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 # Template:zh-pron

38 "จีนกลาง": "Mandarin",

39 "มาตรฐาน": "Standard",

40 "พินอิน": "Pinyin",

41 "จู้อิน": "Bopomofo",

42 "Xi'an": "Xi'an",

43 "Guanzhong Pinyin": ["Guanzhong", "Pinyin"],

44 "ดุงกาน": "Dungan",

45 "Cyrillic": "Cyrillic",

46 "Wiktionary": "Wiktionary-specific",

47 "กวางตุ้ง": "Cantonese",

48 "Jyutping": "Jyutping",

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

50 "หมิ่นเหนือ": "Min-Bei",

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

52 "หมิ่นตะวันออก": "Min-Dong",

53 "BUC": "Foochow-Romanized",

54 "หมิ่นใต้": "Min-Nan",

55 "ฮกเกี้ยน": "Hokkien",

56 "POJ": "POJ",

57 "แต้จิ๋ว": "Teochew",

58 "Peng'im": "Peng'im",

59 "จีนมาตรฐาน": "Standard-Chinese",

60 "ทงย่งพินอิน": "Tongyong-Pinyin",

61 "เวด-ไจลส์": "Wade–Giles",

62 "เยล": "Yale",

63 "กั๋วยฺหวี่หลัวหม่าจื้อ": "Gwoyeu-Romatsyh",

64 "พัลลาดีอุส": "Palladius",

65 "สัทอักษรสากลจีนวิทยา": "Sinological-IPA",

66 "กวางตุ้งมาตรฐาน": "Standard-Cantonese",

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

68 "ยฺหวืดเพ็ง": "Jyutping",

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

70 "อักษรโรมันมณฑลกวางตุ้ง": "Guangdong-Romanization",

71 "Pha̍k-fa-sṳ": "Phak-fa-su",

72 "Kienning Colloquial Romanized": "Kienning-Colloquial-Romanized",

73 "Pe̍h-ōe-jī": "POJ",

74 "Tâi-lô": "Tai-lo",

75 "Phofsit Daibuun": "Phofsit-Daibuun",

76 "เสฉวน": "Sichuan",

77 "เฉิงตู": "Chengdu",

78 "Sichuanese Pinyin": ["Sichuanese", "Pinyin"],

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

80 "Pe̍h-ōe-jī-like": "POJ",

81 "อู๋": "Wu",

82 "เซียง": "Xiang",

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

84}

86LABEL_TAGS = {

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

88 "คำย่อ": "abbreviation",

89 "อาการนาม": "abstract-noun",

90 "อักษรอ่านย่อ": "acronym",

91 "กรรตุวาจก": "active",

92 "สกรรม, อกรรม": "ambitransitive",

93 "มีชีวิต": "animate",

94 "บอกเล่า": "indicative",

95 "สมมุติ": "subjunctive",

96 "สั่ง": "imperative",

97 "คำกริยานุเคราะห์": "auxiliary",

98 "จำนวนเชิงการนับ": "cardinal",

99 "สมุหนาม": "collective",

100 "เพศรวม": "common",

101 "เปรียบเทียบได้": "comparable",

102 "เชื่อม": "copulative",

103 "นับได้": "countable",

104 "ทวิกรรม": "ditransitive",

105 "เพศหญิง": "feminine",

106 "สำนวน": "idiomatic",

107 "ไม่สมบูรณ์": "imperfective",

108 "คำอบุรุษกริยา": "impersonal",

109 "ในรูปเอกพจน์": "singular",

110 "ในรูปทวิพจน์": "dual",

111 "ในรูปพหูพจน์": "plural",

112 "ไม่มีชีวิต": "inanimate",

113 "ไม่ชี้เฉพาะ": "indefinite",

114 "อักษรย่อ": "initialism",

115 "อกรรม": "intransitive",

116 "สัทอักษรสากล": "IPA",

117 "เพศชาย": "masculine",

118 "เพศกลาง": "neuter",

119 "เปรียบเทียบไม่ได้": "not-comparable",

120 "เลียนเสียงธรรมชาติ": "onomatopoeic",

121 "จำนวนเชิงอันดับที่": "ordinal",

122 "พาร์ทิซิเพิล": "partitive",

123 "กรรมวาจก": "passive",

124 "สมบูรณ์": "perfect",

125 "พหูพจน์เท่านั้น": "plural-only",

126 "แสดงความเป็นเจ้าของ": "possessive",

127 "วลีภาคแสดง": "predicative",

128 "สะท้อน": "reflexive",

129 "เอกพจน์เท่านั้น": "singular-only",

130 "สภาว": "stative",

131 "สกรรม": "transitive",

132 "นับไม่ได้": "uncountable",

133 "โบราณ": "archaic",

134 "ภาษาเด็ก": "childish",

135 "ภาษาปาก": "colloquial",

136 "ล้าสมัย": "dated",

137 "นัยล้าสมัย": "dated",

138 "ดูหมิ่น": "derogatory",

139 "ภาษาถิ่น": "dialect",

140 "ในเชิงเปรียบเทียบ": "metaphoric",

141 "ทางการ": "formal",

142 "ขำขัน": "humorous",

143 "อติพจน์": "excessive",

144 "ไม่ทางการ": "informal",

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

146 "ไออาร์ซี": "IRC",

147 "ภาษาข่าว": "journalistic",

148 "ภาษาหนังสือ": "literary",

149 "คำสร้างใหม่": "neologism",

150 "ภาษาไม่มาตรฐาน": "nonstandard",

