Ligaduras sin aplastar

17

Aquí hay una lista de algunas ligaduras comunes en Unicode (las que podría crear con mi clave Compose en Debian):

Orig  Ascii  Lig
ae    [ae]   æ
AE    [AE]   Æ
oe    [oe]   œ
OE    [OE]   Œ
ij    [ij]   ij
IJ    [IJ]   IJ
ff    [ff]   ff
fi    [fi]   fi
fl    [fl]   fl
ffi   [ffi]  ffi
ffl   [ffl]  ffl

Tiene dos opciones en este desafío: usar las ligaduras UTF-8 reales, o usar la variante solo ASCII. Si usa las variantes de ligadura UTF-8 reales, obtendrá un bono del 20%. Si usa la variante solo ASCII, puede suponer que los corchetes nunca estarán involucrados, excepto para indicar una ligadura.

El desafío: dada una cadena como entrada, genera la misma cadena

  • con todas las ligaduras originales reemplazadas por sus contrapartes expandidas.

    • coincidir con avidez: se affibconvierte en affib( a[ffi]b), no affib( a[ff]ib) o affib( af[fi]b).
  • con todas las secuencias de letras "expandidas" reemplazadas por ligaduras.

    • por ejemplo, æOEfoo( [ae]OEfoo) se convierte en aeŒfoo( ae[OE]foo).

Haga esto de forma completamente independiente: ffi( [ff]i) se convierte en ffi( ffi), no ( [ffi]).

¿Suena bastante simple? Hay un problema: cada vez que dos ligaduras no se superponen exactamente por un carácter , ambas ligaduras deben insertarse en la cadena. Aquí hay algunos casos de prueba para demostrar:

Input   Ascii-output      Output
fij     [fi][ij]          fiij
fIJ     f[IJ]             fIJ     * remember, capitalization matters!
fffi    [ff][ffi]         ffffi
fff     [ff][ff]          ffff
ffffi   [ff][ff][ffi]     ffffffi
ffffij  [ff][ff][ffi][ij] ffffffiij

Tenga cuidado: se aplica la misma coincidencia codiciosa (tenga en cuenta especialmente los últimos casos de prueba).

, por lo que gana el código más corto en bytes.

Pomo de la puerta
fuente
77
@Mego ¿Cuál es el gran problema? Si su idioma de elección no puede manejar æ de forma nativa, simplemente imprima 0xc3 0xa6, su codificación UTF-8.
Dennis
77
Si un idioma no puede facilitar una tarea determinada, no use ese idioma para esa tarea. Eso no debería ser un gran problema.
Alex A.

Respuestas:

3

JavaScript (ES6), 213 bytes - 20% de bonificación = 170.4

s=>eval('for(p=o="";m=s.match(r="ffl|ffi|fl|fi|ff|IJ|ij|Œ|œ|Æ|æ|ffl|ffi|fl|fi|ff|IJ|ij|OE|oe|AE|ae",x=r.split`|`);s=s.slice(i+t.length-(p=t<"z")))o+=s.slice(p,i=m.index)+x[(x.indexOf(t=m[0])+11)%22];o+s.slice(p)')

Explicación

s=>                           // s = input string
  eval(`                      // use eval to avoid writing {} or return
    for(                      // iterate over each ligature match
      p=                      // p = 1 if the last match was a non-unicode ligature
        o="";                 // o = output string
      m=s.match(              // find the next ligature

        // r = regex string for ligatures (unicode and non-unicode)
        r="ffl|ffi|fl|fi|ff|IJ|ij|Œ|œ|Æ|æ|ffl|ffi|fl|fi|ff|IJ|ij|OE|oe|AE|ae",
        x=r.split\`|\`        // x = arrray of r

      );
      s=s.slice(i+t.length    // remove the part that has been added to the output
        -(p=t<"z"))           // if we matched a non-unicode ligature, keep the last
    )                         //     character so it can be part of the next match
      o+=s.slice(p,i=m.index) // add the text before the match to the output
        +x[(x.indexOf(        // add the opposite type of the matched ligature
          t=m[0]              // t = matched text
        )+11)%22];            // (index + 11) % 22 returns the opposite index
    o+s.slice(p)              // return o + any remaining characters
  `)

Prueba

usuario81655
fuente
¿Se r="ffl|ffi|fl|fi|ff|IJ|ij|Œ|œ|Æ|æ|ffl|ffi|fl|fi|ff|IJ|ij|OE|oe|AE|ae",x=r.split`|`puede reescribir como x="ffl|ffi|fl|fi|ff|IJ|ij|Œ|œ|Æ|æ|ffl|ffi|fl|fi|ff|IJ|ij|OE|oe|AE|ae".split`|`-4 bytes?
Dendrobium
@Dendrobium La matchllamada requiere que la cadena se separe con |caracteres.
user81655