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 # Template:vi-ipa

90 "ฮานอย": "Hà-Nội",

91 "เว้": "Huế",

92 "นครโฮจิมินห์": "Saigon",

93 # Template:hi-ipa

94 "เดลี": "Delhi",

95 # Template:sa-ipa

96 "พระเวท": "Vedic",

97 "สันสกฤตคลาสสิก": "Classical-Sanskrit",

98 # Template:ko-ipa

99 "มาตรฐานเกาหลีใต้": "SK-Standard",

100 "โซล": "Seoul",

101 "การแผลงเป็นอักษรโรมันฉบับปรับปรุง": ["revised", "romanization"],

102 "การแผลงเป็นอักษรโรมันฉบับปรับปรุง (การถอดอักษร)": [

103 "revised",

104 "romanization",

105 "transliteration",

106 ],

107 "ระบบแมกคูน-ไรซ์ชาวเออร์": "McCune-Reischauer",

108 "ระบบเยล": ["Yale", "romanization"],

109}

110

111LABEL_TAGS = {

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

113 "คำย่อ": "abbreviation",

114 "อาการนาม": "abstract-noun",

115 "อักษรอ่านย่อ": "acronym",

116 "กรรตุวาจก": "active",

117 "สกรรม, อกรรม": "ambitransitive",

118 "มีชีวิต": "animate",

119 "บอกเล่า": "indicative",

120 "สมมุติ": "subjunctive",

121 "สั่ง": "imperative",

122 "คำกริยานุเคราะห์": "auxiliary",

123 "จำนวนเชิงการนับ": "cardinal",

124 "สมุหนาม": "collective",

125 "เพศรวม": "common",

126 "เปรียบเทียบได้": "comparable",

127 "เชื่อม": "copulative",

128 "นับได้": "countable",

129 "ทวิกรรม": "ditransitive",

130 "เพศหญิง": "feminine",

131 "สำนวน": "idiomatic",

132 "ไม่สมบูรณ์": "imperfective",

133 "คำอบุรุษกริยา": "impersonal",

134 "ในรูปเอกพจน์": "singular",

135 "ในรูปทวิพจน์": "dual",

136 "ในรูปพหูพจน์": "plural",

137 "ไม่มีชีวิต": "inanimate",

138 "ไม่ชี้เฉพาะ": "indefinite",

139 "อักษรย่อ": "initialism",

140 "อกรรม": "intransitive",

141 "สัทอักษรสากล": "IPA",

142 "เพศชาย": "masculine",

143 "เพศกลาง": "neuter",

144 "เปรียบเทียบไม่ได้": "not-comparable",

145 "เลียนเสียงธรรมชาติ": "onomatopoeic",

146 "จำนวนเชิงอันดับที่": "ordinal",

147 "พาร์ทิซิเพิล": "partitive",

148 "กรรมวาจก": "passive",

149 "สมบูรณ์": "perfect",

150 "พหูพจน์เท่านั้น": "plural-only",

151 "แสดงความเป็นเจ้าของ": "possessive",

152 "วลีภาคแสดง": "predicative",

153 "สะท้อน": "reflexive",

154 "เอกพจน์เท่านั้น": "singular-only",

155 "สภาว": "stative",

156 "สกรรม": "transitive",

157 "นับไม่ได้": "uncountable",

158 "โบราณ": "archaic",

159 "ภาษาเด็ก": "childish",

160 "ภาษาปาก": "colloquial",

161 "ล้าสมัย": "dated",

162 "นัยล้าสมัย": "dated",

163 "ดูหมิ่น": "derogatory",

164 "ภาษาถิ่น": "dialect",

165 "ในเชิงเปรียบเทียบ": "metaphoric",

166 "ทางการ": "formal",

167 "ขำขัน": "humorous",

168 "อติพจน์": "excessive",

169 "ไม่ทางการ": "informal",

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

171 "ไออาร์ซี": "IRC",

172 "ภาษาข่าว": "journalistic",

173 "ภาษาหนังสือ": "literary",

174 "คำสร้างใหม่": "neologism",

175 "ภาษาไม่มาตรฐาน": "nonstandard",

176 "เลิกใช้": "obsolete",

177 "ล่วงเกิน": "offensive",

178 "ร้อยกรอง": "poetic",

179 "สุภาพ": "polite",

180 "ไม่ควรใช้": "proscribed",

181 "พบได้ยาก": "rare",

182 # "ราชาศัพท์": "",

183 "สแลง": "slang",

184 # "ศัพท์เฉพาะ": "",

185 "หยาบคาย": "vulgar",

186 "กรีซโบราณ": "Ancient Greek",

187 "โรมโบราณ": "Ancient Rome",

188 "สะกดผิด": "misspelling",

189 # Template:zh-mw

190 # Module:zh/templates

191 "กั้น": "Gan",

192 "แคะ": "Hakka",

193 "จิ้น": "Jin",

194 # Template:ru-noun+

195 "ช.": "masculine",

196 "อชีว.": "inanimate",

197 "สัมพันธการก": "genitive",

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

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

200 # Template:zh-forms

201 "ตัวเต็ม": "Traditional-Chinese",

202 "ตัวย่อ": "Simplified-Chinese",

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

204 "รูปแบบอื่น": "alternative",

205 "obsolete": "obsolete",

206 # Template:zh-dial

207 "คลาสสิก": "Classical-Chinese",

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

209 "Written Standard Chinese": "Written-Standard-Chinese",

210 "จีนกลางตะวันออกเฉียงเหนือ": "Northeastern-Mandarin",

211 "จีนกลางแบบจี้หลู่": "Jilu-Mandarin",

212 "จีนกลางแบบเจียวเหลียว": "Jiaoliao-Mandarin",

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

214 "จีนกลางแบบหลันอิ๋น": "Lanyin-Mandarin",

