Coverage for src/wiktextract/extractor/cs/tags.py: 73%

1from .models import WordEntry

3# https://cs.wiktionary.org/wiki/Modul:Priznaky/seznam

4LABEL_TAGS = {

5 "v Americe": "US",

6 "argot": "slang",

7 "archaicky": "archaic",

8 "básnicky": "poetic",

9 "bavorský výraz": "Bavarian",

10 "biblický výraz": "Biblical",

11 "cirkusový slang": "slang",

12 "častěji": "often",

13 # "částečně": "partially",

14 "v Čechách": "Bohemia",

15 "dětsky": "childish",

16 "divadelní slang": "slang",

17 "dokonavé": "perfective",

18 # "domácky": "",

19 "dopravní slang": "slang",

20 "doslovně": "literary",

21 "drogový slang": "slang",

22 # "dříve": "formerly",

23 "eufemisticky": "euphemistic",

24 "expresivně": "expressively",

25 "familiárně": "familiar",

26 "formálně": "formally",

27 "hanlivě": "derogatory",

28 # "brněnský hantec": "",

29 "historicky": "historical",

30 "hornický slang": "slang",

31 "horolezecký slang": "slang",

32 "hovorově": "colloquially",

33 "muzikantský slang": "slang",

34 "hyperonymum": "hypernym",

35 "hyponymum": "hyponym",

36 "internetový slang": "slang",

37 "intranzitivní": "intransitive",

38 "ironicky": "ironic",

39 "karetní slang": "slang",

40 "knižně": "literary",

41 "kriminální slang": ["criminal-slang", "slang"],

42 "křesťanský slang": ["Christian", "slang"],

43 "latinsky": "Latin",

44 "slang mládeže": "slang",

45 "v plurálu": "plural",

46 "v moderním kontextu": "modern",

47 "na Moravě": "Moravia",

48 "motoristický slang": "slang",

49 "myslivecký slang": "slang",

50 "slang námořníků": "slang",

51 "nářečně": "dialectal",

52 "nedokonavé": "imperfect",

53 "neformálně": "informal",

54 "neologismus": "neologism",

55 "jen neosobní": "impersonal",

56 "nepočitatelné": "uncountable",

57 # "nepřesně": "",

58 "nesprávně": "incorrectly",

59 "neutrálně": "neutral",

60 # "nezvratné": "",

61 # "v obecném jazyce": "",

62 "oblastně": "regional",

63 "obrazně": "figuratively",

64 # "odborně": "",

65 # "okazionalismus": "",

66 "pejorativně": "pejorative",

67 "počitatelné": "countable",

68 "policejní slang": "slang",

69 "pomnožné": "multiplicative",

70 "poněkud zastarale": "outdated",

71 "pražský výraz": "Prague",

72 "přechýleně": "oblique",

73 "přeneseně": "figuratively",

74 # "přibližně": "",

75 "v Rakousku": "Austria",

76 "řemeslnický slang": "slang",

77 "v širším slova smyslu": "broadly",

78 "v užším slova smyslu": "narrowly",

79 "slangově": "slang",

80 "v současnosti": "present",

81 "současným pravopisem": "contemporary",

82 "spisovné skloňování": "literary",

83 "sportovní slang": "slang",

84 "starým pravopisem": "archaic",

85 "staročesky": "Old-Cezch",

86 "studentský slang": "slang",

87 "technický slang": "slang",

88 "televizní slang": "slang",

89 "trampský slang": "slang",

90 "tranzitivní": "transitive",

91 "vězeňský slang": "slang",

92 "vodácký slang": "slang",

93 "vojenský slang": "slang",

94 "vulgárně": "vulgar",

95 # "vznešeně": "noble",

96 # "xenofobní výraz": "",

97 "z angličtiny": "English",

98 "zastarale": "obsolete",

99 "zdravotnický slang": "slang",

100 "zdrobněle": "diminutive",

101 "zkráceně": "abbreviation",

102 "zkratkou": "abbreviation",

103 "zřídka": "rare",

104 "zveličele": "exaggerated",

105 "zvratné": "reflexive",

106 "železničářský slang": "slang",

107 "žertovně": "humorous",

108 "židovský slang": ["Jewish", "slang"],

109 "ambitranzitivní": "ambitransitive",

110}

111

112GENDER_TAGS = {

113 "mužský": "masculine",

114 "životný": "animate",

115 "neživotný": "inanimate",

116 "femininum (ženský rod)": "feminine",

117 "ženský": "feminine",

118 "ženský rod": "feminine",

119 "neutrum (střední rod)": "neuter",

120 "střední": "neuter",

121 "střední rod": "neuter",

122 "maskulinum (mužský rod)": "masculine",

123 "mužský rod": "masculine",

124 # "všechny rody": "",

125}

126

127TABLE_TAGS = {

128 # Šablona:Substantivum_(cs)

