Finnish hyphenation a la Haiku-editori

hyphenate.js

// Paraphrased from http://teppo.tv/haikueditori/haikueditori.js

var rVowels = /[aeiouyåäö]/i;
var rConsonants = /[bcdfghjklmnpqrstvwxz]/i;
var rDiphthongs = /(aa|ee|ii|oo|uu|yy|åå|ää|öö|ai|ei|oi|ui|yi|åi|äi|öi|au|eu|iu|ou|äy|öy|ie|uo|yö|ey|iy)/i;

function isVowel(chr) {
    return rVowels.test(chr);
}

function isConsonant(chr) {
    return rConsonants.test(chr);
}

function isDiphthong(str) {
    return rDiphthongs.test(str);
}

function hyphenate(word, separator) {
    var charsIn = ("!" + word + "!").split(""), charsOut = [];
    var i = 1, l = charsIn.length - 2;
    var twoBehind, oneBehind, cursor, oneAhead;

    for (; i < l; i += 1) {
        twoBehind = charsIn[i - 1];
        oneBehind = charsIn[i];
        cursor = charsIn[i + 1];
        oneAhead = charsIn[i + 2];

        charsOut.push(oneBehind);

        // 1. Konsonanttisääntö: Jos tavuun kuuluvaa vokaalia seuraa yksi
        // tai useampia konsonantteja, joita vielä seuraa vokaali, tavuraja
        // sijoittuu välittömästi ennen viimeistä konsonanttia.

        if (isConsonant(cursor) && isVowel(oneAhead) && charsOut.slice(0).reverse().some(isVowel)) {
            return charsOut.concat(separator, hyphenate(charsIn.slice(i + 1, -1).join(""), separator)).join("");
        }

        // 2. Vokaalisääntö: Jos tavun ensimmäistä vokaalia seuraa toinen vokaali,
        // niiden väliin tulee tavuraja, ellei
        // a) edellinen vokaali ole sama kuin jälkimmäinen (pitkä vokaali).
        // b) jälkimmäinen vokaali ole i (i:hin loppuva diftongi).
        // c) kysymyksessä ole jokin vokaalipareista au, eu, ie, iu, ou, uo, yö, äy, öy, ey tai iy (muu diftongi).

        if (isVowel(oneBehind) && isVowel(cursor) && ! isDiphthong(oneBehind + cursor)) {
            return charsOut.concat(separator, hyphenate(charsIn.slice(i + 1, -1).join(""), separator)).join("");
        }

        // 3. Diftongisääntö: Jos tavun kuuluvaa diftongia tai pitkää vokaalia
        // seuraa vokaali, tähän väliin tulee aina tavuraja.

        if (isVowel(cursor) && isDiphthong(twoBehind + oneBehind)) {
            return charsOut.concat(separator, hyphenate(charsIn.slice(i + 1, -1).join(""), separator)).join("");
        }
    }

    return word;
}

function fi(input, separator) {
    separator = separator || "-";
    return input.match(/[^ ]+/g).map(function (word) {
        return word.match(/[^-]+/g).map(function (word) {
            return hyphenate(word, separator);
        }).join("-");
    }).join(" ");
};

if (typeof module !== "undefined" && module.exports) {
    module.exports = fi;
}