Coverage for src/wiktextract/extractor/th/tags.py: 75%

1from .models import WordEntry

3EXAMPLE_TAGS = {

4 # แม่แบบ:zh-x, มอดูล:zh-usex/data

5 "MSC": "Modern-Standard-Chinese",

6 "Pinyin": "Pinyin",

7 "trad.": "Traditional-Chinese",

8 "simp.": "Simplified-Chinese",

11TRANSLATION_TAGS = {

12 # แม่แบบ:t

13 # https://th.wiktionary.org/wiki/มอดูล:gender_and_number/data

14 "ญ.": "feminine",

15 "ช.": "masculine",

16 "ก.": "neuter",

17 "ร.": "common",

18 "ชีว.": "animate",

19 "อชีว.": "inanimate",

20 "สัต.": "animal-not-person",

21 "บุค.": "personal",

22 "อบุค.": "impersonal",

23 "เอก.": "singular",

24 "ทวิ.": "dual",

25 "พหู.": "plural",

26 "ไม่สมบูรณ์": "imperfective",

27 "สมบูรณ์": "perfective",

28}

30SOUND_TAGS = {

31 # Template:th-pron

32 "การแผลงเป็น": "romanization",

33 "อักษรโรมัน": "romanization",

34 "ไพบูลย์พับบลิชชิง": "Paiboon",

35 "ราชบัณฑิตยสภา": "Royal-Institute",

36 "การแบ่งพยางค์": "phoneme",

37 "US": "US",

38 "UK": "UK",

39 "เสียงสมาส": "compound",

40 "ไม่ตามอักขรวิธี": "unorthographical",

41 "เสียงสระสั้น": "short",

42 # Template:zh-pron

43 "จีนกลาง": "Mandarin",

44 "มาตรฐาน": "Standard",

45 "พินอิน": "Pinyin",

46 "จู้อิน": "Bopomofo",

47 "Xi'an": "Xi'an",

48 "Guanzhong Pinyin": ["Guanzhong", "Pinyin"],

49 "ดุงกาน": "Dungan",

50 "Cyrillic": "Cyrillic",

51 "Wiktionary": "Wiktionary-specific",

52 "กวางตุ้ง": "Cantonese",

53 "Jyutping": "Jyutping",

54 "PFS": "Phak-fa-su",

55 "หมิ่นเหนือ": "Min-Bei",

56 "KCR": "Kienning-Colloquial-Romanized",

57 "หมิ่นตะวันออก": "Min-Dong",

58 "BUC": "Foochow-Romanized",

59 "หมิ่นใต้": "Min-Nan",

60 "ฮกเกี้ยน": "Hokkien",

61 "POJ": "POJ",

62 "แต้จิ๋ว": "Teochew",

63 "Peng'im": "Peng'im",

64 "จีนมาตรฐาน": "Standard-Chinese",

65 "ทงย่งพินอิน": "Tongyong-Pinyin",

66 "เวด-ไจลส์": "Wade–Giles",

67 "เยล": "Yale",

68 "กั๋วยฺหวี่หลัวหม่าจื้อ": "Gwoyeu-Romatsyh",

69 "พัลลาดีอุส": "Palladius",

70 "สัทอักษรสากลจีนวิทยา": "Sinological-IPA",

71 "กวางตุ้งมาตรฐาน": "Standard-Cantonese",

72 "กว่างโจว–ฮ่องกง": ["Guangzhou", "Hong Kong"],

73 "ยฺหวืดเพ็ง": "Jyutping",

74 "เพ็งยั้ม": ["Cantonese", "Pinyin"],

75 "อักษรโรมันมณฑลกวางตุ้ง": "Guangdong-Romanization",

76 "Pha̍k-fa-sṳ": "Phak-fa-su",

77 "Kienning Colloquial Romanized": "Kienning-Colloquial-Romanized",

78 "Pe̍h-ōe-jī": "POJ",

79 "Tâi-lô": "Tai-lo",

80 "Phofsit Daibuun": "Phofsit-Daibuun",

81 "เสฉวน": "Sichuan",

82 "เฉิงตู": "Chengdu",

83 "Sichuanese Pinyin": ["Sichuanese", "Pinyin"],

84 "Scuanxua Ladinxua Xin Wenz": "Latinxua-Sin-Wenz",

85 "Pe̍h-ōe-jī-like": "POJ",

86 "อู๋": "Wu",

87 "เซียง": "Xiang",

