prpm-dbp 0.12.0 → 0.13.0

package/SKILL.md

@@ -275,6 +275,29 @@ Siri yang sama membezakan kaf Arab daripada kaf Jawi secara eksplisit, iaitu per
 
 Buku itu berhak cipta terpelihara (PNM). Ia dirujuk di sini sebagai pengesahan, bukan disalin.
 
+## Homograf
+
+Ejaan Jawi menggunakan empat huruf vokal berbanding enam dalam Rumi, jadi perkataan berbeza kerap berkongsi ejaan. Diukur pada 64,251 ejaan Jawi dalam data: **2,009 (3%) ialah homograf**.
+
+Panduan DBP membahagikannya kepada dua:
+
+| Jenis | Layanan | Contoh |
+|---|---|---|
+| **Hakiki** | **dibenarkan kekal**, tidak dibezakan | `biru`/`biro` بيرو, `burung`/`borong` بوروڠ, `satu`/`sato` ساتو |
+| **Tidak hakiki** | dibezakan dengan alif | `kampung` کامڤوڠ / `kempung` کمڤوڠ |
+
+Jenis kedua ialah Pedoman §8.17 (juga Klinik Jawi Siri ke-35): alif melambangkan [a] di suku kata tertutup untuk membezakannya daripada pepet yang tidak dilambangkan. **Ejaan DBP sudah mengandungi peraturan ini**, jadi pakej tidak perlu menjananya. Sembilan pasangan rujukan diuji, kesemuanya dibezakan dengan betul.
+
+Jenis pertama pula tidak boleh diselesaikan oleh mana-mana peraturan. Itulah sebab `rumi` melaporkan semua calon dan enggan memilih: bagi homograf hakiki, DBP sendiri menyatakan kekaburan itu dibenarkan dan hanya konteks ayat boleh menyelesaikannya.
+
+`--homograf` menandakan perkataan yang ejaan Jawinya dikongsi, supaya penulis tahu sebelum menghantar bahawa pembaca akan bergantung pada konteks:
+
+```
+$ npx prpm-dbp jawi nota.txt --homograf
+اݢام ايت ساتو دان بوروڠ تربڠ.
+homograf, ejaan Jawi dikongsi (3): اݢام=agama/igama, ساتو=satu/sato, بوروڠ=burung/borong
+```
+
 ## Rantai kepercayaan
 
 Setiap ejaan Jawi yang dikeluarkan membawa asal-usulnya. Jangan runtuhkan lapisan ini.

package/bin/cli.js

@@ -36,6 +36,7 @@ const BANTUAN = `prpm-dbp — semak Bahasa Melayu dan Jawi terhadap PRPM DBP
 Pilihan: --refresh  --had <n>  --delay <ms>  --json  --cepat
          --pedoman       jana imbuhan ikut peraturan DBP (88-98% tepat, hasil ditanda)
          --luar-talian   jangan sentuh rangkaian langsung (wajib untuk laluan permintaan app)
+         --homograf      tandakan perkataan yang ejaan Jawinya dikongsi perkataan lain
 
 Cache: ${CACHE_PATH}
 `
@@ -51,6 +52,7 @@ function huraiArgs(argv) {
     else if (a === '--cepat') pilihan.cepat = true
     else if (a === '--pedoman') pilihan.pedoman = true
     else if (a === '--luar-talian') pilihan.luarTalian = true
+    else if (a === '--homograf') pilihan.homograf = true
     else if (a === '--jenis') pilihan.jenis = argv[++i]
     else if (a === '--had') pilihan.had = Number(argv[++i])
     else if (a === '--delay') pilihan.delay = Number(argv[++i])
@@ -164,6 +166,7 @@ async function main() {
         ...opts,
         cubaDasar: !pilihan.cepat,
         janaImbuhan: pilihan.pedoman,
+        semakHomograf: pilihan.homograf,
       })
       await saveCache(cache)
       if (pilihan.json) { keluar(h); break }
@@ -183,6 +186,12 @@ async function main() {
             h.dijanaPedoman.map((x) => `${x.kata}=${x.jawi} [${x.rujukan}]`).join(', '),
         )
       }
+      if (h.homograf?.length) {
+        console.error(
+          `homograf, ejaan Jawi dikongsi (${h.homograf.length}): ` +
+            h.homograf.map((x) => `${x.jawi}=${x.dikongsi.join('/')}`).join(', '),
+        )
+      }
       if (h.akronim.length) {
         console.error(`akronim, dikekalkan Rumi (${h.akronim.length}): ${h.akronim.join(', ')}`)
       }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.12.0",
+  "version": "0.13.0",
   "description": "Semak ejaan Bahasa Melayu dan Jawi terhadap PRPM Dewan Bahasa dan Pustaka. CLI dan skill untuk AI agent.",
   "keywords": [
     "bahasa-melayu",

package/src/tukar.js

@@ -218,7 +218,13 @@ export function pilihCalon(masuk) {
  * Perkataan yang tidak disahkan dibalut penanda, tidak pernah direka.
  */
 export async function keJawi(teks, cache, opts = {}) {
-  const { penanda = ['«', '»'], cubaDasar = true, gunaDataset = true, janaImbuhan = false } = opts
+  const {
+    penanda = ['«', '»'],
+    cubaDasar = true,
+    gunaDataset = true,
+    janaImbuhan = false,
+    semakHomograf = false,
+  } = opts
   const belumDisahkan = []
   const terbitanSah = []
   const dariDataset = []
@@ -312,6 +318,25 @@ export async function keJawi(teks, cache, opts = {}) {
     keluar.push(penanda[0] + cebis + penanda[1])
   }
 
+  // Amaran homograf. Ejaan Jawi yang dikongsi dua perkataan Rumi akan taksa
+  // apabila dibaca semula. Menurut panduan DBP, homograf HAKIKI (kongsi
+  // vokal wau/ya, kata Melayu lawan kata asing, bentuk berimbuhan) memang
+  // dibenarkan kekal dan tidak dibezakan. Jadi ini bukan ralat: ia maklumat
+  // supaya penulis tahu konteks ayat perlu menanggung beban perbezaan itu.
+  const homograf = []
+  if (semakHomograf) {
+    const songsang = petaSongsang(cache, await muatDataset())
+    for (const [k, cebis] of bahagian.entries()) {
+      if (k % 2 === 0) continue
+      const hasil = keluar[k]
+      if (!hasil || hasil.startsWith(penanda[0])) continue
+      const pilihan = pilihCalon(songsang.get(normalisasiJawi(hasil)))
+      if (pilihan && pilihan.calon.length > 1) {
+        homograf.push({ kata: cebis, jawi: hasil, dikongsi: pilihan.calon })
+      }
+    }
+  }
+
   // Pedoman DBP §14.1: kata sendi di dan ke bercantum dengan kata berikutnya.
   // Dibuat sebagai lulusan kedua supaya logik carian di atas kekal mudah.
   const sendiDicantum = []
@@ -337,6 +362,7 @@ export async function keJawi(teks, cache, opts = {}) {
     dariDataset,
     dariNama,
     kataUlang,
+    homograf,
     dijanaPedoman,
     namaKhas: [...new Set(namaKhas)],
     akronim: [...new Set(akronim)],