語料庫文字未顯示連字號

Question

我在文字集（Text Collection）中顯示某項資源的文字時遇到了問題。您可以自行下載資源 ShuLatn（語言為阿拉伯語，代碼 shu-Latn），並將其加入文字集視窗。點擊文字清單中的藍色 ShuLatn 連結，右側展開的文字便不再顯示連字號：

image777×298 84.5 KB

這些都是標準的 U+002D 連字號字元。您可以看出它並非完全移除了連字號，因為例如 al-makruubiin 這個詞仍然被換行斷開。但連字號本身卻不見了。

我在語言屬性中看到，連字號被列為斷字字元（word-breaking character）（而非詞內標點），但如果這只是問題所在，那麼至少當一個詞被換行斷開時，應該會顯示該連字號。

我無法直接存取這個專案（它位於 DBL 中），但如果解決方案需要對專案進行修改，我相信我們可以協調進行變更。

機器翻譯自 English 顯示原文

Answer 1

其實，現在我閱讀了指南中關於斷字（word break）的定義後，我認為這種行為是合理的：
「如果您的專案書寫系統通常不使用空格來表示斷字，請在此輸入您在專案文字中用來表示斷字的字元。如果您希望在長行換行時顯示連字號，請在方框中的字元緊接著輸入 (00AD) – 包含括號 – 。」

因此，我認為我應該從斷字字元欄位中移除連字號。我猜測，如果我將其加入詞內標點（punctuation inside a word）欄位，它就會將 “l-iid” 和 “al-waali” 視為一個詞。也許最好哪裡都不放，這樣它就會被當作標點處理。（它不在字母字元清單中。）這個分析聽起來準確嗎？

機器翻譯自 English 顯示原文

Comments

jeffh - 如果您希望連字號始終顯示在詞中，您需要將其加入「詞中標點」（Word Medial Punctuation）方框。如果您未將其包含在詞中標點中，您將無法在詞彙清單中看到這些詞。

機器翻譯自 English 顯示原文

Answer 2

在這種語言中，連字號基本上是用來分隔兩個詞的，但這就是其正字法（orthography）的寫法。例如，“al-raajil” 的意思是「那個男人」。因此，在詞彙清單中將 “al” 與 “raajil” 視為分開的詞，應該不會造成真正的問題。

機器翻譯自 English 顯示原文

Answer 3

據我所知，只有東南亞的正字法（泰文、寮文、緬文和柬文書寫系統）需要這些字元。也許應該在語言設定中加入一個警告，指出如果某個字元被放入斷字字元（Word Break Character）欄位，它將不會在預覽模式（Preview mode）或排版輸出中顯示。

機器翻譯自 English 顯示原文