88 "Wiktionary Romanisation": ["Wiktionary-specific", "romanization"],

89}

91LABEL_TAGS = {

92 # https://th.wiktionary.org/wiki/มอดูล:labels/data

93 "คำย่อ": "abbreviation",

94 "อาการนาม": "abstract-noun",

95 "อักษรอ่านย่อ": "acronym",

96 "กรรตุวาจก": "active",

97 "สกรรม, อกรรม": "ambitransitive",

98 "มีชีวิต": "animate",

99 "บอกเล่า": "indicative",

100 "สมมุติ": "subjunctive",

101 "สั่ง": "imperative",

102 "คำกริยานุเคราะห์": "auxiliary",

103 "จำนวนเชิงการนับ": "cardinal",

104 "สมุหนาม": "collective",

105 "เพศรวม": "common",

106 "เปรียบเทียบได้": "comparable",

107 "เชื่อม": "copulative",

108 "นับได้": "countable",

109 "ทวิกรรม": "ditransitive",

110 "เพศหญิง": "feminine",

111 "สำนวน": "idiomatic",

112 "ไม่สมบูรณ์": "imperfective",

113 "คำอบุรุษกริยา": "impersonal",

114 "ในรูปเอกพจน์": "singular",

115 "ในรูปทวิพจน์": "dual",

116 "ในรูปพหูพจน์": "plural",

117 "ไม่มีชีวิต": "inanimate",

118 "ไม่ชี้เฉพาะ": "indefinite",

119 "อักษรย่อ": "initialism",

120 "อกรรม": "intransitive",

121 "สัทอักษรสากล": "IPA",

122 "เพศชาย": "masculine",

123 "เพศกลาง": "neuter",

124 "เปรียบเทียบไม่ได้": "not-comparable",

125 "เลียนเสียงธรรมชาติ": "onomatopoeic",

126 "จำนวนเชิงอันดับที่": "ordinal",

127 "พาร์ทิซิเพิล": "partitive",

128 "กรรมวาจก": "passive",

129 "สมบูรณ์": "perfect",

130 "พหูพจน์เท่านั้น": "plural-only",

131 "แสดงความเป็นเจ้าของ": "possessive",

132 "วลีภาคแสดง": "predicative",

133 "สะท้อน": "reflexive",

134 "เอกพจน์เท่านั้น": "singular-only",

135 "สภาว": "stative",

136 "สกรรม": "transitive",

137 "นับไม่ได้": "uncountable",

138 "โบราณ": "archaic",

139 "ภาษาเด็ก": "childish",

140 "ภาษาปาก": "colloquial",

141 "ล้าสมัย": "dated",

142 "นัยล้าสมัย": "dated",

143 "ดูหมิ่น": "derogatory",

144 "ภาษาถิ่น": "dialect",

145 "ในเชิงเปรียบเทียบ": "metaphoric",

146 "ทางการ": "formal",

147 "ขำขัน": "humorous",

148 "อติพจน์": "excessive",

149 "ไม่ทางการ": "informal",

150 "สแลงอินเทอร์เน็ต": ["Internet", "slang"],

151 "ไออาร์ซี": "IRC",

152 "ภาษาข่าว": "journalistic",

153 "ภาษาหนังสือ": "literary",

154 "คำสร้างใหม่": "neologism",

155 "ภาษาไม่มาตรฐาน": "nonstandard",

156 "เลิกใช้": "obsolete",

157 "ล่วงเกิน": "offensive",

158 "ร้อยกรอง": "poetic",

159 "สุภาพ": "polite",

160 "ไม่ควรใช้": "proscribed",

161 "พบได้ยาก": "rare",

162 # "ราชาศัพท์": "",

163 "สแลง": "slang",

164 # "ศัพท์เฉพาะ": "",

165 "หยาบคาย": "vulgar",

166 "กรีซโบราณ": "Ancient Greek",

167 "โรมโบราณ": "Ancient Rome",

168 "สะกดผิด": "misspelling",

169 # Template:zh-mw

170 # Module:zh/templates

171 "กั้น": "Gan",

172 "แคะ": "Hakka",

173 "จิ้น": "Jin",

174 # Template:ru-noun+

175 "ช.": "masculine",

