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

1from .models import BaseModel

3# Modül:temalar/veri/söz_biçim

4GLOSS_TAGS = {

5 "mecaz": "metaphoric", # "Şablon:mecaz"

6 "bazen": "sometimes",

7 "özellikle": "especially",

8 "ender": "rare",

9 "kısa": "short-form",

10 "Almanya": "Germany",

11 "Amerika Birleşik Devletleri": "US",

12 "Asya": "Asia",

13 "Avrupa": "Europe",

14 "Avrupa Birliği": "European-Union",

15 "Avustralya": "Australia",

16 "Avusturya": "Austria",

17 "Fransa": "France",

18 "Hindistan": "India",

19 "Hinduizm": "Hinduism",

20 "Irak": "Iraq",

21 "İngiltere": "England",

22 "İrlanda": "Ireland",

23 "İsviçre": "Switzerland",

24 "Kanada": "Canada",

25 "retorik": "rhetoric",

26 "Türkiye": "Turkey",

27 "Yeni Zelanda": "New Zealand",

28 "halk ağzı": "dialectal",

29 "argo": "slang",

30 "artık kullanılmayan sözcükler": "obsolete",

31 "aşağılayıcı ifadeler": "pejorative",

32 "çocuk dili": "childish",

33 "eskimekte": "obsolete",

34 "eskimiş": "obsolete",

35 "günlük konuşma dili": "vernacular",

36 "hakaret yollu sözcükler": "offensive",

37 "internet jargonu": ["Internet", "jargon"],

38 "kaba konuşma": "vulgar",

39 "kısa biçimler": "short-form",

40 "konuşma dili ifadeleri": "vernacular",

41 "mecazlar": "metaphoric",

42 "örtmeceler": "euphemistic",

43 "resmî dil": "official-language",

44 "şaka yollu sözcükler": "humorous",

45 "şiirsel terimler": "poetic",

46 "teklifsiz konuşma": "informal",

47 "kökler": "root",

48 # Modül:temalar/veri/söz türü

49 "adlar": "noun",

50 "adıllar": "pronoun",

51 "akronimler": "acronym",

52 "atasözleri": "proverb",

53 "bağlaçlar": "conjunction",

54 "belirli adlar": ["definite", "name"],

55 "belirsiz adlar": ["indefinite", "name"],

56 "belirteçler": "adverb",

57 "belgisiz adıllar": ["indefinite", "pronoun"],

58 "çekimli adlar": ["declinable", "noun"],

59 "çekimli adıllar": ["declinable", "pronoun"],

60 "çekimli eylemler": ["declinable", "pronoun"],

61 "çekimli kısaltmalar": ["declinable", "abbreviation"],

62 "çekimli ortaçlar": ["declinable", "participle"],

63 "çekimli ön adlar": ["declinable", "adjective"],

64 "çekimli özel adlar": ["declinable", "name"],

65 "çekimli sayı adları": ["declinable", "numeral"],

66 "çekimli son ekler": ["declinable", "suffix"],

67 "çoğul ad formları": ["plural", "noun"],

68 "deyimler": "idiomatic",

69 "dişil adlar": ["feminine", "noun"],

70 "dişil çekimli adlar": ["feminine", "declinable", "noun"],

71 "edatlar": "prepositional",

72 "erkek adları": ["masculine", "name"],

73 "eylemler": "verb",

74 "geçişli eylemler": ["transitive", "verb"],

75 "geçişsiz eylemler": ["intransitive", "verb"],

76 "dönüşlü eylemler": ["reflexive", "verb"],

77 "işteş eylemler": ["reciprocal", "verb"],

78 "geçişli": "transitive",

79 "geçişsiz": "intransitive",

80 "dönüşlü": "reflexive",

81 "işteş": "reciprocal",

82 "düzensiz eylemler": ["irregular", "verb"],

83 "harfler": "letter",

84 "kişi adılları": ["personal", "pronoun"],

85 "sayı adları": ["numeral", "name"],

86 "sayılabilen adlar": ["countable", "noun"],

87 "sayılamayan adlar": ["uncountable", "noun"],

88 "sıral sayılar": ["ordinal", "numeral"],

89}

91POS_HEADER_TAGS = {

92 # Şablon:tr-ad

