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}

100LABEL_TAGS = {

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

102 "คำย่อ": "abbreviation",

103 "อาการนาม": "abstract-noun",

104 "อักษรอ่านย่อ": "acronym",

105 "กรรตุวาจก": "active",

106 "สกรรม, อกรรม": "ambitransitive",

107 "มีชีวิต": "animate",

108 "บอกเล่า": "indicative",

109 "สมมุติ": "subjunctive",

110 "สั่ง": "imperative",

111 "คำกริยานุเคราะห์": "auxiliary",

112 "จำนวนเชิงการนับ": "cardinal",

113 "สมุหนาม": "collective",

114 "เพศรวม": "common",

115 "เปรียบเทียบได้": "comparable",

116 "เชื่อม": "copulative",

117 "นับได้": "countable",

118 "ทวิกรรม": "ditransitive",

119 "เพศหญิง": "feminine",

120 "สำนวน": "idiomatic",

121 "ไม่สมบูรณ์": "imperfective",

122 "คำอบุรุษกริยา": "impersonal",

123 "ในรูปเอกพจน์": "singular",

124 "ในรูปทวิพจน์": "dual",

125 "ในรูปพหูพจน์": "plural",

126 "ไม่มีชีวิต": "inanimate",

127 "ไม่ชี้เฉพาะ": "indefinite",

128 "อักษรย่อ": "initialism",

129 "อกรรม": "intransitive",

130 "สัทอักษรสากล": "IPA",

131 "เพศชาย": "masculine",

132 "เพศกลาง": "neuter",

133 "เปรียบเทียบไม่ได้": "not-comparable",

134 "เลียนเสียงธรรมชาติ": "onomatopoeic",

135 "จำนวนเชิงอันดับที่": "ordinal",

136 "พาร์ทิซิเพิล": "partitive",

137 "กรรมวาจก": "passive",

138 "สมบูรณ์": "perfect",

139 "พหูพจน์เท่านั้น": "plural-only",

140 "แสดงความเป็นเจ้าของ": "possessive",

141 "วลีภาคแสดง": "predicative",

142 "สะท้อน": "reflexive",

143 "เอกพจน์เท่านั้น": "singular-only",

144 "สภาว": "stative",

145 "สกรรม": "transitive",

146 "นับไม่ได้": "uncountable",

147 "โบราณ": "archaic",

148 "ภาษาเด็ก": "childish",

149 "ภาษาปาก": "colloquial",

150 "ล้าสมัย": "dated",

151 "นัยล้าสมัย": "dated",

152 "ดูหมิ่น": "derogatory",

153 "ภาษาถิ่น": "dialect",

154 "ในเชิงเปรียบเทียบ": "metaphoric",

155 "ทางการ": "formal",

156 "ขำขัน": "humorous",

157 "อติพจน์": "excessive",

158 "ไม่ทางการ": "informal",

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

160 "ไออาร์ซี": "IRC",

161 "ภาษาข่าว": "journalistic",

162 "ภาษาหนังสือ": "literary",

163 "คำสร้างใหม่": "neologism",

164 "ภาษาไม่มาตรฐาน": "nonstandard",

165 "เลิกใช้": "obsolete",

166 "ล่วงเกิน": "offensive",

167 "ร้อยกรอง": "poetic",

168 "สุภาพ": "polite",

169 "ไม่ควรใช้": "proscribed",

170 "พบได้ยาก": "rare",

171 # "ราชาศัพท์": "",

172 "สแลง": "slang",

173 # "ศัพท์เฉพาะ": "",

174 "หยาบคาย": "vulgar",

175 "กรีซโบราณ": "Ancient Greek",

176 "โรมโบราณ": "Ancient Rome",

177 "สะกดผิด": "misspelling",

178 # Template:zh-mw

179 # Module:zh/templates

180 "กั้น": "Gan",

181 "แคะ": "Hakka",

182 "จิ้น": "Jin",

183 # Template:ru-noun+

184 "ช.": "masculine",

185 "อชีว.": "inanimate",

186 "สัมพันธการก": "genitive",

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

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

189 # Template:zh-forms

190 "ตัวเต็ม": "Traditional-Chinese",

191 "ตัวย่อ": "Simplified-Chinese",

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

193 "รูปแบบอื่น": "alternative",

194 "obsolete": "obsolete",

195 # Template:zh-dial

196 "คลาสสิก": "Classical-Chinese",

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

198 "Written Standard Chinese": "Written-Standard-Chinese",

199 "จีนกลางตะวันออกเฉียงเหนือ": "Northeastern-Mandarin",

200 "จีนกลางแบบจี้หลู่": "Jilu-Mandarin",

201 "จีนกลางแบบเจียวเหลียว": "Jiaoliao-Mandarin",

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

203 "จีนกลางแบบหลันอิ๋น": "Lanyin-Mandarin",

204 "จีนกลางตะวันตกเฉียงใต้": "Southwestern-Mandarin",

205 "จีนกลางแบบเจียงหวย": "Jianghuai-Mandarin",

206 "ฮุ่ยโจว": "Huizhou",

207 "หมิ่นแบบผูเซียน": "Puxian-Min",

208 "หมิ่นตอนกลาง": "Central-Min",

209 "หมิ่นแบบจงซัน": "Zhongshan-Min",

210 "ผิงใต้": "Southern-Pinghua",

211 "ผิงเหนือ": "Northern-Pinghua",

212 # Template:en-noun

213 "พหูพจน์": "plural",

214 # Template:en-verb