176 "อชีว.": "inanimate",

177 "สัมพันธการก": "genitive",

178 "กรรตุการกพหูพจน์": ["nominative", "plural"],

179 "สัมพันธการกพหูพจน์": ["genitive", "plural"],

180 # Template:zh-forms

181 "ตัวเต็ม": "Traditional-Chinese",

182 "ตัวย่อ": "Simplified-Chinese",

183 "ตัวย่อรอบสอง": "Second-Round-Simplified-Chinese",

184 "รูปแบบอื่น": "alternative",

185 "obsolete": "obsolete",

186 # Template:zh-dial

187 "คลาสสิก": "Classical-Chinese",

188 "Written Vernacular Chinese": "Written-vernacular-Chinese",

189 "Written Standard Chinese": "Written-Standard-Chinese",

190 "จีนกลางตะวันออกเฉียงเหนือ": "Northeastern-Mandarin",

191 "จีนกลางแบบจี้หลู่": "Jilu-Mandarin",

192 "จีนกลางแบบเจียวเหลียว": "Jiaoliao-Mandarin",

193 "จีนกลาง": "Central-Plains-Mandarin",

194 "จีนกลางแบบหลันอิ๋น": "Lanyin-Mandarin",

195 "จีนกลางตะวันตกเฉียงใต้": "Southwestern-Mandarin",

196 "จีนกลางแบบเจียงหวย": "Jianghuai-Mandarin",

197 "ฮุ่ยโจว": "Huizhou",

198 "หมิ่นแบบผูเซียน": "Puxian-Min",

199 "หมิ่นตอนกลาง": "Central-Min",

200 "หมิ่นแบบจงซัน": "Zhongshan-Min",

201 "ผิงใต้": "Southern-Pinghua",

202 "ผิงเหนือ": "Northern-Pinghua",

203 # Template:en-noun

204 "พหูพจน์": "plural",

205 # Template:en-verb

206 "บุรุษที่สามเอกพจน์ปัจจุบันกาล": ["present", "singular", "third-person"],

207 "รูปกริยาขยายปัจจุบันกาล": ["participle", "present"],

208 "อดีตกาล": "past",

209 "รูปกริยาขยายอดีตกาล": ["participle", "past"],

210 # Template:en-adj

211 "ขั้นกว่า": "comparative",

212 "ขั้นสุด": "superlative",

213 # Template:en-pron

214 "ตัวกำหนดเจ้าของ": ["determiner", "possessive"],

215 "สรรพนามเจ้าของ": ["possessive", "pronoun"],

216 "สะท้อนเอกพจน์": ["reflexive", "singular"],

217 "สะท้อนพหูพจน์": ["reflexive", "plural"],

218 # Template:eo-head

219 "กรรมการกเอกพจน์": ["accusative", "singular"],

220 "กรรมการกพหูพจน์": ["accusative", "plural"],

221 # Template:nl-noun

222 "ตัวบอกความเล็ก": "diminutive",

223 # Template:fr-noun

224 "เพศชายพหูพจน์": ["masculine", "plural"],

225 "เพศหญิงพหูพจน์": ["feminine", "plural"],

226 # Template:es-adj

227 "เพศชายและเพศหญิงพหูพจน์": ["masculine", "feminine", "plural"],

228}

229

230

231TAGS = {**EXAMPLE_TAGS, **TRANSLATION_TAGS, **SOUND_TAGS, **LABEL_TAGS}

232

233TOPICS = {

234 # https://th.wiktionary.org/wiki/มอดูล:labels/data/topical

235 "การบัญชี": "accounting",

236 "สวนศาสตร์": "acoustics",

237 "อากาศยานศาสตร์": "aeronautics",

238 "เกษตรกรรม": "agriculture",

239 "อากาศยาน": "aircraft",

240 "การเล่นแร่แปรธาตุ": "alchemy",

241 "เครื่องดื่มแอลกอฮอล์": "alcohol",

242 "โรคพิษสุรา": "alcoholism",

243 "พีชคณิต": "algebra",

244 "เรขาคณิตเชิงพีชคณิต": "geometry",