93 "belirtme hâli": "accusative",

94 "çoğulu": "plural",

95 # Şablon:en-ad

96 "üçüncü tekil kişi geniş zaman": ["third-person", "singular", "present"],

97 "şimdiki zaman": "present",

98 "geçmiş zaman ve yakın geçmiş zaman": "past",

99 "sayılabilen ve sayılamayan": ["countable", "uncountable"],

100 "sayılabilen": "countable",

101 "sayılamayan": "uncountable",

102 # Şablon:de-ad

103 "tamlayan hâli": "genitive",

104 "dişil": "feminine",

105 "d": "feminine",

106 "e": "masculine",

107 "eril": "masculine",

108 "sahiplik şekli": "possessive", # Şablon:sahiplik

109 # Şablon:tr-eylem

110 "üçüncü tekil şahıs geniş zaman çekimi": [

111 "third-person",

112 "singular",

113 "present",

114 ],

115 # Şablon:tr-ön ad

116 "karşılaştırma": "comparative",

117 "üstünlük": "superlative",

118}

119

120TRANSLATION_TAGS = {

121 # Modül:cinsiyet_ve_numara

122 "n": "neutral",

123 "g": "general",

124 "anim": "animate",

125 "cansız": "inanimate",

126 "pers": "personal",

127 "npers": "impersonal",

128 "te": "singular",

129 "ik": "dual",

130 "ç": "plural",

131 "impf": "imperfective",

132 "pf": "perfective",

133}

134

135LINKAGE_TAGS = {

136 "eskimiş": "obsolete",

137}

138

139TABLE_TAGS = {

140 # Şablon:tr-ad-tablo

141 "tekil": "singular",

142 "çoğul": "plural",

143 "yalın": "nominative",

144 "belirtme": "accusative",

145 "yönelme": "dative",

146 "bulunma": "locative",

147 "ayrılma": "ablative",

148 "tamlayan": "genitive",

149 "iyelik": "possessive",

150 "1. tekil": ["first-person", "singular"],

151 "2. tekil": ["second-person", "singular"],

152 "3. tekil": ["third-person", "singular"],

153 "1. çoğul": ["first-person", "plural"],

154 "2. çoğul": ["second-person", "plural"],

155 "3. çoğul": ["third-person", "plural"],

156 # Şablon:tr-eylem-tablo

157 "olumlu çekimler": "positive",

158 "belirli geçmiş": ["definite", "past"],

159 "belirsiz geçmiş": ["indefinite", "past"],

160 "şimdiki": "present",

161 "gelecek": "future",

162 # "basit": "simple",

163 # "hikaye": "",

164 # "rivayet": "",

165 "şart": "conditional",

166 "gereklilik": "necessitative",

167 "olumsuz çekimler": "negative",

168}

169

170

171TAGS = {

172 **GLOSS_TAGS,

173 **POS_HEADER_TAGS,

174 **TRANSLATION_TAGS,

175 **LINKAGE_TAGS,

176 **TABLE_TAGS,

177}

178

179# https://tr.wiktionary.org/wiki/Modül:temalar/veri/konu

180# https://tr.wiktionary.org/wiki/Modül:temalar/veri/grup

181TOPICS = {

182 "anatomi": "anatomy",

183 "diller": "language",

184 "akışkanlar mekaniği": "fluid-dynamics",

185 "antropoloji": "anthropology",

186 "arıcılık": "beekeeping",

187 "aritmetik": "arithmetic",

188 "arkeoloji": "archaeology",

189 "askeriye": "military",

190 "astroloji": "astrology",

191 "aşçılık": "cooking",

192 "avcılık": "hunting",

193 "bakteriyoloji": "bacteriology",

194 "bale": "ballet",

195 "balıkçılık": "fishing",

196 "bankacılık": "banking",

197 "basketbol": "basketball",

198 "basın-yayın": "publishing",

199 "bilardo": "billiards",

200 "bilgisayar bilimi": ["computer", "science"],

201 "bilgisayar dili": "computer-languages",

202 "bilim": "science",

203 "bilişim": "informatics",

204 "binalar": "building",

205 "binicilik": "equestrianism",

206 "Birleşik Krallık": "UK",

