Coverage for src/wiktextract/extractor/ru/tags.py: 85%

1from typing import Union

3from .models import WordEntry

5# https://ru.wiktionary.org/wiki/Викисловарь:Условные_сокращения

6# Стиль

7STYLE_TAGS: dict[str, Union[str, list[str]]] = {

8 "бран.": "offensive",

9 "вульг.": "vulgar",

10 "высок.": "honorific",

11 "гипокор.": "familiar",

12 "груб.": "vulgar",

13 "детск.": "childish",

14 "диал.": "dialectal",

15 # "дисфм.": "дисфемизм",

16 "жарг.": "slang",

17 "ирон.": "ironic",

18 "истор.": "historical",

19 # "канц.": "канцелярское",

20 "книжн.": "literary",

21 "ласк.": "diminutive",

22 # "мол.": "молодёжное",

23 "нар.-поэт.": "poetic",

24 "нар.-разг.": "colloquial",

25 # "научн.": "научное",

26 "неодобр.": "disapproving",

27 "неол.": "neologism",

28 "обсц.": "vulgar",

29 "офиц.": "formal",

30 # "патет.": "патетическое",

31 "поэт.": "poetic",

32 "презр.": "contemplative",

33 "пренебр.": "derogatory",

34 "прост.": "colloquial",

35 # "проф.": "профессиональное",

36 # "публиц.": "публицистическое",

37 "разг.": "colloquial",

38 "рег.": "regional",

39 "ритор.": "rhetoric",

40 "сленг.": "slang",

41 "сниж.": "reduced",

42 # "советск.": "советизм",

43 "спец.": "special",

44 "старин.": "archaic",

45 "табу": "taboo",

46 # "торж.": "торжественное",

47 "трад.-нар.": "traditional",

48 "трад.-поэт.": ["traditional", "poetic"],

49 # "увелич.": "увеличительное",

50 "уменьш.": "diminutive",

51 "умласк.": ["diminutive", "endearing"],

52 "унич.": "pejorative",

53 "усилит.": "emphatic",

54 "устар.": "obsolete",

55 "фам.": "familiar",

56 # "школьн.": "школьное",

57 "шутл.": "humorous",

58 "эвф.": "euphemistic",

59 # "экзот.": "экзотизм",

60 "экспр.": "expressively",

61 # "эррат.": "эрративное",

62 # Категория:Стилистические пометы

63 "неофиц.": "informal",

64 "одобр.": "approving",

65 "сленг": "slang",

66 "уважит.": "polite",

67 "уничиж.": "derogatory",

68}

70# Предметные области

71TOPICS = {

72 "авиац.": "aeronautics",

73 "автомоб.": "automotive",

74 "агрон.": "agriculture",

75 "алхим.": "pseudoscience",

76 "альп.": "sports",

77 "анат.": "medicine",

78 "антроп.": "anthropology",

79 "артилл.": "weaponry",

80 "археол.": "history",

81 "архит.": "architecture",

82 "астрол.": "astrology",

83 "астрон.": "astronomy",

84 "библейск.": "religion",

85 "биол.": "biology",

86 "биохим.": "biochemistry",

87 "ботан.": "botany",

88 "бухг.": "finance",

89 "вет.": "zoology pathology",

90 "воен.": "military",

91 "гастрон.": "medicine",

92 "генет.": ["biology", "medicine"],

93 "геогр.": "geography",

94 "геод.": "geography",

95 "геол.": "geology",

96 "геометр.": "geometry",

97 "геофиз.": "geology",

98 "геральд.": "heraldry",

99 "гидрол.": "geography",

100 "гидротехн.": "engineering",

101 "гляциол.": "geography",

102 "горн.": "mining",

103 "дипл.": "politics",

104 "ж.-д.": "railways",

105 "живоп.": "arts",

106 # "животн.": "животноводство",

107 "зоол.": "zoology",

108 "игр.": "games",

109 "информ.": "computing",

110 "искусств.": "art-history",

111 "ислам.": "Islam",

112 "ихтиол.": "ichthyology",

113 # "йогич.": "йогическое",

114 "карт.": "card-games",

115 "керам.": ["chemistry", "engineering"],

116 "кино": "film",

117 "кинол.": "dogs",

118 "комп.": "computing",

119 "косм.": "astronomy",

120 "кулин.": "cuisine",

121 # "культурол.": "культурологическое",

122 "лес.": "business",

123 "лингв.": "linguistics",

124 "матем.": "mathematics",

125 "машин.": "engineering",

