Pure Rubyで漢字-->ローマ字（英字）変換(feat. suika, romaji)

RubyやRailsで独立に使える漢字をローマ字に変換する方法

1. 序論

Rubyで漢字を、カナやひらを経って、ローマ字に変換するGemは、kakasi, miyabi, zipang, nattoのようにすでにいくつかあります。
しかし、これらは、古くて最新Ruby Ver.3でバグったり、CやJavaのような外部ライブラリを用いるのでインストールが面倒だったり、httpリクエスト通信するので遅かったりする問題があります。

そこで、最近Suikaという形態素解析器Gemを見つけました。
Suikaは漢字をカナに変換できるので、romaji Gemと合わせて、漢字をローマ字に変換する方法を思いついたので、共有を兼ねてメモします。

テスト環境：

ruby --version
# ruby 3.0.0p0 (2020-12-25 revision 95aff21468) [x86_64-linux]

2. Gem紹介

2.1 Suika (last updated at 2021)

本家のブログ-->https://yoshoku.hatenablog.com/entry/2020/07/05/090000
Github-->https://github.com/yoshoku/suika

用途：漢字-->カナ

なぜか食べ物の名前をしているこのGemは、日本語の形態素解析器です。
Pure Rubyなので、外部ライブラリが必要なく、インストールが簡単です。
なお、Suika単体ではローマ字に変換はできないので、後にromaji Gemと合わせて使います。

2.1.1 インストール方法：

gem install suika

2.1.2 使用方法：

require 'suika'

tagger = Suika::Tagger.new
tagger.parse('すもももももももものうち').each { |token| puts token }

# すもも  名詞,一般,*,*,*,*,すもも,スモモ,スモモ
# も      助詞,係助詞,*,*,*,*,も,モ,モ
# もも    名詞,一般,*,*,*,*,もも,モモ,モモ
# も      助詞,係助詞,*,*,*,*,も,モ,モ
# もも    名詞,一般,*,*,*,*,もも,モモ,モモ
# の      助詞,連体化,*,*,*,*,の,ノ,ノ
# うち    名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ

2.2 romaji (last updated at 2017)

Github-->https://github.com/makimoto/romaji

用途：カナ/ひら-->Romaji

割と認知度の高いGemで、漢字からの変換はできないけれど、かなやひらをローマ字に変換してくれます。

2.2.1 インストール方法：

gem install romaji

2.2.2 使用方法：

require "romaji"

Romaji.kana2romaji "スシ" #=> "sushi"
Romaji.romaji2kana "sushi" #=> "スシ"
Romaji.romaji2kana "sushi", :kana_type => :hiragana #=> "すし"

3. Suika X romajiサンプルコード

この二つを合わせて、漢字-->Romaji変換スクリプトを書きます。
例）

require 'suika'
require "romaji"
$tagger = Suika::Tagger.new # Slow why?

def kanji_to_romaji(word)
  kana_arr = $tagger.parse(word).map{ |w| 
    if w.split(',')[-1] != '*'
      w.split(',')[-1] # Get last kana
    else
      w.split("\t")[0] # Get original
    end
  }
  romaji = kana_arr.map{ |k| Romaji.kana2romaji(k) }.join()
  return romaji
end

kanji_to_romaji('Suikaは、まだ、遊んでみるには良いけど、使ってはいけない。')
# "suikawa、mada、asondemiruniwayoikedo、tsukaxtsutewaikenai。"
kanji_to_romaji('湯川 秀樹は、日本の理論物理学者。')
# "yukawa hidekiwa、nipponnorironbutsurigakusha。"

4. 今後

上記例文で、if...else...は、単語帳にない名詞などのカナが'*'になる問題があるので入れました。これはSuikaの機能が増えるとよりスッキリなると思います。
また、Suikaでromajiを取り入れると、もっと簡単に漢字にローマ字に変換してくれると思います。