245 "ทอพอโลยีเชิงพีชคณิต": "topology",

246 "แพทยศาสตร์ทางเลือก": "alternative-medicine",

247 "วิทยุสมัครเล่น": "radio",

248 "อเมริกันฟุตบอล": "football",

249 "เคมีวิเคราะห์": "chemistry",

250 "อนาธิปไตย": "anarchism",

251 "กายวิภาคศาสตร์": "anatomy",

252 "แอนิเมชัน": "anime",

253 "มานุษยวิทยา": "anthropology",

254 "วิทยาแมงมุม": "arachnology",

255 "โบราณคดี": "archaeology",

256 "การยิงธนู": "archery",

257 "สถาปัตยกรรม": "architecture",

258 "เลขคณิต": "arithmetic",

259 "ศิลปะ": "arts",

260 "ปัญญาประดิษฐ์": "AI",

261 "โหราศาสตร์": "astrology",

262 "อวกาศยานศาสตร์": "astronautics",

263 "ดาราศาสตร์": "astronomy",

264 "ฟิสิกส์ดาราศาสตร์": "astrophysics",

265 "กรีฑา": "athletics",

266 "ยานยนต์": "automotive",

267 "การบิน": "aviation",

268 "วิทยาแบคทีเรีย": "bacteria",

269 "แบดมินตัน": "badminton",

270 "กีฬาใช้บอล": "ball-games",

271 "การธนาคาร": "banking",

272 "เบสบอล": ["baseball", "ball-games"],

273 "บาสเกตบอล": ["basketball", "ball-games"],

274 "บีดีเอสเอ็ม": "BDSM",

275 "เบียร์": ["beer", "beverages"],

276 "ไบเบิล": ["biblical", "religion"],

277 "บิงโก": ["bingo", "games"],

278 "ชีวเคมี": "biochemistry",

279 "ชีววิทยา": "biology",

280 "เกมกระดาน": "board-games",

281 "พฤกษศาสตร์": "botany",

282 "มวย": ["boxing", "martial-arts"],

283 "ไบรโอโลยี": ["bryology", "botany"],

284 "ศาสนาพุทธ": ["Buddhism", "religion"],

285 "ธุรกิจ": "business",

286 "แคลคูลัส": ["calculus", "mathematics"],

287 "เกมไพ่": "card-games",

288 "หทัยวิทยา": ["cardiology", "medicine"],

289 "การทำแผนที่": ["cartography", "geography"],

290 # "ธาตุเคมี": "",

291 "เคมี": "chemistry",

292 "หมากรุกสากล": ["chess", "board-games"],

293 "ศาสนาคริสต์": "Christianity",

294 "การถ่ายภาพยนตร์": ["cinematography", "film"],

295 "ภาษาศาสตร์คอมพิวเตอร์": ["computing", "linguistics"],

296 "ภาษาคอมพิวเตอร์": "computing",

297 "วิทยาการคอมพิวเตอร์": "computing",

298 "การคอมพิวเตอร์": "computing",

299 "ศาสนาขงจื๊อ": "Confucianism",

300 "ตัจวิทยา": ["dermatology", "medicine"],

301 "เศรษฐศาสตร์": "economics",

302 "การศึกษา": "education",

303 "ไฟฟ้า": "electricity",

304 "แม่เหล็กไฟฟ้า": "electromagnetism",

305 "อิเล็กทรอนิกส์": ["electronics", "electricity"],

306 "จริยศาสตร์": ["ethics", "philosophy"],

307 "การออกกำลังกาย": ["exercise", "sports"],

308 "ภูมิศาสตร์": "geography",

309 "ธรณีวิทยา": "geology",

310 "เรขาคณิต": "geometry",

311 "กอล์ฟ": ["golf", "sports"],

312 "ไวยากรณ์": ["grammar", "linguistics"],

313 "ศาสนาฮินดู": ["Hinduism", "religion"],

314 "เทคโนโลยีสารสนเทศ": "computing",

315 "อินเทอร์เน็ต": "Internet",

316 "ศาสนาอิสลาม": "Islam",

317 "กฎหมาย": "law",