215 "จีนกลางตะวันตกเฉียงใต้": "Southwestern-Mandarin",

216 "จีนกลางแบบเจียงหวย": "Jianghuai-Mandarin",

217 "ฮุ่ยโจว": "Huizhou",

218 "หมิ่นแบบผูเซียน": "Puxian-Min",

219 "หมิ่นตอนกลาง": "Central-Min",

220 "หมิ่นแบบจงซัน": "Zhongshan-Min",

221 "ผิงใต้": "Southern-Pinghua",

222 "ผิงเหนือ": "Northern-Pinghua",

223 # Template:en-noun

224 "พหูพจน์": "plural",

225 # Template:en-verb

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

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

228 "อดีตกาล": "past",

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

230 "อดีตกาลและรูปกริยาขยายอดีตกาล": ["participle", "past"],

231 # Template:en-adj

232 "ขั้นกว่า": "comparative",

233 "ขั้นสุด": "superlative",

234 # Template:en-pron

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

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

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

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

239 # Template:eo-head

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

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

242 # Template:nl-noun

243 "ตัวบอกความเล็ก": "diminutive",

244 # Template:fr-noun

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

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

247 # Template:es-adj

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

249 # มอดูล:Jpan-headword

250 "สกรรมหรืออกรรม": ["transitive", "intransitive"],

251 "ต้นเค้าศัพท์": "stem",

252 "โกดัง": "godan",

253 "อิจิดัง": "ichidan",

254 "ซูรุ": "suru",

255 "คูรุ": "kuru",

256 "-อิ": "-i",

257 "-นะ": "-na",

258 "โยดัง": "yodan",

259 "นิดัง": "nidan",

260 "-ริ": "-ri",

261 "-เซะ": "-se",

262 "-โกะ": "-ko",

263 "-ง": "-n",

264 "-นาริ": "-nari",

265 "-ตาริ": "-tari",

266 "-กุ": "-ku",

267 "-ชิกุ": "-shiku",

268 "-กะ": "-ka",

269 "adnominal": "adnominal",

270 "adverbial": "adverbial",

271 # Template:ko-noun

272 "ฮันกึล": "hangeul",

273 "ฮันจา": "hanja",

274 # Template:ja-kanjitab

275 "คีวจิไต": "kyūjitai",

276 # Template:hi-noun

277 "การสะกดภาษาอูรดู": "Urdu",

278 "เป็นทางการ": "formal",

279}

280

281

282TAGS = {**EXAMPLE_TAGS, **TRANSLATION_TAGS, **SOUND_TAGS, **LABEL_TAGS}

283

284TOPICS = {

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

286 "การบัญชี": "accounting",

287 "สวนศาสตร์": "acoustics",

288 "อากาศยานศาสตร์": "aeronautics",

289 "เกษตรกรรม": "agriculture",

290 "อากาศยาน": "aircraft",

291 "การเล่นแร่แปรธาตุ": "alchemy",

292 "เครื่องดื่มแอลกอฮอล์": "alcohol",

293 "โรคพิษสุรา": "alcoholism",

294 "พีชคณิต": "algebra",

295 "เรขาคณิตเชิงพีชคณิต": "geometry",

296 "ทอพอโลยีเชิงพีชคณิต": "topology",

297 "แพทยศาสตร์ทางเลือก": "alternative-medicine",

298 "วิทยุสมัครเล่น": "radio",

299 "อเมริกันฟุตบอล": "football",

300 "เคมีวิเคราะห์": "chemistry",

301 "อนาธิปไตย": "anarchism",

302 "กายวิภาคศาสตร์": "anatomy",

303 "แอนิเมชัน": "anime",

304 "มานุษยวิทยา": "anthropology",

305 "วิทยาแมงมุม": "arachnology",

306 "โบราณคดี": "archaeology",

307 "การยิงธนู": "archery",

308 "สถาปัตยกรรม": "architecture",

309 "เลขคณิต": "arithmetic",

310 "ศิลปะ": "arts",

311 "ปัญญาประดิษฐ์": "AI",

312 "โหราศาสตร์": "astrology",

313 "อวกาศยานศาสตร์": "astronautics",

314 "ดาราศาสตร์": "astronomy",

315 "ฟิสิกส์ดาราศาสตร์": "astrophysics",

316 "กรีฑา": "athletics",

317 "ยานยนต์": "automotive",

318 "การบิน": "aviation",

319 "วิทยาแบคทีเรีย": "bacteria",

320 "แบดมินตัน": "badminton",

321 "กีฬาใช้บอล": "ball-games",

322 "การธนาคาร": "banking",

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

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

325 "บีดีเอสเอ็ม": "BDSM",

326 "เบียร์": ["beer", "beverages"],

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

328 "บิงโก": ["bingo", "games"],

329 "ชีวเคมี": "biochemistry",

330 "ชีววิทยา": "biology",

331 "เกมกระดาน": "board-games",

332 "พฤกษศาสตร์": "botany",

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

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