129 "jednotné": "singular",

130 "množné": "plural",

131 "nominativ": "nominative",

132 "genitiv": "genitive",

133 "dativ": "dative",

134 "akuzativ": "accusative",

135 "vokativ": "vocative",

136 "lokál": "locative",

137 "instrumentál": "instrumental",

138 # Šablona:Adjektivum_(cs)

139 "mužský\nživotný": ["masculine", "animate"],

140 "mužský\nneživotný": ["masculine", "inanimate"],

141 # Šablona:Stupňování_(cs)

142 "pozitiv": "positive",

143 "komparativ": "comparative",

144 "superlativ": "superlative",

145 # Šablona:Sloveso_(cs)

146 "Oznamovací způsob": "indicative",

147 "číslo jednotné": "singular",

148 "číslo množné": "plural",

149 "1.": "first-person",

150 "2.": "second-person",

151 "3.": "third-person",

152 "přítomný čas": "present",

153 "Rozkazovací způsob": "imperative",

154 "číslo\njednotné": "singular",

155 "Příčestí": "participle",

156 "mužský životný\ni neživotný": ["masculine", "animate", "inanimate"],

157 "mužský neživotný\na ženský": ["masculine", "animate", "feminine"],

158 "činné": "active",

159 "Přechodníky": "transgressive",

160 "ženský\nstřední": ["feminine", "neuter"],

161 "mužský\nženský\nstřední": ["masculine", "feminine", "neuter"],

162 "přítomný": "present",

163 # Šablona:Sloveso_(de)

