
 
 Finalmente, el listado en formato _Tex_ se procesa con la herramienta
 [_substrings.pl_](https://github.com/hunspell/hyphen/blob/master/substrings.pl)
 para producir el fichero con el formato correcto para _Hyphen_.
 
+Para actualizar los patrones desde el proyecto "tex-hyphen-spanish", ejecute:
+
+```
+source build_hyph_dic.sh
+```
+
 Puede obtener más información sobre diccionarios de separación silábica
 consultando
-[este enlace](http://localization-guide.readthedocs.org/en/latest/guide/hyphenation.html).
+[este enlace](https://localization-guide.readthedocs.org/en/latest/guide/hyphenation.html).

separacion/build_hyph_dic.sh

@@ -0,0 +1,15 @@
+#!/usr/bin/bash
+
+# Se usa como fuente los patrones para patgen de tex-hyphen-spanish
+wget https://raw.githubusercontent.com/jbezos/tex-hyphen-spanish/refs/heads/master/tex/hyph-es.tex
+# Se hace uso de `substrings.pl` de Hunspell para convertir a Libhnj
+wget https://raw.githubusercontent.com/hunspell/hyphen/refs/heads/master/substrings.pl
+perl substrings.pl hyph-es.tex hyph_es.dic
+# Ajustes a `hyph_es.dic`
+sed -i -e '/^}/d' -e '1s/^/UTF-8\nLEFTHYPHENMIN 2\nRIGHTHYPHENMIN 2\n/' hyph_es.dic
+# Se remueven fuentes externas
+rm hyph-es.tex substrings.pl
+# Tests
+sed '/^%/d' hyph_es.dic | tr '\n' ' ' | sed 's/UTF-8 LEFTHYPHENMIN 2 RIGHTHYPHENMIN 2 //g' > hyph_es_test.dic
+python hyphenate.py
+rm hyph_es_test.dic