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

336 "ธุรกิจ": "business",

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

338 "เกมไพ่": "card-games",

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

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

341 # "ธาตุเคมี": "",

342 "เคมี": "chemistry",

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

344 "ศาสนาคริสต์": "Christianity",

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

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

347 "ภาษาคอมพิวเตอร์": "computing",

348 "วิทยาการคอมพิวเตอร์": "computing",

349 "การคอมพิวเตอร์": "computing",

350 "ศาสนาขงจื๊อ": "Confucianism",

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

352 "เศรษฐศาสตร์": "economics",

353 "การศึกษา": "education",

354 "ไฟฟ้า": "electricity",

355 "แม่เหล็กไฟฟ้า": "electromagnetism",

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

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

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

359 "ภูมิศาสตร์": "geography",

360 "ธรณีวิทยา": "geology",

361 "เรขาคณิต": "geometry",

362 "กอล์ฟ": ["golf", "sports"],

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

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

365 "เทคโนโลยีสารสนเทศ": "computing",

366 "อินเทอร์เน็ต": "Internet",

367 "ศาสนาอิสลาม": "Islam",

368 "กฎหมาย": "law",

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

370 "แอลจีบีที": "LGBT",

371 "ภาษาศาสตร์": "linguistics",

372 "วรรณกรรม": "literature",

373 "ตรรกศาสตร์": "logic",

374 "คณิตศาสตร์": "mathematics",

375 "แพทยศาสตร์": "medicine",

376 "อุตุนิยมวิทยา": "meteorology",

377 "การทหาร": "military",

378 "วิทยาแร่": "mineralogy",

379 "ราชาธิปไตย": "monarchy",

380 "ดนตรี": "music",

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

382 "การเดินเรือ": "nautical",

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

384 "โภชนาการ": "nutrition",

385 "ทัศนศาสตร์": "optics",

386 "พยาธิวิทยา": "pathology",

387 "เภสัชวิทยา": "pharmacology",

388 "ปรัชญา": "philosophy",

389 "สัทศาสตร์": "phonetics",

390 "สัทวิทยา": "phonology",

391 "คมีเชิงฟิสิกส์": "chemistry",

392 "ฟิสิกส์": "physics",

393 "สรีรวิทยา": "physiology",

394 "การเมือง": "politics",

395 "สื่อลามก": "pornography",

396 "การเขียนโปรแกรม": "programming",

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

398 "ศาสนา": "religion",

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

400 "นิยายวิทยาศาสตร์": "science-fiction",

401 "วิทยาศาสตร์": "sciences",

402 "เพศวิถี": "sexuality",

403 # "การเดินเรือ": "",

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

405 "สังคมศาสตร์": "social-science",

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

407 "สังคมวิทยา": "sociology",

408 "กีฬา": "sports",

409 "สถิติศาสตร์": "statistics",

410 "ศาสนาเต๋า": "Taoism",

411 "อนุกรมวิธาน": "taxonomy",

412 "เทคโนโลยี": "technology",

413 "ยูนิโคด": "Unicode",

414 "ผัก": ["vegetable", "food"],

415 "ไวน์": ["wine", "oenology"],

416 "สงครามโลกครั้งที่หนึ่ง": "World War I",

417 "สงครามโลกครั้งที่สอง": "World War II",

418 "พิษ": "poison",

419}

420

421

422def translate_raw_tags(data: WordEntry) -> None:

423 raw_tags = []

424 for raw_tag in data.raw_tags:

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

426 tr_tag = TAGS[raw_tag]

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

428 data.tags.append(tr_tag)

429 elif isinstance(tr_tag, list):

430 for tag in tr_tag:

431 if tag not in data.tags: 431 ↛ 430line 431 didn't jump to line 430 because the condition on line 431 was always true

432 data.tags.append(tag)

433 elif raw_tag in TOPICS and hasattr(data, "topics"): 433 ↛ 434line 433 didn't jump to line 434 because the condition on line 433 was never true

434 topic = TOPICS[raw_tag]

435 if isinstance(topic, str):

436 data.topics.append(topic)

437 elif isinstance(topic, list):

438 data.topics.extend(topic)

439 else:

440 raw_tags.append(raw_tag)

441 data.raw_tags = raw_tags

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

26 statements