Subversion Repositories navi

Rev

Rev 137 | Rev 156 | Go to most recent revision | Details | Compare with Previous | Last modification | View Log | RSS feed

Rev Author Line No. Line
56 szabot 1
#!/usr/bin/python
2
# -*- coding: utf-8 -*-
3
 
4
import re
66 szabot 5
import dbconnector
103 szabot 6
import parsenum
56 szabot 7
 
65 szabot 8
wordlist = dbconnector.getnavilist()
9
 
94 szabot 10
infixes1 = (u"awn", u"eyk", u"us", u"äp", u"")
11
infixes2 = (u"ìyev", u"iyev", u"ìmìy", u"arm", u"asy", u"ilv", u"ìmv", u"imv", u"ìrm", u"irv", u"ìsy", u"aly", u"ary", u"ìly", u"ìry", u"ìlm", u"alm", u"am", u"ay", u"er", u"ìm", u"iv", u"ìy", u"ol", u"")
12
infixes3 = (u"äng", u"ats", u"eiy", u"ei", u"uy", u"")
112 muzer 13
prefixes = (u"tsay", u"fay", u"fra", u"pxe", u"fne", u"tsa", u"pe", u"le", u"nì", u"sä", u"tì", u"ay", u"me", u"fì", u"ke", u"a")
14
adpositions = (u"mungwrr", u"kxamlä", u"pximaw", u"pxisre", u"tafkip", u"nemfa", u"takip", u"mìkam", u"teri", u"fkip", u"luke", u"pxel", u"pxaw", u"rofa", u"ìla", u"fpi", u"ftu", u"kip", u"lok", u"maw", u"sre", u"sìn", u"vay", u"eo", u"fa", u"hu", u"io", u"ka", u"mì", u"na", u"ne", u"ro", u"ta", u"uo", u"wä", u"äo", u"to")
121 szabot 15
postfixes = adpositions + (u"tsyìp", u"eyä", u"ìri", u"ìl", u"it", u"lo", u"ri", u"ru", u"ti", u"ur", u"ve", u"yä", u"ya", u"tu", u"vi", u"yu", u"an", u"ng", u"ke", u"e", u"o", u"l", u"t", u"y", u"a", u"ä", u"r")
62 szabot 16
#prefixesn = ur"(?P<npr>(?:(?:fì|tsa)?(?:me|pxe|ay|fra)?|(?:fay)?|(?:tsay)?)(?:fne)?(?:tì|sä)?"
74 szabot 17
#prefixesv = ur"(?P<vpr>(?:nì|sä|tì|rä'ä |ke )?)"
56 szabot 18
 
91 szabot 19
lenit = ((u"px", u"p"), (u"tx", u"t"), (u"kx", u"k"), (u"ts", u"s"), (u"t", u"s"), (u"p", u"f"), (u"k", u"h"), (u"'", u""))
20
 
56 szabot 21
def parseword(wordin):
90 szabot 22
    ret = {"word": {"id": 0, "navi": u"[" + wordin[0] + u"]", "infix": u"", "type": u""}}
65 szabot 23
    for word in wordlist:
24
        foundit = True
25
        foundprefs = []
26
        foundposts = []
99 szabot 27
        lenited = False
74 szabot 28
        splitword = word["infix"].split(u" ")
29
        if len(wordin) < len(splitword):
68 szabot 30
            foundit = False
31
            next
65 szabot 32
        for wor in range(len(splitword)):
76 szabot 33
            if not foundit:
34
                break
65 szabot 35
            foundprefs.append([])
36
            foundposts.append([])
37
            center = u""
38
            foundins = [u"", u"", u""]
39
            pre = []
40
            post = []
41
            if u"<1>" in splitword[wor]:
42
                for in1 in infixes1:
43
                    for in2 in infixes2:
44
                        for in3 in infixes3:
45
                            if splitword[wor].replace(u"<1><2>",in1+in2).replace(u"<3>",in3) in wordin[wor]:
46
                                center = splitword[wor].replace(u"<1><2>",in1+in2).replace(u"<3>",in3)
47
                                foundins = [in1, in2, in3]
48
                                break
75 szabot 49
                        if center != u"": break
50
                    if center != u"": break
65 szabot 51
            else:
52
                if splitword[wor] in wordin[wor]:
53
                    center = splitword[wor]
95 szabot 54
                if center == u"":
91 szabot 55
                    for i in lenit:
92 szabot 56
                        temp = u""
91 szabot 57
                        if splitword[wor].startswith(i[0]):
92 szabot 58
                            temp = i[1] + splitword[wor][len(i[0]):]
59
                            if temp in wordin[wor]:
99 szabot 60
                                lenited = True
92 szabot 61
                                center = temp
95 szabot 62
                if center == u"":
63
                    if splitword[wor].endswith(u"nga"):
97 szabot 64
                        temp = splitword[wor][:-3] + u"ng"
95 szabot 65
                        if temp in wordin[wor]:
66
                            center = temp
103 szabot 67
                    if splitword[wor].endswith(u"po"):
68
                        temp = splitword[wor][:-3] + u"p"
69
                        if temp in wordin[wor]:
70
                            center = temp
74 szabot 71
            if center == u"":
65 szabot 72
                foundit = False
73
                break
91 szabot 74
            temp = wordin[wor].split(center)
75
            if len(temp) != 2:
76
                foundit = False
77
                break
78
            pref, posf = temp
119 szabot 79
            last = u""
80
            while last != pref:
81
                last = pref
82
                for pre in prefixes:
83
                    if pref != u"":
84
                        if pref.endswith(pre):
85
                            if pre in foundprefs[wor]:
86
                                break
87
                            foundprefs[wor].append(pre)
88
                            pref = pref[:-len(pre)]
120 szabot 89
                            break
65 szabot 90
            if pref != u"":
91
                foundit = False
92
                break
119 szabot 93
            last = u""
94
            while last != posf:
95
                last = posf
96
                for pos in postfixes:
97
                    if posf != u"":
98
                        if posf.startswith(pos):
99
                            if pos in foundposts[wor]:
100
                                break
101
                            foundposts[wor].append(pos)
102
                            posf = posf[len(pos):]
120 szabot 103
                            break
82 szabot 104
            if posf != u"":
80 szabot 105
                foundit = False
106
                break
65 szabot 107
        if foundit == True:
108
            foundword = word
56 szabot 109
            break
87 szabot 110
    ret["pref"] = foundprefs
111
    ret["post"] = foundposts
112
    ret["inf"] = foundins
99 szabot 113
    ret["len"] = lenited
65 szabot 114
    if foundit == True:
71 szabot 115
        ret["word"] = foundword
77 szabot 116
    return ret
117
 
118
def parsesent(sent):
101 szabot 119
    sent = sent.strip().lower().replace(u"’", u"'")
100 szabot 120
    sent = re.sub(ur"[^\wìä' ]",u"",sent)
89 szabot 121
    sent = re.sub(ur"\ +",u" ",sent)
122
    sent = sent.split(u" ")
77 szabot 123
    ret = []
124
    left = len(sent)
125
    while left:
108 szabot 126
        word = parsenum.parse(sent[len(sent)-left])
103 szabot 127
        if word == None:
128
            word = parseword(sent[-left:])
78 szabot 129
        left -= len(word["word"]["navi"].split(" "))
77 szabot 130
        ret.append(word)
136 muzer 131
    return ret