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

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

217 "อดีตกาล": "past",

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

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

220 # Template:en-adj

221 "ขั้นกว่า": "comparative",

222 "ขั้นสุด": "superlative",

223 # Template:en-pron

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

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

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

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

228 # Template:eo-head

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

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

231 # Template:nl-noun

232 "ตัวบอกความเล็ก": "diminutive",

233 # Template:fr-noun

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

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

236 # Template:es-adj

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

238 # มอดูล:Jpan-headword

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

240 "ต้นเค้าศัพท์": "stem",

241 "โกดัง": "godan",

242 "อิจิดัง": "ichidan",

243 "ซูรุ": "suru",

244 "คูรุ": "kuru",

245 "-อิ": "-i",

246 "-นะ": "-na",

247 "โยดัง": "yodan",

248 "นิดัง": "nidan",

249 "-ริ": "-ri",

250 "-เซะ": "-se",

251 "-โกะ": "-ko",

252 "-ง": "-n",

253 "-นาริ": "-nari",

254 "-ตาริ": "-tari",

255 "-กุ": "-ku",

256 "-ชิกุ": "-shiku",

257 "-กะ": "-ka",

258 "adnominal": "adnominal",

259 "adverbial": "adverbial",

260 # Template:ko-noun

261 "ฮันกึล": "hangeul",

262 "ฮันจา": "hanja",

263 # Template:ja-kanjitab

264 "คีวจิไต": "kyūjitai",

265 # Template:hi-noun

266 "การสะกดภาษาอูรดู": "Urdu",

267 "เป็นทางการ": "formal",

268}

269

270

271TAGS = {**EXAMPLE_TAGS, **TRANSLATION_TAGS, **SOUND_TAGS, **LABEL_TAGS}

272

273TOPICS = {

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

275 "การบัญชี": "accounting",

276 "สวนศาสตร์": "acoustics",

277 "อากาศยานศาสตร์": "aeronautics",

278 "เกษตรกรรม": "agriculture",

279 "อากาศยาน": "aircraft",

280 "การเล่นแร่แปรธาตุ": "alchemy",

281 "เครื่องดื่มแอลกอฮอล์": "alcohol",

282 "โรคพิษสุรา": "alcoholism",

283 "พีชคณิต": "algebra",

284 "เรขาคณิตเชิงพีชคณิต": "geometry",

285 "ทอพอโลยีเชิงพีชคณิต": "topology",

286 "แพทยศาสตร์ทางเลือก": "alternative-medicine",

287 "วิทยุสมัครเล่น": "radio",

288 "อเมริกันฟุตบอล": "football",

289 "เคมีวิเคราะห์": "chemistry",

290 "อนาธิปไตย": "anarchism",

291 "กายวิภาคศาสตร์": "anatomy",

292 "แอนิเมชัน": "anime",

293 "มานุษยวิทยา": "anthropology",

294 "วิทยาแมงมุม": "arachnology",

295 "โบราณคดี": "archaeology",

296 "การยิงธนู": "archery",

297 "สถาปัตยกรรม": "architecture",

298 "เลขคณิต": "arithmetic",

299 "ศิลปะ": "arts",

300 "ปัญญาประดิษฐ์": "AI",

301 "โหราศาสตร์": "astrology",

302 "อวกาศยานศาสตร์": "astronautics",

303 "ดาราศาสตร์": "astronomy",

304 "ฟิสิกส์ดาราศาสตร์": "astrophysics",

305 "กรีฑา": "athletics",

306 "ยานยนต์": "automotive",

307 "การบิน": "aviation",

308 "วิทยาแบคทีเรีย": "bacteria",

309 "แบดมินตัน": "badminton",

310 "กีฬาใช้บอล": "ball-games",

311 "การธนาคาร": "banking",

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

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

314 "บีดีเอสเอ็ม": "BDSM",

315 "เบียร์": ["beer", "beverages"],

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

317 "บิงโก": ["bingo", "games"],

318 "ชีวเคมี": "biochemistry",

319 "ชีววิทยา": "biology",

320 "เกมกระดาน": "board-games",

321 "พฤกษศาสตร์": "botany",

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

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

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

325 "ธุรกิจ": "business",

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

327 "เกมไพ่": "card-games",

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