207 "bitki anatomisi": "botany",

208 "bitki bilimi": "botany",

209 # "bitki hastalıkları": "",

210 "biyokimya": "biochemistry",

211 "biyoloji": "biology",

212 "biyoteknoloji": "biotechnology",

213 "boks": "boxing",

214 "böcek bilimi": "entomology",

215 "Budizm": "Buddhism",

216 "budun bilimi": "ethnology",

217 "cerrahi": "surgery",

218 "ceza hukuku": "law",

219 "cinsellik": "sexuality",

220 "cinsellik bilimi": "sexology",

221 "cinsiyet": "sexuality",

222 "coğrafya": "geography",

223 "dans": "dancing",

224 "demiryolu ulaşımı": ["railways", "transport"],

225 "dermatoloji": "dermatology",

226 "dil bilgisi": "grammar",

227 "dil bilimi": "linguistics",

228 "din": "religion",

229 "diplomasi": "diplomacy",

230 "diş hekimliği": "dentistry",

231 "doğa bilimi": "natural-sciences",

232 "dokuma": "weaving",

233 "drama": "drama",

234 "eczacılık": "pharmacology",

235 "edebiyat": "literature",

236 "eğitim": "education",

237 "eğlence": "entertainment",

238 "ekonomi": "economics",

239 "elektrik": "electricity",

240 "elektrik mühendisliği": "electrical-engineering",

241 "elektromanyetizm": "electromagnetism",

242 "elektronik": "electronics",

243 "enerji": "energy",

244 "epistemoloji": "epistemology",

245 "eşey": "sex",

246 "etik": "ethics",

247 "evlilik": "marriage",

248 "evrim": "evolution",

249 "fahişelik": "prostitution",

250 "farmakoloji": "pharmacology",

251 "felsefe": "philosophy",

252 "filateli": "philately",

253 "finans": "finance",

254 "fitopatoloji": "phytopathology",

255 "fizik": "physics",

256 "fizyoloji": "physiology",

257 "fotoğrafçılık": "photography",

258 "futbol": "football",

259 "genetik": "genetics",

260 "geometri": "geometry",

261 "gezegen bilimi": ["planets", "science"],

262 "giyim": "clothing",

263 "gök bilimi": "astronomy",

264 "hapishane": "prison",

265 "haritacılık": "cartography",

266 "hastalık": "illness",

267 "hava": "weather",

268 "hava taşıtı": "aircraft",

269 "havacılık": "aviation",

270 "havacılık ve uzay mühendisliği": ["aviation", "aerospace", "engineering"],

271 "hayvan bilimi": "zoology",

272 "hayvancılık": "husbandry",

273 "hematoloji": "hematology",

274 "hidroloji": "hydrology",

275 "hijyen": "hygiene",

276 "Hristiyanlık": "Christianity",

277 "hobiler": "hobbies",

278 "hukuk": "law",

279 "hükûmet": "government",

280 "İbrahimî dinler": "Abrahamic-religions",

281 "iç giyim": "underwear",

282 "idam": "execution",

283 "ideolojiler": "ideology",

284 "iklim bilimi": "climatology",

285 "iletişim": "communications",

286 "imalat": "manufacturing",

287 "immünoloji": "immunology",

288 "internet": "Internet",

289 # "intihar": "suicide",

290 "iskambil": "card-games",

291 "iskân": "inhabiting",

292 "İslam": "Islam",

293 "İslâm": "Islam",

294 "istatistik": "statistics",

295 "işletme": "business",

296 "işletmeler": "business",

297 "itfaiyecilik": "firefighting",

298 "jeofizik": "geophysics",

299 "jeoloji": "geology",

300 "jinekoloji": "gynecology",

301 # "kadın": "woman",

302 # "kâğıt": "paper",

303 "kara ulaşımı": ["road", "transport"],

304 "kardiyoloji": "cardiology",

305 "Katoliklik": "Catholicism",

306 "kırtasiye": "stationery",

307 "kimya": "chemistry",

308 "kişilik": "personality",