318 "ศัพทานุกรมศาสตร์": ["lexicography", "linguistics"],

319 "แอลจีบีที": "LGBT",

320 "ภาษาศาสตร์": "linguistics",

321 "วรรณกรรม": "literature",

322 "ตรรกศาสตร์": "logic",

323 "คณิตศาสตร์": "mathematics",

324 "แพทยศาสตร์": "medicine",

325 "อุตุนิยมวิทยา": "meteorology",

326 "การทหาร": "military",

327 "วิทยาแร่": "mineralogy",

328 "ราชาธิปไตย": "monarchy",

329 "ดนตรี": "music",

330 "นาโนเทคโนโลยี": ["nanotechnology", "engineering"],

331 "การเดินเรือ": "nautical",

332 "กษาปณวิทยา": ["numismatics", "hobbies"],

333 "โภชนาการ": "nutrition",

334 "ทัศนศาสตร์": "optics",

335 "พยาธิวิทยา": "pathology",

336 "เภสัชวิทยา": "pharmacology",

337 "ปรัชญา": "philosophy",

338 "สัทศาสตร์": "phonetics",

339 "สัทวิทยา": "phonology",

340 "คมีเชิงฟิสิกส์": "chemistry",

341 "ฟิสิกส์": "physics",

342 "สรีรวิทยา": "physiology",

343 "การเมือง": "politics",

344 "สื่อลามก": "pornography",

345 "การเขียนโปรแกรม": "programming",

346 "สัทสัมพันธ์": ["prosody", "phonology"],

347 "ศาสนา": "religion",

348 "วิทยาการหุ่นยนต์": ["robotics", "mechanical-engineering computing"],

349 "นิยายวิทยาศาสตร์": "science-fiction",

350 "วิทยาศาสตร์": "sciences",

351 "เพศวิถี": "sexuality",

352 # "การเดินเรือ": "",

353 "ซอกเกอร์": ["soccer", "ball-games"],

354 "สังคมศาสตร์": "social-science",

355 "ภาษาศาสตร์สังคม": ["sociolinguistics", "linguistics sociology"],

356 "สังคมวิทยา": "sociology",

357 "กีฬา": "sports",

358 "สถิติศาสตร์": "statistics",

359 "ศาสนาเต๋า": "Taoism",

360 "อนุกรมวิธาน": "taxonomy",

361 "เทคโนโลยี": "technology",

362 "ยูนิโคด": "Unicode",

363 "ผัก": ["vegetable", "food"],

364 "ไวน์": ["wine", "oenology"],

365 "สงครามโลกครั้งที่หนึ่ง": "World War I",

366 "สงครามโลกครั้งที่สอง": "World War II",

367 "พิษ": "poison",

368}

369

370

371def translate_raw_tags(data: WordEntry) -> None:

372 raw_tags = []

373 for raw_tag in data.raw_tags:

374 if raw_tag in TAGS and hasattr(data, "tags"):

375 tr_tag = TAGS[raw_tag]

376 if isinstance(tr_tag, str) and tr_tag not in data.tags:

377 data.tags.append(tr_tag)

378 elif isinstance(tr_tag, list):

379 for tag in tr_tag:

380 if tag not in data.tags: 380 ↛ 379line 380 didn't jump to line 379 because the condition on line 380 was always true

381 data.tags.append(tag)

382 elif raw_tag in TOPICS and hasattr(data, "topics"): 382 ↛ 383line 382 didn't jump to line 383 because the condition on line 382 was never true

383 topic = TOPICS[raw_tag]

384 if isinstance(topic, str):

385 data.topics.append(topic)

386 elif isinstance(topic, list):

387 data.topics.extend(topic)

388 else:

389 raw_tags.append(raw_tag)

390 data.raw_tags = raw_tags