164 "Indikativ": "indicative",

165 "aktivum": "active",

166 "singulár": "singular",

167 "plurál": "plural",

168 "prézens": "present",

169 "préteritum": "preterite",

170 "perfektum": ["present", "perfect"],

171 "plusquamperfektum": ["past", "perfect"],

172 "futurum 1": "future-i",

173 "futurum 2": "future-ii",

174 "konjunktiv I": "conjunctive-i",

175 "konjunktiv II": "conjunctive-ii",

176 "Imperativ": "imperative",

177 "Infinitiv": "infinitive",

178 "Příčestí činné (přítomné)": ["active", "participle", "present"],

179 "silná": "strong",

180 "slabá": "weak",

181 "smíšená": "mixed",

182 # Template:Adjektivum (nl) skloňování

183 "společný": "common",

184 "střední": "neuter",

185 # Template:Adjektivum (nl) stupňování

186 "neurčitý": "indefinite",

187 "určitý": "definite",

188 "Komparativ": "comparative",

189 "Superlativ": "superlative",

190}

191

192SOUND_TAGS = {

193 "Pinyin": "Pinyin",

194 "Bopomofo": "Bopomofo",

195 "hiragana": "hiragana",

196 "romaji": "Rōmaji",

197}

198

199

200TAGS = {**LABEL_TAGS, **GENDER_TAGS, **TABLE_TAGS, **SOUND_TAGS}

201

202TOPICS = {

203 "v alchymii": "alchemy",

204 "v anatomii": "anatomy",

205 "v antropologii": "anthropology",

206 "v archeologii": "archaeology",

207 "v architektuře": "architecture",

208 "v astrologii": "astrology",

209 "v bankovnictví": "banking",

210 "v basketbalu": "basketball",

211 "v biochemii": "biochemistry",

212 "v biologii": "biology",

213 "v botanice": "botany",

214 "v buddhizmu": "Buddhism",

215 "církevní": "ecclesiastical",

216 "cirkusový slang": "circus",

217 "v cukrovarnictví": "sugar-making",

218 "v diplomacii": "diplomacy",

219 "v dopravě": "transport",

220 "dopravní slang": "transport",

221 "drogový slang": "drugs",

222 "v ekologii": "ecology",

223 "v ekonomii": "economics",

224 "v elektrotechnice": "electrical-engineering",

225 "v energetice": "energy",

226 "v entomologii": "entomology",

227 "v epidemiologii": "epidemiology",

228 # "v estetice": "",

229 "v etnografii": "ethnography",

230 "v lékárenství": "pharmacy",

231 "ve filmu": "film",

232 "ve filosofii": "philosophy",

233 "ve finančnictví": "finance",

234 "ve folklóru": "folklore",

235 "ve fotografii": "photography",

236 "ve fyzice": "physics",

237 "ve fyziologii": "physiology",

238 "v gastronomii": "gastronomy",

239 "v genetice": "genetics",

240 "v geodézii": "geodesy",

241 "v geologii": "geology",

242 "v geometrii": "geometry",

243 "v historii": "history",

244 "v ledním hokeji": "ice-hockey",

245 "v hornictví": "mining",

246 "hornický slang": "mining",

247 "horolezecký slang": "mountaineering",

248 "v hudbě": "music",

249 "muzikantský slang": "music",

250 "v hutnictví": "metallurgy",

251 # "chatovací zkratka": "",

252 "v chemii": "chemistry",

253 # "v chodském nářečí": "",

254 "v ichtyologii": "ichthyology",

255 "v informatice": "computer-science",

256 "internetový slang": "Internet",

257 "v islámu": "Islam",

258 "v jazykovědě": "linguistics",

259 "v jaderné fyzice": "nuclear-physics",

260 # "v kartářství": "",

261 "v karetních hrách": "card-games",

262 "karetní slang": "card-games",

263 "keramika": "ceramics",

264 "v knihovnictví": "librarianship",

265 "v komunikaci": "communications",

266 "v konspiračních teoriích": "conspiracy",

267 # "v koželužství": "",

268 "v krejčovství": "tailor",

269 "v křesťanství": "Christianity",

270 # "v kvalitářství": "",

271 # "v kybernetice": "",

272 "v lesnictví": "forestry",

273 "v letectví": "aviation",

274 "v lexikologii": "lexicology",

275 "v literatuře": "literature",

276 "v logice": "logic",

277 "v loďařství": "shipbuilding",

278 "v matematice": "mathematics",

279 "v lékařství": "medicine",

280 "v meteorologii": "meteorology",

281 "v mezinárodním právu": "law",

282 "v mineralogii": "mineralogy",

283 "v mykologii": "mycology",

284 "myslivecký slang": "hunting",

285 "v mytologii": "mythology",

286 "v náboženství": "religion",

287 "v obchodním styku": "business",

288 "v obuvnictví": "shoemaking",

289 "v optice": "optics",

290 "v pedagogice": "education",

291 "v pivovarnictví": "brewing",

292 "v plavbě": "sailing",

293 "v pojišťovnictví": "insurance",

294 "v politice": "politics",

295 "policejní slang": "police",

296 "v polygrafii": "printing",

297 "v poštovnictví": "mail",

298 "v potravinářství": "food",

299 "v právu": "law",

300 "v psychologii": "psychology",

301 "v publicistice": "journalism",

302 "v prostředí obchodu s nemovitostmi": "real-estate",

303 "v rybářství": "fishing",

304 "v římském právu": "law",

305 "sexualita": "sexuality",

306 "v sklářství": "glassmaking",

307 "v sociologii": "sociology",

308 "současným pravopisem": "orthography",

309 "ve sportu": "sports",

310 "sportovní slang": "sports",

311 "ve statistice": "statistics",

312 "ve stavebnictví": "construction",

313 "ve stylistice": "stylistics",

314 "v šermu": "fencing",

315 "v technice": "technology",

316 "technický slang": "technical",

317 "televizní slang": "television",

318 "v teologii": "theology",

319 "v textilnictví": "textiles",

320 "v truhlářství": "carpentry",

321 "v typografii": "typography",

322 "v umění": "arts",

323 "v urbanismu": "urbanism",

324 "ve včelařství": "beekeeping",

325 "ve veterinářství": ["veterinary", "medicine"],

326 "vězeňský slang": "prison",

327 "vodácký slang": "boating",

328 "v vodním stavitelství": ["hydraulics", "engineering"],

329 "ve vojenství": "military",

330 "vojenský slang": "military",

331 "ve výpočetní technice": "computer-sciences",

332 "ve vulkanologii": "volcanology",

333 "ve výtvarnictví": "arts",

334 "v zahradnictví": "horticulture",

335 "zdravotní": "health",

336 "zdravotnický slang": "medicine",

337 "v zemědělství": "agriculture",

338 "v geografii": "geography",

339 "v zoologii": "zoology",

340 "ve zvukařství": "sound-engineering",

341 "železničářský slang": "railways",

342 "žurnalisticky": "journalism",

343}

344

345

346def translate_raw_tags(data: WordEntry) -> None:

347 raw_tags = []

348 for raw_tag in data.raw_tags:

349 found_tag = False

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

351 found_tag = True

352 tr_tag = TAGS[raw_tag]

353 if isinstance(tr_tag, str):

354 data.tags.append(tr_tag)

355 elif isinstance(tr_tag, list): 355 ↛ 357line 355 didn't jump to line 357 because the condition on line 355 was always true

356 data.tags.extend(tr_tag)

357 if raw_tag in TOPICS and hasattr(data, "topics"): 357 ↛ 358line 357 didn't jump to line 358 because the condition on line 357 was never true

358 found_tag = True

359 topic = TOPICS[raw_tag]

360 if isinstance(topic, str):

361 data.topics.append(topic)

362 elif isinstance(topic, list):

363 data.topics.extend(topic)

364 if not found_tag:

365 raw_tags.append(raw_tag)

366 data.raw_tags = raw_tags