126 "мед.": "medicine",

127 "металл.": "metallurgy",

128 "метеорол.": "meteorology",

129 "мех.": "mechanical-engineering",

130 "микробиол.": "microbiology",

131 "минер.": "mineralogy",

132 "мифол,": "mythology",

133 "морск.": "nautical",

134 "муз.": "music",

135 # "нефтегаз.": "нефтегазовая промышленность и нефтепереработка",

136 "нумизм.": "numismatics",

137 "океан.": "oceanography",

138 "оккульт.": "mysticism",

139 "опт.": ["physics", "engineering"],

140 "орнитол.": "ornithology",

141 "охотн.": "hunting",

142 "палеонт.": "paleontology",

143 "паразит.": "medicine",

144 "парикмах.": "hairdressing",

145 "плотн.": "carpentry",

146 "полигр.": "printing",

147 "полит.": "politics",

148 "портн.": "textiles",

149 "прогр.": "programming",

150 "психиатр.": "psychiatry",

151 "психол.": "psychology",

152 "пчел.": "agriculture",

153 "радио.": ["radio", "engineering"],

154 "радиоэл.": ["radio", "electricity"],

155 "рекл.": "marketing",

156 "религ.": "religion",

157 "рыбол.": "fishing",

158 "с.-х.": "agriculture",

159 "сексол.": "sexuality",

160 # "скорн.": "скорняжное дело",

161 "социол.": "sociology",

162 # "спелеол.": "спелеологический",

163 "спорт.": "sports",

164 "стат.": "statistics",

165 "столярн.": "carpentry",

166 "строит.": "construction",

167 "театр.": "theater",

168 "текст.": "textiles",

169 "телеком.": "telecommunications",

170 "техн.": "engineering",

171 "торг.": "commerce",

172 "управл.": "management",

173 "фант.": "fantasy",

174 "фарм.": "pharmacology",

175 "физ.": "physics",

176 "физиол.": "physiology",

177 "филат.": "philately",

178 "филол.": "philology",

179 "филос.": "philosophy",

180 "фин.": "finance",

181 "фолькл.": "folklore",

182 "фотогр.": "photography",

183 "хим.": "chemistry",

184 "хоз.": "economics",

185 # "хореогр.": "хореографическое",

186 "церк.": "religion",

187 "цирк.": "circus",

188 "цитол.": "cytology",

189 "шахм.": "chess",

190 "швейн.": "sewing",

191 "экол.": "ecology",

192 "экон.": "economics",

193 "эл.-техн.": "electrical-engineering",

194 "эл.-энерг.": "electricity",

195 "энтомол.": "entomology",

196 "этногр": "ethnography",

197 "этнолог.": "ethnology",

198 "ювел.": "jewelry",

199 "юр.": "legal",

200 # Категория:Стилистические пометы

201 "бизн.": "business",

202}

203

204# Жаргон

205SLANG_TOPICS = {

206 "автомоб. жарг.": "motorcycling",

207 "арест.": "prison",

208 "воен. жарг.": "military",

209 "жарг. аним.": "anime",

210 # "жарг. викип.": "жаргон википроектов"

211 "интернет.": "Internet",

212 "комп. жарг.": "computer",

213 # "студ. жарг.": "студенческий жаргон",

214 "техн. жарг.": "technical",

215 "крим. и крим. жарг.": "criminology",

216 "полит. жарг.": "politics",

217 "жарг. нарк.": "drugs",

218 "жарг. ЛГБТ": "LGBT",

219 # "жарг. гом.": "жаргон гомосексуалов",

220}

221

222# Грамматические категории

223GRAMMATICAL_TAGS = {

224 "3л.": "impersonal",

225 "адъектив.": "adjective",

226 "безл.": "impersonal",

227 "вводн. сл.": "parenthetic",

228 "вин. п.": "accusative",

229 "вопр.": "interrogative",

230 # "восклиц.": "в восклицательных предложениях",

231 "гл.": "verb",

232 "дат. п.": "dative",

233 "ед. ч.": "singular", # Шаблон:ед

234 "ж. р.": "feminine",

235 "женск.": "feminine",

236 "им. п.": "nominative",

237 "исх. п.": "ablative",

238 "исч.": "countable",

239 "м. р.": "masculine",

240 "местн. п.": "locative",

241 "метоним.": "metonymically",

242 "мн. ч.": "plural", # Шаблон:мн, Шаблон:мн.

