Coverage for src/wiktextract/extractor/th/tags.py: 71%

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 "การแผลงเป็น\nอักษรโรมัน": "romanization", # Template:th-pron

32 "ไพบูลย์พับบลิชชิง": "Paiboon",

33 "ราชบัณฑิตยสภา": "Royal-Institute",

34 "การแบ่งพยางค์": "phoneme",

35 "US": "US",

36 "UK": "UK",

37}

39LABEL_TAGS = {

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

41 "คำย่อ": "abbreviation",

42 "อาการนาม": "abstract-noun",

43 "อักษรอ่านย่อ": "acronym",

44 "กรรตุวาจก": "active",

45 "สกรรม, อกรรม": "ambitransitive",

46 "มีชีวิต": "animate",

47 "บอกเล่า": "indicative",

48 "สมมุติ": "subjunctive",

49 "สั่ง": "imperative",

50 "คำกริยานุเคราะห์": "auxiliary",

51 "จำนวนเชิงการนับ": "cardinal",

52 "สมุหนาม": "collective",

53 "เพศรวม": "common",

54 "เปรียบเทียบได้": "comparable",

55 "เชื่อม": "copulative",

56 "นับได้": "countable",

57 "ทวิกรรม": "ditransitive",

58 "เพศหญิง": "feminine",

59 "สำนวน": "idiomatic",

60 "ไม่สมบูรณ์": "imperfective",

61 "คำอบุรุษกริยา": "impersonal",

62 "ในรูปเอกพจน์": "singular",

63 "ในรูปทวิพจน์": "dual",

64 "ในรูปพหูพจน์": "plural",

65 "ไม่มีชีวิต": "inanimate",

66 "ไม่ชี้เฉพาะ": "indefinite",

67 "อักษรย่อ": "initialism",

68 "อกรรม": "intransitive",

69 "สัทอักษรสากล": "IPA",

70 "เพศชาย": "masculine",

71 "เพศกลาง": "neuter",

72 "เปรียบเทียบไม่ได้": "not-comparable",

73 "เลียนเสียงธรรมชาติ": "onomatopoeic",

74 "จำนวนเชิงอันดับที่": "ordinal",

75 "พาร์ทิซิเพิล": "partitive",

76 "กรรมวาจก": "passive",

77 "สมบูรณ์": "perfect",

78 "พหูพจน์เท่านั้น": "plural-only",

79 "แสดงความเป็นเจ้าของ": "possessive",

80 "วลีภาคแสดง": "predicative",

81 "สะท้อน": "reflexive",

82 "เอกพจน์เท่านั้น": "singular-only",

83 "สภาว": "stative",

84 "สกรรม": "transitive",

85 "นับไม่ได้": "uncountable",

86 "โบราณ": "archaic",

87 "ภาษาเด็ก": "childish",

88 "ภาษาปาก": "colloquial",

89 "ล้าสมัย": "dated",

90 "นัยล้าสมัย": "dated",

91 "ดูหมิ่น": "derogatory",

92 "ภาษาถิ่น": "dialect",

93 "ในเชิงเปรียบเทียบ": "metaphoric",

94 "ทางการ": "formal",

95 "ขำขัน": "humorous",

96 "อติพจน์": "excessive",

97 "ไม่ทางการ": "informal",

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

99 "ไออาร์ซี": "IRC",

100 "ภาษาข่าว": "journalistic",

101 "ภาษาหนังสือ": "literary",

102 "คำสร้างใหม่": "neologism",

103 "ภาษาไม่มาตรฐาน": "nonstandard",

104 "เลิกใช้": "obsolete",

105 "ล่วงเกิน": "offensive",

106 "ร้อยกรอง": "poetic",

107 "สุภาพ": "polite",

108 "ไม่ควรใช้": "proscribed",

109 "พบได้ยาก": "rare",

110 # "ราชาศัพท์": "",

111 "สแลง": "slang",

112 # "ศัพท์เฉพาะ": "",

113 "หยาบคาย": "vulgar",

114 "กรีซโบราณ": "Ancient Greek",

115 "โรมโบราณ": "Ancient Rome",

116 "สะกดผิด": "misspelling",

117 # Template:zh-mw

118 # Module:zh/templates

119 "จีนกลาง": "Mandarin",

120 "กวางตุ้ง": "Cantonese",

121 "กั้น": "Gan",

122 "แคะ": "Hakka",

123 "จิ้น": "Jin",

124 "หมิ่นเหนือ": "Northern-Min",

125 "หมิ่นตะวันออก": "Eastern-Min",

126 "หมิ่นใต้": "Hokkien",

127 "แต้จิ๋ว": "Teochew",

128 "อู๋": "Wu",

129 "เซียง": "Xiang",