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

330 # "ธาตุเคมี": "",

331 "เคมี": "chemistry",

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

333 "ศาสนาคริสต์": "Christianity",

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

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

336 "ภาษาคอมพิวเตอร์": "computing",

337 "วิทยาการคอมพิวเตอร์": "computing",

338 "การคอมพิวเตอร์": "computing",

339 "ศาสนาขงจื๊อ": "Confucianism",

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

341 "เศรษฐศาสตร์": "economics",

342 "การศึกษา": "education",

343 "ไฟฟ้า": "electricity",

344 "แม่เหล็กไฟฟ้า": "electromagnetism",

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

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

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

348 "ภูมิศาสตร์": "geography",

349 "ธรณีวิทยา": "geology",

350 "เรขาคณิต": "geometry",

351 "กอล์ฟ": ["golf", "sports"],

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

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

354 "เทคโนโลยีสารสนเทศ": "computing",

355 "อินเทอร์เน็ต": "Internet",

356 "ศาสนาอิสลาม": "Islam",

357 "กฎหมาย": "law",

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

359 "แอลจีบีที": "LGBT",

360 "ภาษาศาสตร์": "linguistics",

361 "วรรณกรรม": "literature",

362 "ตรรกศาสตร์": "logic",

363 "คณิตศาสตร์": "mathematics",

364 "แพทยศาสตร์": "medicine",

365 "อุตุนิยมวิทยา": "meteorology",

366 "การทหาร": "military",

367 "วิทยาแร่": "mineralogy",

368 "ราชาธิปไตย": "monarchy",

369 "ดนตรี": "music",

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

371 "การเดินเรือ": "nautical",

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

373 "โภชนาการ": "nutrition",

374 "ทัศนศาสตร์": "optics",

375 "พยาธิวิทยา": "pathology",

376 "เภสัชวิทยา": "pharmacology",

377 "ปรัชญา": "philosophy",

378 "สัทศาสตร์": "phonetics",

379 "สัทวิทยา": "phonology",

380 "คมีเชิงฟิสิกส์": "chemistry",

381 "ฟิสิกส์": "physics",

382 "สรีรวิทยา": "physiology",

383 "การเมือง": "politics",

384 "สื่อลามก": "pornography",

385 "การเขียนโปรแกรม": "programming",

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

387 "ศาสนา": "religion",

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

389 "นิยายวิทยาศาสตร์": "science-fiction",

390 "วิทยาศาสตร์": "sciences",

391 "เพศวิถี": "sexuality",

392 # "การเดินเรือ": "",

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

394 "สังคมศาสตร์": "social-science",

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

396 "สังคมวิทยา": "sociology",

397 "กีฬา": "sports",

398 "สถิติศาสตร์": "statistics",

399 "ศาสนาเต๋า": "Taoism",

400 "อนุกรมวิธาน": "taxonomy",

401 "เทคโนโลยี": "technology",

402 "ยูนิโคด": "Unicode",

403 "ผัก": ["vegetable", "food"],

404 "ไวน์": ["wine", "oenology"],

405 "สงครามโลกครั้งที่หนึ่ง": "World War I",

406 "สงครามโลกครั้งที่สอง": "World War II",

407 "พิษ": "poison",

408}

409

410

411def translate_raw_tags(data: WordEntry) -> None:

412 raw_tags = []

413 for raw_tag in data.raw_tags:

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

415 tr_tag = TAGS[raw_tag]

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

417 data.tags.append(tr_tag)

418 elif isinstance(tr_tag, list):

419 for tag in tr_tag:

420 if tag not in data.tags: 420 ↛ 419line 420 didn't jump to line 419 because the condition on line 420 was always true

421 data.tags.append(tag)

422 elif raw_tag in TOPICS and hasattr(data, "topics"): 422 ↛ 423line 422 didn't jump to line 423 because the condition on line 422 was never true

423 topic = TOPICS[raw_tag]

424 if isinstance(topic, str):

425 data.topics.append(topic)

426 elif isinstance(topic, list):

427 data.topics.extend(topic)

428 else:

429 raw_tags.append(raw_tag)

430 data.raw_tags = raw_tags

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

26 statements