243 "неисч.": "uncountable",

244 "неодуш.": "inanimate",

245 "неперех.": "intransitive",

246 "нескл.": "indeclinable",

247 # "обобщ": "",

248 # "общ.": "",

249 "одуш.": "animate",

250 # "отриц.": "",

251 "перех.": "transitive",

252 # "повел.": "",

253 "предик.": "predicative",

254 # "предл. п.": "",

255 "прил.": "adjective",

256 # "прош.": "",

257 # "разд. п.": "",

258 "род. п.": "genitive",

259 "собир.": "collective",

260 # "ср. р.": "",

261 "статив.": "stative",

262 "субстантивир.": "substantive",

263 "сущ.": "noun",

264 "тв. п.": "instrumental",

265 # https://ru.wiktionary.org/wiki/Категория:Шаблоны:Условные_сокращения

266 "м.": "masculine", # Шаблон:m

267 "ср.": "neuter", # Шаблон:n

268 "ж.": "feminine", # Шаблон:f

269 "ж. мн.": ["feminine", "plural"], # Шаблон:f.pl

270 "несов.": "imperfective", # Шаблон:impf

271 "м./ж.": ["masculine", "feminine"], # Шаблон:m/f

272 "ср./м.": ["neuter", "masculine"], # Шаблон:n/m

273 "сов.": "perfective", # Шаблон:pf

274 # Шаблон:прил ru 1a^

275 "муж. р.": "masculine",

276 "ср. р.": "neuter",

277 "жен. р.": "feminine",

278 "неод.": "inanimate",

279 "т.": "instrumental",

280 "п.": "prepositional",

281 "кратк. форма": "short-form",

282 # Шаблон:мест ru п1*b

283 "с.": "neuter",

284 "в. (^(одуш.)/_(неодуш.))": ["accusative", "animate", "inanimate"],

285 # Шаблон:словоформы tt

286 "прит.": "possessive",

287 "1-е": "first-person",

288 "2-е": "second-person",

289 "3-е": "third-person",

290 # Template:гл ru ^bСВ

291 "пр. действ. прош.": ["active", "participle", "past"],

292 "деепр. прош.": ["adverbial", "participle", "past"],

293 "пр. страд. прош.": ["passive", "participle", "past"],

294 "прич. страд. прош.": ["passive", "participle", "past"],

295 # Template:гл ru 2a

296 "пр. действ. наст.": ["active", "participle", "present"],

297 "деепр. наст.": ["adverbial", "participle", "present"],

298 "пр. страд. наст.": ["passive", "participle", "present"],

299}

300

301# Прочие сокращения

302OTHER_TAGS = {

303 "букв.": "literary",

304 # "искаж.": "искажённое",

305 "неправ.": "irregular",

306 "перен.": "figuratively",

307 "редк.": "rare",

308 # "тж.": "", # Шаблон:тж.

309 "общая": "indefinite",

310 "опред.": "definite",

311 "счётн.": "count-form",

312 "наречия": "adverb",

313 "имена собственные": "proper-noun",

314 "причастия": "participle",

315 "деепричастия": ["adverbial", "participle"],

316 "топонимы": "toponymic",

317 "неопр.": "indefinite",

318 "опр.": "definite",

319 "imperfectum": "imperfect",

320 "perfectum": "perfect",

321 "gerundium": "gerund",

322 "gerundivum": "gerundive",

323 "plusquamperfectum": "pluperfect",

324 "инфинитив": "infinitive",

325 "герундий": "gerund",

326 "предикативы": "predicative",

327 "сша": "USA",

328 "превосх. формы": "superior",

329 "местоимения": "pronoun",

330 "ум.-ласк.": "diminutive",

331 "междометия": "interjection",

332 # Template:гл cu IV

333 "аорист": "aorist",

334 "нетемат.": "non-thematic",

335 "темат.": "thematic",

336 "предлоги": "prepositional",

337}

338

339CASE_TAGS = {

340 # Шаблон:сущ ru m a 1a

341 "им.": "nominative",

342 "р.": "genitive",

343 "д.": "dative",

344 "в.": "accusative",

345 "тв.": "instrumental",

346 "пр.": "prepositional",

347 # Шаблон:сущ bg 7

348 "зват.": "vocative",

349 # Шаблон:сущ de (e)s er ern/n

350 "ном.": "nominative",

351 "ген.": "genitive",

352 "дат.": "dative",

353 "акк.": "accusative",

354 # Шаблон:сущ cu (-а)