130 # Template:ru-noun+

131 "ช.": "masculine",

132 "อชีว.": "inanimate",

133 "สัมพันธการก": "genitive",

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

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

136}

137

138

139TAGS = {**EXAMPLE_TAGS, **TRANSLATION_TAGS, **SOUND_TAGS, **LABEL_TAGS}

140

141TOPICS = {

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

143 "การบัญชี": "accounting",

144 "สวนศาสตร์": "acoustics",

145 "อากาศยานศาสตร์": "aeronautics",

146 "เกษตรกรรม": "agriculture",

147 "อากาศยาน": "aircraft",

148 "การเล่นแร่แปรธาตุ": "alchemy",

149 "เครื่องดื่มแอลกอฮอล์": "alcohol",

150 "โรคพิษสุรา": "alcoholism",

151 "พีชคณิต": "algebra",

152 "เรขาคณิตเชิงพีชคณิต": "geometry",

153 "ทอพอโลยีเชิงพีชคณิต": "topology",

154 "แพทยศาสตร์ทางเลือก": "alternative-medicine",

155 "วิทยุสมัครเล่น": "radio",

156 "อเมริกันฟุตบอล": "football",

157 "เคมีวิเคราะห์": "chemistry",

158 "อนาธิปไตย": "anarchism",

159 "กายวิภาคศาสตร์": "anatomy",

160 "แอนิเมชัน": "anime",

161 "มานุษยวิทยา": "anthropology",

162 "วิทยาแมงมุม": "arachnology",

163 "โบราณคดี": "archaeology",

164 "การยิงธนู": "archery",

165 "สถาปัตยกรรม": "architecture",

166 "เลขคณิต": "arithmetic",

167 "ศิลปะ": "arts",

168 "ปัญญาประดิษฐ์": "AI",

169 "โหราศาสตร์": "astrology",

170 "อวกาศยานศาสตร์": "astronautics",

171 "ดาราศาสตร์": "astronomy",

172 "ฟิสิกส์ดาราศาสตร์": "astrophysics",

173 "กรีฑา": "athletics",

174 "ยานยนต์": "automotive",

175 "การบิน": "aviation",

176 "วิทยาแบคทีเรีย": "bacteria",

177 "แบดมินตัน": "badminton",

178 "กีฬาใช้บอล": "ball-games",

179 "การธนาคาร": "banking",

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

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

182 "บีดีเอสเอ็ม": "BDSM",

183 "เบียร์": ["beer", "beverages"],

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

185 "บิงโก": ["bingo", "games"],

186 "ชีวเคมี": "biochemistry",

187 "ชีววิทยา": "biology",

188 "เกมกระดาน": "board-games",

189 "พฤกษศาสตร์": "botany",

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

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

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

193 "ธุรกิจ": "business",

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

195 "เกมไพ่": "card-games",

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

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

198 # "ธาตุเคมี": "",

199 "เคมี": "chemistry",

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

201 "ศาสนาคริสต์": "Christianity",

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

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

204 "ภาษาคอมพิวเตอร์": "computing",

205 "วิทยาการคอมพิวเตอร์": "computing",

206 "การคอมพิวเตอร์": "computing",

207 "ศาสนาขงจื๊อ": "Confucianism",

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

209 "เศรษฐศาสตร์": "economics",

210 "การศึกษา": "education",

211 "ไฟฟ้า": "electricity",

212 "แม่เหล็กไฟฟ้า": "electromagnetism",

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