309 # "kitap": "book",

310 "Kitab-ı Mukaddes": "biblical",

311 "konstrüksiyon": "construction",

312 "kozmetik": "cosmetics",

313 "kriket": "cricket",

314 "kriminoloji": "criminology",

315 "kriptografi": "cryptography",

316 "kristalografi": "crystallography",

317 "kuantum mekaniği": "quantum-mechanics",

318 "kumaş": "fabrics",

319 "kuş bilimi": "ornithology",

320 "kültür": "culture",

321 "LGBT": "LGBT",

322 "madencilik": "mining",

323 "marangozluk": "carpentry",

324 "masa oyunu": "board-games",

325 "matbaacılık": "printing",

326 "makine mühendisliği": "mechanical-engineering",

327 "malzeme bilimi": "material-science",

328 "malzemeler": "materials",

329 "mandıracılık": "dairy",

330 "mantık": "logic",

331 "manyetizma": "magnetism",

332 "matematik": "mathematics",

333 "matematiksel analiz": "mathematical-analysis",

334 "medya": "media",

335 "mekanik": "mechanics",

336 "metalurji": "metallurgy",

337 "meteoroloji": "meteorology",

338 "metroloji": "metrology",

339 "mikoloji": "mycology",

340 "mikrobiyoloji": "microbiology",

341 "mimarlık": "architecture",

342 "mineraloji": "mineralogy",

343 "mitoloji": "mythology",

344 "mobilya": "furniture",

345 "moda": "fashion",

346 "moleküler biyoloji": "molecular-biology",

347 "monarşi": "monarchy",

348 "mühendislik": "engineering",

349 "müzik": "music",

350 "müzisyenler": "musician",

351 "nörobilim": "neuroscience",

352 "nöroloji": "neurology",

353 "nümismatik": "numismatics",

354 "okçuluk": "archery",

355 "Okültizm": "occult",

356 "okyanus bilimi": "oceanography",

357 "olasılık": "probability",

358 "olasılık kuramı": "probability-theory",

359 "onkoloji": "oncology",

360 "opera": "opera",

361 "optik": "optics",

362 "organik kimya": "organic-chemistry",

363 "Ortodoksluk": "Orthodoxy",

364 "ormancılık": "forestry",

365 "ortografi": "orthography",

366 "otomotiv": "automobile-industry",

367 "oyun": "games",

368 "ölçü birimleri": "units-of-measure",

369 # "ölüm": "death",

370 "Paganizm": "paganism",

371 "paleontoloji": "paleontology",

372 "para": "money",

373 "parapsikoloji": "parapsychology",

374 "patoloji": "pathology",

375 "pazarlama": "marketing",

376 "petroloji": "petrology",

377 "polis": "police",

378 "politika": "politics",

379 "posta": "mail",

380 "programlama": "programming",

381 "Protestanlık": "Protestantism",

382 "psikiyatri": "psychiatry",

383 "radyo": "radio",

384 "radyo ve televizyon yayıncılığı": ["radio", "television", "broadcasting"],

385 "reklamcılık": "advertising",

386 # "resim": "painting",

387 # "restoranlar": "restaurant",

388 "robotik": "robotics",

389 "ruh bilimi": "psychology",

390 "sağlık": "health",

391 "sanat": "arts",

392 # "sandalyeler": "chairs",

393 "satranç": "chess",

394 "sayılar teorisi": "number-theory",

395 "seramik": "ceramics",

396 # "ses": "voice",

397 "ses bilgisi": "phonetics",

398 "ses bilimi": "phonology",

399 # "sinema": "cinema",

400 "sismoloji": "seismology",

401 "sitoloji": "cytology",

402 "sosyal bilimler": "sociology",

403 "sözdebilim": "pseudoscience",

404 "spor": "sports",

405 # "suç": "crime",

406 # "suç önleme": "crime-prevention",

407 "Sünnilik": "Sunnism",

408 "Şamanizm": "shamanism",