355 # "м.": "locative", # conflict with gender tag

356 "местный": "locative",

357 "зв.": "vocative",

358 # Template:падежи la 3

359 "абл.": "ablative",

360 "вок.": "vocative",

361 # Template:гл la 1

362 "supinum i": "supine-i",

363 "supinum ii": "supine-ii",

364 # Template:падежи tr

365 "вин.": "accusative",

366 "мест.": "locative",

367 "род.": "genitive",

368}

369

370TENSE_TAGS = {

371 # Шаблон:Гл-блок

372 "наст.": "present",

373 "будущ.": "future",

374 "прош.": "past",

375 "будущее": "future",

376 # Template:гл la 1

377 "praesens": "present",

378 "futūrum i": "future-i",

379 "futūrum ii": "future-ii",

380 "infīnitivus praesentis actīvi": ["infinitive", "present", "active"],

381 "infīnitivus praesentis passīvi": ["infinitive", "present", "passive"],

382 "participium praesentis actīvi": ["participle", "present", "active"],

383 "infīnitivus perfecti actīvi": ["infinitive", "perfect", "active"],

384 "participium perfecti passivi": ["participle", "perfect", "passive"],

385 "participium futuri activi": ["participle", "future", "active"],

386 # Template:гл en irreg

387 "прош. вр.": "past",

388 "прич. прош. вр.": ["past", "participle"],

389 # Template:гл ru 2a-ся

390 "наст./будущ.": ["present", "future"],

391}

392

393MOOD_TAGS = {

394 # Шаблон:Гл-блок

395 "повелит.": "imperative",

396 # Template:гл la 1

397 "indicatīvus": "indicative",

398 "coniunctīvus": "conjunctive",

399 "imperatīvus": "imperative",

400}

401

402PERSON_TAGS = {

403 # Шаблон:Гл-блок

404 "я": ["first-person", "singular"],

405 "ты": ["second-person", "singular"],

406 "он\nона\nоно": ["third-person", "singular"],

407 "он\nона": ["third-person", "singular"],

408 "мы": ["first-person", "plural"],

409 "вы": ["second-person", "plural"],

410 "они": ["third-person", "plural"],

411 # Template:гл la 1

412 "1 p.": "first-person",

413 "2 p.": "second-person",

414 "3 p.": "third-person",

415 # Template:гл en irreg

416 "3-е л. ед. ч.": ["third-person", "singular"],

417}

418

419VOICE_TAGS = {

420 # Шаблон:Гл-блок

421 "пр. действ.": "active",

422 "деепр.": "adverbial",

423 "пр. страд.": "passive",

424 # Template:гл la 1

425 "act.": "active",

426 "pass.": "passive",

427}

428

429NUMBER_TAGS = {

430 # Шаблон:сущ cu (-а)

