kmj

komyoji html to offtext

dump 抓網頁

從光明寺網站取回html，放到 html/?n 目錄，去除中間目錄。

node crawl [pat]
pat: dn,mn,sn,an,kn

tidy 簡化標記

將光明寺 html 轉為純文本。行首置欄位類型。 ㊣巴利原文 ㊔名詞 ㊒動詞 ㉆日譯 ㊟注文

node tidy [bkid]
bkid 為每一冊的檔名或集合名（如kn 代表所有小部的經）
bkid 沿用suttacentral 命名規則

lexicon 產生字典

lemma = entry + nth sense (nth==0 可省略) lemma 為語義確定的form lemma串，去掉標點符號。

node lexicon 

每個詞叫form ，form 是在經文呈現出的單詞拼法， kmj 拆分帶屬性的詞為 entry 。 lexicon = 以entry為主鍵的詞典，每個entry 有 sense 的陣列。

grammar 逐詞文法

產生每一冊的逐字文法檔

node grammarlist [bkid]

搭配 accelon/cs

產生 cs 需要的對照表

node gen-cs

產生 日譯對齊文件 到 off

node gen-jp