409 "Şiilik": "Shi'ism",

410 "şiir sanatı": "poetry",

411 "taksonomi": "taxonomy",

412 "takvim": "calendar",

413 "tarım": "agriculture",

414 "tarih": "history",

415 "teknoloji": "technology",

416 "tekstil": "fabrics",

417 "telefonculuk": "telephony",

418 "telekomünikasyon": "telecommunications",

419 "televizyon": "television",

420 "termodinamik": "thermodynamics",

421 "tıp": "medicine",

422 "ticaret": "commerce",

423 "tiyatro": "theater",

424 "toksikoloji": "toxicology",

425 "toplum bilimi": "sociology",

426 "ulaşım": "communications",

427 "uygulamalı bilimler": "applied-sciences",

428 # "uyku": "sleep",

429 # "uzay": "space",

430 "veritabanı": "databases",

431 "veteriner hekimliği": ["veterinary", "medicine"],

432 "video oyunları": "video-games",

433 "volkanoloji": "volcanology",

434 "vücut": "body",

435 "Yahudilik": "Judaism",

436 "yapı bilgisi": "morphology",

437 "yazı": "writing",

438 "yazılım": "software",

439 "yazılım mühendisliği": "software-engineering",

440 "yollar": "road",

441 "yönetim": "management",

442 "yüzey bilimi": "geomorphology",

443 "zaman": "time",

444 # Modül:temalar/veri/grup

445 # "adalar": "island",

446 "aletler": "tools",

447 "alkollü içecekler": "beverages",

448 "ateşli silahlar": "firearms",

449 "atgiller": "horses",

450 "balıklar": "fish",

451 # "belediyeler": "municipalities",

452 "böcekler": "insects",

453 "bilimsel adlar": "scientific",

454 "bitkiler": "vegetable",

455 # "çay": "tea",

456 "çiçekler": "flowery",

457 "doğangiller": "falconry",

458 "gezegenler": "planets",

459 "haftanın günleri": "weekdays",

460 "içecekler": "beverages",

461 # "ilçeler": "districts",

462 # "kahve": "coffee",

463 "kemikler": "bone",

464 "kemiriciler": "rodents",

465 "kıtalar": "continents",

466 # "köyler": "village",

467 # "kuşlar": "birds",

468 "memeliler": "mammals",

469 "mevsimler": "seasons",

470 "renkler": "color",

471 "sebzeler": "vegetable",

472 "silahlar": "weapon",

473 "şehirler": "cities",

474 "takılar": "jewellery",

475 "taşıtlar": "vehicles",

476 "top oyunları": "ball-games",

477 "ülkeler": "country",

478 "yapılar": "architecture",

479 "yılanlar": "snakes",

480 "yiyecekler": "food",

481}

482

483

484def translate_raw_tags(data: BaseModel) -> None:

485 raw_tags = []

486 for raw_tag in data.raw_tags:

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

488 tr_tag = TAGS[raw_tag]

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

490 data.tags.append(tr_tag)

491 elif isinstance(tr_tag, list): 491 ↛ 486line 491 didn't jump to line 486 because the condition on line 491 was always true

492 for t in tr_tag:

493 if t not in data.tags: 493 ↛ 492line 493 didn't jump to line 492 because the condition on line 493 was always true

494 data.tags.append(t)

495 elif raw_tag in TOPICS and hasattr(data, "topics"):

496 topic = TOPICS[raw_tag]

497 if isinstance(topic, str) and topic not in data.topics: 497 ↛ 499line 497 didn't jump to line 499 because the condition on line 497 was always true

498 data.topics.append(topic)

499 elif isinstance(topic, list):

500 for t in topic:

501 if t not in data.topics:

502 data.topics.append(t)

503 else:

504 raw_tags.append(raw_tag)

505 data.raw_tags = raw_tags