Subversion Repositories navi

#!/usr/bin/python
# -*- coding: utf-8 -*-

import re
import dbconnector
import parsenum

wordlist = dbconnector.getnavilist()

infixes1 = (u"awn", u"eyk", u"us", u"äp", u"")
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"")
infixes3 = (u"äng", u"ats", u"eiy", u"ei", u"uy", u"")
prefixes = (u"a", u"pe", u"le", u"nì", u"sä", u"tì", u"fne", u"tsay", u"fay", u"fra", u"pxe", u"ay", u"me", u"tsa", u"fì", u"ke")
adpositions = (u"kxamlä", u"mungwrr", u"nemfa", u"pximaw", u"pxisre", u"tafkip", u"takip", u"teri", u"mìkam", u"ìla", u"fkip", u"fpi", u"ftu", u"kip", u"lok", u"luke", u"maw", u"pxel", u"pxaw", u"rofa", 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")
postfixes = (u"an", u"ng", u"eyä", u"e", u"tsyìp", u"o", 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"l", u"t", u"y", u"a", u"ä") + adpositions
#prefixesn = ur"(?P<npr>(?:(?:fì|tsa)?(?:me|pxe|ay|fra)?|(?:fay)?|(?:tsay)?)(?:fne)?(?:tì|sä)?"
#prefixesv = ur"(?P<vpr>(?:nì|sä|tì|rä'ä |ke )?)"

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""))

def parseword(wordin):
    ret = {"word": {"id": 0, "navi": u"[" + wordin[0] + u"]", "infix": u"", "type": u""}}
    for word in wordlist:
        foundit = True
        foundprefs = []
        foundposts = []
        lenited = False
        splitword = word["infix"].split(u" ")
        if len(wordin) < len(splitword):
            foundit = False
            next
        for wor in range(len(splitword)):
            if not foundit:
                break
            foundprefs.append([])
            foundposts.append([])
            center = u""
            foundins = [u"", u"", u""]
            pre = []
            post = []
            if u"<1>" in splitword[wor]:
                for in1 in infixes1:
                    for in2 in infixes2:
                        for in3 in infixes3:
                            if splitword[wor].replace(u"<1><2>",in1+in2).replace(u"<3>",in3) in wordin[wor]:
                                center = splitword[wor].replace(u"<1><2>",in1+in2).replace(u"<3>",in3)
                                foundins = [in1, in2, in3]
                                break
                        if center != u"": break
                    if center != u"": break
            else:
                if splitword[wor] in wordin[wor]:
                    center = splitword[wor]
                if center == u"":
                    for i in lenit:
                        temp = u""
                        if splitword[wor].startswith(i[0]):
                            temp = i[1] + splitword[wor][len(i[0]):]
                            if temp in wordin[wor]:
                                lenited = True
                                center = temp
                if center == u"":
                    if splitword[wor].endswith(u"nga"):
                        temp = splitword[wor][:-3] + u"ng"
                        if temp in wordin[wor]:
                            center = temp
                    if splitword[wor].endswith(u"po"):
                        temp = splitword[wor][:-3] + u"p"
                        if temp in wordin[wor]:
                            center = temp
            if center == u"":
                foundit = False
                break
            temp = wordin[wor].split(center)
            if len(temp) != 2:
                foundit = False
                break
            pref, posf = temp
            for pre in prefixes:
                if pref != u"":
                    if pref.endswith(pre):
                        foundprefs[wor].append(pre)
                        pref = pref[:-len(pre)]
            if pref != u"":
                foundit = False
                break
            for pos in postfixes:
                if posf != u"":
                    if posf.startswith(pos):
                        foundposts[wor].append(pos)
                        posf = posf[len(pos):]
            if posf != u"":
                foundit = False
                break
        if foundit == True:
            foundword = word
            break
    ret["pref"] = foundprefs
    ret["post"] = foundposts
    ret["inf"] = foundins
    ret["len"] = lenited
    if foundit == True:
        ret["word"] = foundword
    return ret

def parsesent(sent):
    sent = sent.strip().lower().replace(u"’", u"'")
    sent = re.sub(ur"[^\wìä' ]",u"",sent)
    sent = re.sub(ur"\ +",u" ",sent)
    sent = sent.split(u" ")
    ret = []
    left = len(sent)
    while left:
        word = parsenum.parse(sent[len(sent)-left])
        if word == None:
            word = parseword(sent[-left:])
        left -= len(word["word"]["navi"].split(" "))
        ret.append(word)
    return ret