151 "เลิกใช้": "obsolete",

152 "ล่วงเกิน": "offensive",

153 "ร้อยกรอง": "poetic",

154 "สุภาพ": "polite",

155 "ไม่ควรใช้": "proscribed",

156 "พบได้ยาก": "rare",

157 # "ราชาศัพท์": "",

158 "สแลง": "slang",

159 # "ศัพท์เฉพาะ": "",

160 "หยาบคาย": "vulgar",

161 "กรีซโบราณ": "Ancient Greek",

162 "โรมโบราณ": "Ancient Rome",

163 "สะกดผิด": "misspelling",

164 # Template:zh-mw

165 # Module:zh/templates

166 "กั้น": "Gan",

167 "แคะ": "Hakka",

168 "จิ้น": "Jin",

169 # Template:ru-noun+

170 "ช.": "masculine",

171 "อชีว.": "inanimate",

172 "สัมพันธการก": "genitive",

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

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

175 # Template:zh-forms

176 "ตัวเต็ม": "Traditional-Chinese",

177 "ตัวย่อ": "Simplified-Chinese",

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

179 "รูปแบบอื่น": "alternative",

180 "obsolete": "obsolete",

181 # Template:zh-dial

182 "คลาสสิก": "Classical-Chinese",

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

184 "Written Standard Chinese": "Written-Standard-Chinese",

185 "จีนกลางตะวันออกเฉียงเหนือ": "Northeastern-Mandarin",

186 "จีนกลางแบบจี้หลู่": "Jilu-Mandarin",

187 "จีนกลางแบบเจียวเหลียว": "Jiaoliao-Mandarin",

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

189 "จีนกลางแบบหลันอิ๋น": "Lanyin-Mandarin",

190 "จีนกลางตะวันตกเฉียงใต้": "Southwestern-Mandarin",

191 "จีนกลางแบบเจียงหวย": "Jianghuai-Mandarin",

192 "ฮุ่ยโจว": "Huizhou",

193 "หมิ่นแบบผูเซียน": "Puxian-Min",

194 "หมิ่นตอนกลาง": "Central-Min",

195 "หมิ่นแบบจงซัน": "Zhongshan-Min",

196 "ผิงใต้": "Southern-Pinghua",

197 "ผิงเหนือ": "Northern-Pinghua",

198}

199

200

201TAGS = {**EXAMPLE_TAGS, **TRANSLATION_TAGS, **SOUND_TAGS, **LABEL_TAGS}

202

203TOPICS = {

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

205 "การบัญชี": "accounting",

206 "สวนศาสตร์": "acoustics",

207 "อากาศยานศาสตร์": "aeronautics",

208 "เกษตรกรรม": "agriculture",

209 "อากาศยาน": "aircraft",

210 "การเล่นแร่แปรธาตุ": "alchemy",

211 "เครื่องดื่มแอลกอฮอล์": "alcohol",

212 "โรคพิษสุรา": "alcoholism",

213 "พีชคณิต": "algebra",

214 "เรขาคณิตเชิงพีชคณิต": "geometry",

215 "ทอพอโลยีเชิงพีชคณิต": "topology",

216 "แพทยศาสตร์ทางเลือก": "alternative-medicine",

217 "วิทยุสมัครเล่น": "radio",

218 "อเมริกันฟุตบอล": "football",

219 "เคมีวิเคราะห์": "chemistry",

220 "อนาธิปไตย": "anarchism",

221 "กายวิภาคศาสตร์": "anatomy",

222 "แอนิเมชัน": "anime",

223 "มานุษยวิทยา": "anthropology",

224 "วิทยาแมงมุม": "arachnology",

225 "โบราณคดี": "archaeology",

226 "การยิงธนู": "archery",

227 "สถาปัตยกรรม": "architecture",

228 "เลขคณิต": "arithmetic",

229 "ศิลปะ": "arts",

230 "ปัญญาประดิษฐ์": "AI",

231 "โหราศาสตร์": "astrology",

232 "อวกาศยานศาสตร์": "astronautics",

233 "ดาราศาสตร์": "astronomy",

234 "ฟิสิกส์ดาราศาสตร์": "astrophysics",

235 "กรีฑา": "athletics",

236 "ยานยนต์": "automotive",

237 "การบิน": "aviation",

238 "วิทยาแบคทีเรีย": "bacteria",

239 "แบดมินตัน": "badminton",

240 "กีฬาใช้บอล": "ball-games",

241 "การธนาคาร": "banking",

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

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

244 "บีดีเอสเอ็ม": "BDSM",

245 "เบียร์": ["beer", "beverages"],

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

247 "บิงโก": ["bingo", "games"],

248 "ชีวเคมี": "biochemistry",

249 "ชีววิทยา": "biology",

250 "เกมกระดาน": "board-games",

251 "พฤกษศาสตร์": "botany",

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

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

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

255 "ธุรกิจ": "business",

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

257 "เกมไพ่": "card-games",

