源自術語詞典API項目 · Issue #85 · program-in-chinese/overview, 打算先用早先的代碼提取JDK API中的類/方法/參數名, 看看有哪些詞需要翻譯.
源碼在program-in-chinese/programming_term_dictionary
類型名提取器.java 擴展了語法樹遍歷器, 對公開(public)的類型/方法/參數進行保存:
public class 類型名提取器 extends ASTVisitor {
private 類型名 名 = new 類型名();
private String 當前類名 = "";
@Override
public boolean visit(MethodDeclaration 方法節點) {
String 當前方法名 = 方法節點.getName().getFullyQualifiedName();
if (爲公開聲明(方法節點)) {
名.方法名.put(當前方法名, 當前類名);
}
for (Object 參數 : 方法節點.parameters()) {
VariableDeclaration 變量聲明 = (VariableDeclaration) 參數;
String 參數名 = 變量聲明.getName().getFullyQualifiedName();
// 忽略所有單字母參數名. TODO: 是否需要研究單字母命名?
if (參數名.length() > 1) {
名.參數名.put(參數名, 當前類名 + "." + 當前方法名);
}
}
return super.visit(方法節點);
}
@Override
public boolean visit(TypeDeclaration 類型節點) {
if (爲公開聲明(類型節點)) {
// TODO: 取完整類名(包括包名)
當前類名 = 類型節點.getName().getFullyQualifiedName();
名.類名.put(類型節點.getName().getFullyQualifiedName(), 當前類名);
}
return super.visit(類型節點);
}
public 類型名 獲取名() {
return 名;
}
private boolean 爲公開聲明(BodyDeclaration 節點) {
return (節點.getModifiers() & Modifier.PUBLIC) != 0;
}
public class 類型名 {
public Map<String, String> 類名 = new HashMap<>();
public Map<String, String> 方法名 = new HashMap<>();
public Map<String, String> 參數名 = new HashMap<>();
}
}
遍歷JDK類型名.java 暫時只對util部分進行分析
public class 遍歷JDK類型名 {
private static final ASTParser 語法解析器 = ASTParser.newParser(AST.JLS8);
// JDK源碼內路徑
private static final String 常量_源文件路徑 = "java/util";
private static final String 常量_輸出文件路徑 = "命名列表/";
private static final 類型名提取器 提取器 = new 類型名提取器();
/**
*
* @param 參數 第一個參數爲JDK路徑。可由JDK目錄下的src.zip解壓。
* @throws Exception
*/
public static void main(String[] 參數) throws Exception {
if (參數.length != 1) {
System.out.println("需要JDK源碼路徑作爲唯一參數");
return;
}
文件功用.創建路徑(常量_輸出文件路徑);
處理Java文件(new File(參數[0] + 常量_源文件路徑));
類型名 名 = 提取器.獲取名();
// 從方法列表中刪除所有構造方法
for (String 類名 : 名.類名.keySet()) {
名.方法名.remove(類名);
}
String 後綴 = "_" + 常量_源文件路徑.replaceAll("/", "_");
文件功用.寫行入文件(名.類名, 常量_輸出文件路徑 + "類" + 後綴 + ".txt");
文件功用.寫行入文件(名.方法名, 常量_輸出文件路徑 + "方法" + 後綴 + ".txt");
文件功用.寫行入文件(名.參數名, 常量_輸出文件路徑 + "參數" + 後綴 + ".txt");
System.out.println("提取完畢: " + 名.類名.size() + "類;" + 名.方法名.size() + "方法;" + 名.參數名.size() + "參數");
}
private static void 處理Java文件(File 路徑) throws Exception {
if (路徑.isFile()) {
if (路徑.getName().endsWith(".java")) {
解析Java文件(路徑);
}
} else {
File[] 文件 = 路徑.listFiles();
if (文件 != null) {
for (File 某文件 : 文件) {
處理Java文件(某文件);
}
}
}
}
private static void 解析Java文件(File 文件) throws Exception {
語法解析器.setSource(文件功用.取源文件文本(文件).toCharArray());
語法解析器.createAST(null).accept(提取器);
}
}
初步統計:
提取完畢: 332類;1172方法;449參數
按照駱駝命名對提取出的命名進行單詞拆分後, 得到902個單詞, 其中有不少同根詞, 如:
sequence
sequential
split
splittable
token
tokenizer
word
words
write
writer
zone
zoned
還有不少不明所以的:
csn
em
fd
接下去將拆分出的單詞與源API聯繫起來, 以便翻譯時結合原API語義(已更新上面的源碼). 比如csn來源於java.util.Formatter.Formatter(String fileName, String csn, Locale l)
, javadoc中意爲The name of a supported {@linkplain java.nio.charset.Charset charset}. 真猜不到.
順便對所有java/下的源碼進行統計:
1579類;5093方法;2022參數
2752個單詞
5倍左右數量的API但單詞數只有3倍, 看來複用率蠻高. 總單詞表在此.
2018-08-27