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

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

216 "ภูมิศาสตร์": "geography",

217 "ธรณีวิทยา": "geology",

218 "เรขาคณิต": "geometry",

219 "กอล์ฟ": ["golf", "sports"],

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

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

222 "เทคโนโลยีสารสนเทศ": "computing",

223 "อินเทอร์เน็ต": "Internet",

224 "ศาสนาอิสลาม": "Islam",

225 "กฎหมาย": "law",

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

227 "แอลจีบีที": "LGBT",

228 "ภาษาศาสตร์": "linguistics",

229 "วรรณกรรม": "literature",

230 "ตรรกศาสตร์": "logic",

231 "คณิตศาสตร์": "mathematics",

232 "แพทยศาสตร์": "medicine",

233 "อุตุนิยมวิทยา": "meteorology",

234 "การทหาร": "military",

235 "วิทยาแร่": "mineralogy",

236 "ราชาธิปไตย": "monarchy",

237 "ดนตรี": "music",

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

239 "การเดินเรือ": "nautical",

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

241 "โภชนาการ": "nutrition",

242 "ทัศนศาสตร์": "optics",

243 "พยาธิวิทยา": "pathology",

244 "เภสัชวิทยา": "pharmacology",

245 "ปรัชญา": "philosophy",

246 "สัทศาสตร์": "phonetics",

247 "สัทวิทยา": "phonology",

248 "คมีเชิงฟิสิกส์": "chemistry",

249 "ฟิสิกส์": "physics",

250 "สรีรวิทยา": "physiology",

251 "การเมือง": "politics",

252 "สื่อลามก": "pornography",

253 "การเขียนโปรแกรม": "programming",

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

255 "ศาสนา": "religion",

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

257 "นิยายวิทยาศาสตร์": "science-fiction",

258 "วิทยาศาสตร์": "sciences",

259 "เพศวิถี": "sexuality",

260 # "การเดินเรือ": "",

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

262 "สังคมศาสตร์": "social-science",

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

264 "สังคมวิทยา": "sociology",

265 "กีฬา": "sports",

266 "สถิติศาสตร์": "statistics",

267 "ศาสนาเต๋า": "Taoism",

268 "อนุกรมวิธาน": "taxonomy",

269 "เทคโนโลยี": "technology",

270 "ยูนิโคด": "Unicode",

271 "ผัก": ["vegetable", "food"],

272 "ไวน์": ["wine", "oenology"],

273 "สงครามโลกครั้งที่หนึ่ง": "World War I",

274 "สงครามโลกครั้งที่สอง": "World War II",

275 "พิษ": "poison",

276}

277

278

279def translate_raw_tags(data: WordEntry) -> None:

280 raw_tags = []

281 for raw_tag in data.raw_tags:

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

283 tr_tag = TAGS[raw_tag]

284 if isinstance(tr_tag, str):

285 data.tags.append(tr_tag)

286 elif isinstance(tr_tag, list): 286 ↛ 281line 286 didn't jump to line 281 because the condition on line 286 was always true

287 data.tags.extend(tr_tag)

288 elif raw_tag in TOPICS and hasattr(data, "topics"): 288 ↛ 289line 288 didn't jump to line 289 because the condition on line 288 was never true

289 topic = TOPICS[raw_tag]

290 if isinstance(topic, str):

291 data.topics.append(topic)

292 elif isinstance(topic, list):

293 data.topics.extend(topic)

294 else:

295 raw_tags.append(raw_tag)

296 data.raw_tags = raw_tags