國臺對照活用辭典

轉換步驟

.dic／附錄重產 pug/

目前轉換入口是 Bun／TypeScript pipeline：

bun install
bun run gen:pug     # 重產 pug/*.pug
bun run diff:pug    # 與已提交 pug/ 做全文 byte-identical 對照（CI 閘門）
bun run check       # tsgo --noEmit

整條轉換鏈為 TypeScript（lib/dic/：CP950 recode → analyse → unescape → finalize），建置只需要 bun、tsgo；造字時 cargo（koktai-font）。 Perl 與 Python 不是建置必要條件；歷史對照見 archive/README.md（PARITY_LEGACY=1）。 archive/font-hfn-c/ 為已退役的 C／libgd 造字工具鏈。

結構化資料

Issue g0v/koktai#3 requested a better machine-readable representation of the word-entry pronunciations. The extractor keeps the website render pipeline byte-identical, but also emits structured pronunciation data under data/.

bun run extract:readings  # JSONL + stats + anomaly ledger
bun run export:tei        # TEI pronunciation/usg export

Outputs:

• data/koktai-sinogram-readings.jsonl — per-sinogram ~fm7; reading blocks.
• data/koktai-word-readings.jsonl — word entries with structured 台語 reading tokens.
• data/extract-stats.json — corpus counters and coverage.
• data/extract-anomalies.jsonl — preserved parse/round-trip anomaly records.
• data/koktai-pron.tei.xml — TEI pronunciation/usg layer for scholarly reuse.

The JSONL schema lives in lib/extract/types.ts. The data inherits the source license, CC-BY-SA 3.0 TW. Credit: the extraction target and examples came from @sih4sing5hong5's issue #3 report and han2edu normalization behavior.

補字形圖檔

此節僅在需要重產造字圖檔（img/k、img/m3，已提交）時使用， 不屬於建置流程；建置本身只需要 bun 與 tsgo。

驅動造字腳本為 Bun／TypeScript（scripts/font/、lib/font/）與 Rust xfn2gif；bun install 會裝好 sharp 做 GIF→PNG。

首次重產造字 GIF 請建置 Rust 工具（取代下方 C／libgd 步驟）：

bun run font:build   # 或 cargo build --release -p koktai-font

產出 target/release/xfn2gif，由 bun run gen:maps-gif／gen:missing-gif 使用。 k.json／m3.json 可由 bun run gen:font-json -- k|m3 從 usrfont.lst 重產（取代 archive/gen-json.pl；鍵為原始 Big5 位元組對，非 CP950 解碼字元）。

歷史 C 編譯步驟（僅參考）：

cd archive/font-hfn-c/gd1.3
make clean all
cd ..
# 見 archive/font-hfn-c/README.md

3. in the project root, run bun run gen:pug && bun run diff:pug to update and verify pug/
4. in font/, run make missings_to_png（依序執行 bun run gen:missing-gif 找出缺圖、 重新命名並轉成 PNG，等同原本 missings_to_gif.py + rename_gifs.py + gif_to_png.py）
5. move the PNG files within font/k and/or font/m3 into respectively img/k and/or img/m3

吳家原註

感謝所有協助我們完成將《國臺對照活用辭典》上線公開的朋友。

以下所有檔案無論副檔名，皆為純文字檔，有PE2年代的列印控制指令

beta*.dic       =       辭典本文
PH-COMP.TXT     =       方音音標對照表
PHSOURCE        =       華語台語注音符號溯源
PREFACE1.DIC    =       編輯緣起、凡例
TAPHONI.TXT     =       台灣閩南語語音標系統
mytaiin8        =       綜合閩方言拼音總表

造字圖檔 (img 目錄)

次目錄：m3、k。

目錄內容為 128x128 的造字點陣圖，以小寫 Big-5 碼為檔名。

造字檔 (font 目錄)

此辭典的編輯是用 DOS 系統，所以用的是倚天中文，新翰藝排版系統。

原始編輯者，吳守禮外孫蔡彰豪，現旅居美國，對這些檔案說明如下：

內碼：即編碼，如 ASCII, Unicode/UTF-8 等。所有字典相關的檔案皆採用 Big-5 碼。 造字：Big-5 碼留有使用者造字區，約有 5000 個內碼。

因每個使用者可以定義自己的造字，檔案須配合「造字檔」才能正確顯示及列印。 台灣方音符號拼音：由一至三個符號 (聲母、韻母) 及音調組成，為螢幕顯示及排版方便， 每一個「音」佔據一個內碼，也形成一個正方形的「字」。

字體：細明體 (m3)，楷書 (k)。

螢幕顯示及字典本文使用新細明體，故絕大多數台灣方音符號拼音定義於細明體。楷書則用於台語字。 例外的部分是因為內碼不夠用所造成。

造字檔：螢幕顯示使用倚天中文的造字檔格式，似乎是稱作 CMEX 格式。 列印使用倚天新翰藝的造字檔格式，稱作 XFN 格式。

• CMEX／XFN 規格與歷史 C 原始碼：archive/font-hfn-c/（執行時：crates/koktai-font）
• 台語字造字原始檔為：han.xfn ha2.xfn oth.xfn
• usrfont.lst 內容：內碼 <-> 台灣方音符號對照

格式規則：

1. 跳過空白行
2. 若一行以英文句號「.」開頭，則跳過。
3. 每一行定義一個內碼，以空白字元分隔欄位定義。(space-separated values.)
4. 第一個欄位為字體：m3 為細明體，k 為楷書。因使用者造字區可容納的字數不足，相同內碼，但不同字體時，代表不同的字。
5. 第二的欄位為內碼 (Big-5 碼)。
6. 第三個欄位為拼音的定義，以台灣方音符號鍵盤的按鍵所定義，如 1 代表ㄅ。拼音以逗號分隔「聲母韻母」及「音調」，音調有 15 聲。請參考 tai.c。

著作權

《吳守禮國台對照活用辭典》作者：吳守禮（Ngo Shiu Le、Ngo ShuLeh、Wu Shouli） ，本辭典電子原始檔由吳守禮家族授權中華民國維基媒體協會，以創用CC 姓名標示-相同方式分享 3.0 台灣 授權條款釋出。除原始資料外，此檔案庫內轉換格式、重新編排的編輯著作權等衍生著作物授權皆為創用CC 姓名標示-相同方式分享 3.0 台灣。