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

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

260 # "ธาตุเคมี": "",

261 "เคมี": "chemistry",

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

263 "ศาสนาคริสต์": "Christianity",

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

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

266 "ภาษาคอมพิวเตอร์": "computing",

267 "วิทยาการคอมพิวเตอร์": "computing",

268 "การคอมพิวเตอร์": "computing",

269 "ศาสนาขงจื๊อ": "Confucianism",

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

271 "เศรษฐศาสตร์": "economics",

272 "การศึกษา": "education",

273 "ไฟฟ้า": "electricity",

274 "แม่เหล็กไฟฟ้า": "electromagnetism",

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

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

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

278 "ภูมิศาสตร์": "geography",

279 "ธรณีวิทยา": "geology",

280 "เรขาคณิต": "geometry",

281 "กอล์ฟ": ["golf", "sports"],

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

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

284 "เทคโนโลยีสารสนเทศ": "computing",

285 "อินเทอร์เน็ต": "Internet",

286 "ศาสนาอิสลาม": "Islam",

287 "กฎหมาย": "law",

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

289 "แอลจีบีที": "LGBT",

290 "ภาษาศาสตร์": "linguistics",

291 "วรรณกรรม": "literature",

292 "ตรรกศาสตร์": "logic",

293 "คณิตศาสตร์": "mathematics",

294 "แพทยศาสตร์": "medicine",

295 "อุตุนิยมวิทยา": "meteorology",

296 "การทหาร": "military",

297 "วิทยาแร่": "mineralogy",

298 "ราชาธิปไตย": "monarchy",

299 "ดนตรี": "music",

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

301 "การเดินเรือ": "nautical",

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

303 "โภชนาการ": "nutrition",

304 "ทัศนศาสตร์": "optics",

305 "พยาธิวิทยา": "pathology",

306 "เภสัชวิทยา": "pharmacology",

307 "ปรัชญา": "philosophy",

308 "สัทศาสตร์": "phonetics",

309 "สัทวิทยา": "phonology",

310 "คมีเชิงฟิสิกส์": "chemistry",

311 "ฟิสิกส์": "physics",

312 "สรีรวิทยา": "physiology",

313 "การเมือง": "politics",

314 "สื่อลามก": "pornography",

315 "การเขียนโปรแกรม": "programming",

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

317 "ศาสนา": "religion",

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

319 "นิยายวิทยาศาสตร์": "science-fiction",

320 "วิทยาศาสตร์": "sciences",

321 "เพศวิถี": "sexuality",

322 # "การเดินเรือ": "",

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

324 "สังคมศาสตร์": "social-science",

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

326 "สังคมวิทยา": "sociology",

327 "กีฬา": "sports",

328 "สถิติศาสตร์": "statistics",

329 "ศาสนาเต๋า": "Taoism",

330 "อนุกรมวิธาน": "taxonomy",

331 "เทคโนโลยี": "technology",

332 "ยูนิโคด": "Unicode",

333 "ผัก": ["vegetable", "food"],

334 "ไวน์": ["wine", "oenology"],

335 "สงครามโลกครั้งที่หนึ่ง": "World War I",

336 "สงครามโลกครั้งที่สอง": "World War II",

337 "พิษ": "poison",

338}

339

340

341def translate_raw_tags(data: WordEntry) -> None:

342 raw_tags = []

343 for raw_tag in data.raw_tags:

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

345 tr_tag = TAGS[raw_tag]

346 if isinstance(tr_tag, str):

347 data.tags.append(tr_tag)

348 elif isinstance(tr_tag, list): 348 ↛ 343line 348 didn't jump to line 343 because the condition on line 348 was always true

349 data.tags.extend(tr_tag)

350 elif raw_tag in TOPICS and hasattr(data, "topics"): 350 ↛ 351line 350 didn't jump to line 351 because the condition on line 350 was never true

351 topic = TOPICS[raw_tag]

352 if isinstance(topic, str):

353 data.topics.append(topic)

354 elif isinstance(topic, list):

355 data.topics.extend(topic)

356 else:

357 raw_tags.append(raw_tag)

358 data.raw_tags = raw_tags