法令漢数字→ローマ数字

kansuji2roman.py

from kanjize import kanji2int
import re
exprs = [
    (r'月([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)日', 1), # 三月二十八日
    (r'年([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)月', 1), # 昭和四十二年三月
    (r'(明治|大正|昭和|平成|令和)([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)年', 2), # 昭和四十二年
    (r'第([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)(章|節|条|項|号)', 1), # 第二十三条
    (r'[〇一二三四五六七八九十壱弐参拾百千万萬億兆]+の([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)', 1), # 第十九条の六の十五
    (r'条の([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)', 1), # 第十九条の六
    (r'^([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)', 1), # <行頭>二
    (r'^第([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)', 1), # <行頭>第二
    (r'^\(([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)\)', 1), # <行頭>（三）
    (r'([〇一二三四五六七八九十壱弐参拾百千万萬億兆]+)(週|日|時間|分|秒|回)', 1), # 七十二時間
]

knums = '〇一二三四五六七八九'
kn2n = {}
for i, k in enumerate(knums): kn2n[k] = str(i)

def is_complex(kn):
    '''whether given string is a complex kanji number w/ rank characters'''
    for k in kn:
        if k in '十壱弐参拾百千万萬億兆':
            return True
    return False

def gen_k2i(arg_n):
    def res(m):
        k = m.group(arg_n)
        if is_complex(k):
            i = str(kanji2int(k))
        else:
            # treat as a simple list of kanji numerals e.g. "第一三〇号"
            i = ''.join(kn2n[kn] for kn in k)
        return m.group(0).replace(k, i)
    return res

def subst(s):
    for expr, pos in exprs:
        pat = re.compile(expr, flags=re.MULTILINE)
        s = re.sub(pat, gen_k2i(pos), s)
    return s