431 "дв. ч.": "dual",

432 "часто мн. ч.": ["often", "plural"],

433 # Template:гл la 1

434 "sing.": "singular",

435 "plur.": "plural",

436 "sg.": "singular",

437 "pl.": "plural",

438}

439

440TRANSLATION_TAGS = {

441 # Шаблон:перев-блок

442 # https://en.wikipedia.org/wiki/Azerbaijani_alphabet

443 # https://ru.wiktionary.org/wiki/Модуль:languages/data

444 "арабск.": "Arabic",

445 "кир.": "Cyrillic",

446 "лат.": "Latin",

447 "лат": "Latin",

448 "кана": "katakana",

449 "сир.": "Syriac",

450 "иуд.": "Jewish",

451 "центральный": "Central",

452 "демот.": "Demotic Greek",

453 "кафар.": "Katharevousa",

454 "мальдивский": "Maldivian",

455 "традиц.": "traditional",

456 "у": "Wu",

457 "упрощ.": "simplified",

458 "южноминьский": "Min",

459 "курманджи": "Kurmanji",

460 "сорани": "Sorani",

461 "севернокурдский": "Kurmanji",

462 "южнокурдский": "Southern Kurdish",

463 "кириллица": "Cyrillic",

464 "глаголица": "Glagolitic",

465 "араб.": "Arabic",

466 "письменный": "Written-Form", # italic tag

467 "устный": "colloquial",

468}

469

470MORPHOLOGICAL_TEMPLATE_TAGS = {

471 # "Шаблон:inflection/ru/noun/text" used in "сущ-ru"

472 "одушевлённое": "animate",

473 "неодушевлённое": "inanimate",

474 "одушевлённое или неодушевлённое": ["animate", "inanimate"],

475 "неодушевлённое или одушевлённое": ["animate", "inanimate"],

476 "мужской род": "masculine",

477 "женский род": "feminine",

478 "средний род": "neuter",

479 "общий род (может согласовываться с другими частями речи как мужского": "common", # noqa: E501

480 "мужской или женский род": ["masculine", "feminine"],

481 "мужской или средний род": ["masculine", "neuter"],

482 "женский или мужской род": ["masculine", "feminine"],

483 "женский или средний род": ["feminine", "neuter"],

484 "средний или мужской род": ["masculine", "neuter"],

485 "средний или женский род": ["feminine", "neuter"],

486 "несклоняемое": "indeclinable",

487 "адъективное": "adjective",

488 "местоименное": "pronominal",

489 # https://en.wikipedia.org/wiki/Russian_declension

490 "1-е": "declension-1",

491 "2-е": "declension-2",

492 "3-е": "declension-3",

493 "2-е (5-e)": ["declension-1", "declension-5"],

494 # Шаблон:inflection/ru/adj

495 "качественное": "qualitative",

496 "относительное": "relative",

497 "притяжательное": "possessive",

498 # verb tags from "Шаблон:Гл-блок"

499 "совершенный вид": "perfect",

500 "несовершенный вид": "imperfective",

501 "двувидовой": "biaspectual",

502 "непереходный": "intransitive",

503 "переходный": "transitive",

504 "безличный": "impersonal",

505 "возвратный": "reflexive",

506}

507

508ALL_TAGS = {

509 **STYLE_TAGS,

510 **GRAMMATICAL_TAGS,

511 **OTHER_TAGS,

512 **CASE_TAGS,

513 **TENSE_TAGS,

514 **MOOD_TAGS,

515 **PERSON_TAGS,

516 **VOICE_TAGS,

517 **NUMBER_TAGS,

518 **TRANSLATION_TAGS,

519}

520

521

522def translate_raw_tags(data: WordEntry) -> None:

523 raw_tags = []

524 for raw_tag in data.raw_tags:

525 raw_tag_lower = raw_tag.lower()

526 if raw_tag_lower in ALL_TAGS:

527 tr_data = ALL_TAGS[raw_tag_lower]

528 if isinstance(tr_data, str):

529 data.tags.append(tr_data)

530 elif isinstance(tr_data, list): 530 ↛ 524line 530 didn't jump to line 524 because the condition on line 530 was always true

531 data.tags.extend(tr_data)

532 elif hasattr(data, "topics"):

533 tr_data = ""

534 if raw_tag_lower in TOPICS:

535 tr_data = TOPICS[raw_tag_lower]

536 elif raw_tag_lower in SLANG_TOPICS: 536 ↛ 540line 536 didn't jump to line 540 because the condition on line 536 was always true

537 tr_data = SLANG_TOPICS[raw_tag_lower]

538 if "slang" not in data.tags: 538 ↛ 540line 538 didn't jump to line 540 because the condition on line 538 was always true

539 data.tags.append("slang")

540 if isinstance(tr_data, str) and len(tr_data) > 0: 540 ↛ 542line 540 didn't jump to line 542 because the condition on line 540 was always true

541 data.topics.append(tr_data)

542 elif isinstance(tr_data, list):

543 data.topics.extend(tr_data)

544 else:

545 raw_tags.append(raw_tag)

546 else:

547 raw_tags.append(raw_tag)

548 data.raw_tags = raw_tags