天城文的复杂连字

Question

或许，“连字符”一词的含义是这个问题背后的驱动因素。

这是带有图片的评论，所以不是答案。原始帖子（也不是答案，更多的是观察）保留在下面，以保持连续性。

假设问题是关于索引音译内容，那么有一种方法不涉及显示材料的分解。

一串字形被提供给渲染器，渲染器会正确显示它。不过，字形串仍然可用，因此不需要将显示恢复为其输入。

例如，为了探索正字法的结构，字符串 संयुक्त व्यंजन（这是 Google 在输入“印地语中的连接辅音”时返回的字符串，Google 将其发音音译为“sanyukt vyanjan”）可以逐个字形地音译为：

萨亚卡塔·瓦亚纳

使用映射方法，显示每个辅音所附的固有元音“a”，并显示其在何处根据正字法规则被关闭：

在另一个元音之前
在两个辅音之间不需要
在一个单词的末尾

在这里，任意使用倒置的桥下组合变音符号（通过字体映射文件）作为前两种情况下关闭元音的视觉表示。

然后，该\index命令可以像任何其他字符串一样采用这个音译字符串，并执行其通常的工作：

代码

\documentclass[12pt]{article}
\usepackage{xcolor}
\usepackage{fontspec}
\setmainfont[Script=Devanagari]{Noto Serif Devanagari}
\newfontface\translitd[Mapping=devanagari-to-latin,Scale=1.1,Colour=red]{Noto Sans}
\newfontfamily\englishfont{Noto Serif}
\usepackage{polyglossia}
\setdefaultlanguage{hindi}
\setotherlanguages{english}
\usepackage{imakeidx}
\makeindex

\begin{document}
\Large
संयुक्त व्यंजन
{\normalsize\textenglish{sanyukt vyanjan}}

{\translitd संयुक्त}\index{{\translitd संयुक्त}}
{\translitd व्यंजन}\index{{\translitd व्यंजन}}


\printindex
\end{document}

‘.map’ 文件，编译成‘.tec’ 文件teckit_compile.exe：

; TECkit mapping for TeX input conventions <-> Unicode characters

LHSName "devanagari-to-latin"
RHSName "UNICODE"

pass(Unicode)

; ligatures from Knuth's original CMR fonts
U+002D U+002D           <>  U+2013  ; -- -> en dash
U+002D U+002D U+002D    <>  U+2014  ; --- -> em dash

U+0027          <>  U+2019  ; ' -> right single quote
U+0027 U+0027   <>  U+201D  ; '' -> right double quote
U+0022           >  U+201D  ; " -> right double quote

U+0060          <>  U+2018  ; ` -> left single quote
U+0060 U+0060   <>  U+201C  ; `` -> left double quote

U+0021 U+0060   <>  U+00A1  ; !` -> inverted exclam
U+003F U+0060   <>  U+00BF  ; ?` -> inverted question

; additions supported in T1 encoding
U+002C U+002C   <>  U+201E  ; ,, -> DOUBLE LOW-9 QUOTATION MARK
U+003C U+003C   <>  U+00AB  ; << -> LEFT POINTING GUILLEMET
U+003E U+003E   <>  U+00BB  ; >> -> RIGHT POINTING GUILLEMET



U+0924 <> U+0074 U+0061 ;  ta 
U+094D <> U+033A ; strikeout previous
U+0915 <> U+006B U+0061 ; ka
U+0941 <> U+033A U+0075 ; -u
U+092F <> U+0079 U+0061 ; ya
U+0902 <> U+006E U+0323 ; n.
U+0938 <> U+0073 U+0061 ; sa
U+0928 <> U+006E U+0061 ; na
U+091C <> U+006A U+0061 ; ja
U+0935 <> U+0076 U+0061 ; va

我通常希望读者也想要一个“正常”的索引。例如：

====

原始帖子

如果我没有误解这个问题的话，普通单词看起来没问题（在 xelatex 和浏览器中）。

由于 lualatex 首先不进行连词辅音，因此无需“解除连词”来创建索引条目。

对于通过（自动）音译进行索引，再次，使用字体映射（或 l3 正则表达式替换），xelatex 更容易。


\documentclass[12pt]{article}
\usepackage{fontspec}
\setmainfont[Script=Devanagari]{Noto Serif Devanagari}
\newfontfamily\englishfont{Noto Serif}
\usepackage{polyglossia}
\setdefaultlanguage{hindi}
\setotherlanguages{english}


\begin{document}
\Large
संयुक्त व्यंजन

{\normalsize\textenglish{sanyukt vyanjan}}

\noindent   शुक्ल ख्मेर मुख्य अंग्रेज़ी \\ 
    अच्छा छुट्टी ठ्रेइन बुद्ध विद्यार्थी


\noindent {\normalsize\textenglish{shukla khmer mukhya angrezî \\ achchhâ chhuTTî trein buddha vidyârthî}


ल् +    म = ल्म     फ़िल्म  \textenglish{film}
\end{document}

测试单词来自https://en.wikibooks.org/wiki/Hindi/Consonant_combinations

Answer 1