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 "статив.": "stative",

261 "субстантивир.": "substantive",

262 "сущ.": "noun",

263 "тв. п.": "instrumental",

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

265 "м.": "masculine", # Шаблон:m

266 "ср.": "neuter", # Шаблон:n

267 "ж.": "feminine", # Шаблон:f

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

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

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

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

272 "сов.": "perfective", # Шаблон:pf

273 # Шаблон:прил ru 1a^

274 "муж. р.": "masculine",

275 "ср. р.": "neuter",

276 "жен. р.": "feminine",

277 "неод.": "inanimate",

278 "т.": "instrumental",

279 "п.": "prepositional",

280 "кратк. форма": "short-form",

281 # Шаблон:мест ru п1*b

282 "с.": "neuter",

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

284 # Шаблон:словоформы tt

285 "прит.": "possessive",

286 "1-е": "first-person",

287 "2-е": "second-person",

288 "3-е": "third-person",

289 # Template:гл ru ^bСВ

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

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

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

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

294 # Template:гл ru 2a

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

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

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

298}

299

300# Прочие сокращения

301OTHER_TAGS = {

302 "букв.": "literary",

303 # "искаж.": "искажённое",

304 "неправ.": "irregular",

305 "перен.": "figuratively",

306 "редк.": "rare",

307 # "тж.": "", # Шаблон:тж.

308 "общая": "indefinite",

309 "опред.": "definite",

310 "счётн.": "count-form",

311 "наречия": "adverb",

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

313 "причастия": "participle",

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

315 "топонимы": "toponymic",

316 "неопр.": "indefinite",

317 "опр.": "definite",

318 "imperfectum": "imperfect",

319 "perfectum": "perfect",

320 "gerundium": "gerund",

321 "gerundivum": "gerundive",

322 "plusquamperfectum": "pluperfect",

323 "инфинитив": "infinitive",

324 "герундий": "gerund",

325 "предикативы": "predicative",

326 "сша": "USA",

327 "превосх. формы": "superior",

328 "местоимения": "pronoun",

329 "ум.-ласк.": "diminutive",

330 "междометия": "interjection",

331 # Template:гл cu IV

332 "аорист": "aorist",

333 "нетемат.": "non-thematic",

334 "темат.": "thematic",

335 "предлоги": "prepositional",

336}

337

338CASE_TAGS = {

339 # Шаблон:сущ ru m a 1a

340 "им.": "nominative",

341 "р.": "genitive",

342 "д.": "dative",

343 "в.": "accusative",

344 "тв.": "instrumental",

345 "пр.": "prepositional",

346 # Шаблон:сущ bg 7

347 "зват.": "vocative",

348 # Шаблон:сущ de (e)s er ern/n

349 "ном.": "nominative",

350 "ген.": "genitive",

351 "дат.": "dative",

352 "акк.": "accusative",

353 # Шаблон:сущ cu (-а)

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

355 "местный": "locative",

356 "зв.": "vocative",

357 # Template:падежи la 3

358 "абл.": "ablative",

359 "вок.": "vocative",

360 # Template:гл la 1

361 "supinum i": "supine-i",

362 "supinum ii": "supine-ii",

363 # Template:падежи tr

364 "вин.": "accusative",

365 "мест.": "locative",

366 "род.": "genitive",

367}

368

369TENSE_TAGS = {

370 # Шаблон:Гл-блок

371 "наст.": "present",

372 "будущ.": "future",

373 "прош.": "past",

374 "будущее": "future",

375 # Template:гл la 1

376 "praesens": "present",

377 "futūrum i": "future-i",

378 "futūrum ii": "future-ii",

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

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

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

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

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

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

385 # Template:гл en irreg

386 "прош. вр.": "past",

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

388 # Template:гл ru 2a-ся

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

390}

391

392MOOD_TAGS = {

393 # Шаблон:Гл-блок

394 "повелит.": "imperative",

395 # Template:гл la 1

396 "indicatīvus": "indicative",

397 "coniunctīvus": "conjunctive",

398 "imperatīvus": "imperative",

399}

400

401PERSON_TAGS = {

402 # Шаблон:Гл-блок

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

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

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

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

407 "мы": ["first-person", "plural"],

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

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

410 # Template:гл la 1

411 "1 p.": "first-person",

412 "2 p.": "second-person",

413 "3 p.": "third-person",

414 # Template:гл en irreg

415 "3-е л. ед. ч.": ["third-person", "singular"],

416}

417

418VOICE_TAGS = {

419 # Шаблон:Гл-блок

420 "пр. действ.": "active",

421 "деепр.": "adverbial",

422 "пр. страд.": "passive",

423 # Template:гл la 1

424 "act.": "active",

425 "pass.": "passive",

426}

427

428NUMBER_TAGS = {

429 # Шаблон:сущ cu (-а)

430 "дв. ч.": "dual",

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

432 # Template:гл la 1

433 "sing.": "singular",

434 "plur.": "plural",

435 "sg.": "singular",

436 "pl.": "plural",

437}

438

439TRANSLATION_TAGS = {

440 # Шаблон:перев-блок

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

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

443 "арабск.": "Arabic",

444 "кир.": "Cyrillic",

445 "лат.": "Latin",

446 "лат": "Latin",

447 "кана": "katakana",

448 "сир.": "Syriac",

449 "иуд.": "Jewish",

450 "центральный": "Central",

451 "демот.": "Demotic Greek",

452 "кафар.": "Katharevousa",

453 "мальдивский": "Maldivian",

454 "традиц.": "traditional",

455 "у": "Wu",

456 "упрощ.": "simplified",

457 "южноминьский": "Min",

458 "курманджи": "Kurmanji",

459 "сорани": "Sorani",

460 "севернокурдский": "Kurmanji",

461 "южнокурдский": "Southern Kurdish",

462 "кириллица": "Cyrillic",

463 "глаголица": "Glagolitic",

464 "араб.": "Arabic",

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

466 "устный": "colloquial",

467}

468

469MORPHOLOGICAL_TEMPLATE_TAGS = {

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

471 "одушевлённое": "animate",

472 "неодушевлённое": "inanimate",

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

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

475 "мужской род": "masculine",

476 "женский род": "feminine",

477 "средний род": "neuter",

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

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

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

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

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

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

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

485 "несклоняемое": "indeclinable",

486 "адъективное": "adjective",

487 "местоименное": "pronominal",

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

489 "1-е": "declension-1",

490 "2-е": "declension-2",

491 "3-е": "declension-3",

492 "2-е (5-e)": ["declension-1", "declension-5"],

493 # Шаблон:inflection/ru/adj

494 "качественное": "qualitative",

495 "относительное": "relative",

496 "притяжательное": "possessive",

497 # verb tags from "Шаблон:Гл-блок"

498 "совершенный вид": "perfect",

499 "несовершенный вид": "imperfective",

500 "двувидовой": "biaspectual",

501 "непереходный": "intransitive",

502 "переходный": "transitive",

503 "безличный": "impersonal",

504 "возвратный": "reflexive",

505}

506

507ALL_TAGS = {

508 **STYLE_TAGS,

509 **GRAMMATICAL_TAGS,

510 **OTHER_TAGS,

511 **CASE_TAGS,

512 **TENSE_TAGS,

513 **MOOD_TAGS,

514 **PERSON_TAGS,

515 **VOICE_TAGS,

516 **NUMBER_TAGS,

517 **TRANSLATION_TAGS,

518}

519

520

521def translate_raw_tags(data: WordEntry) -> None:

522 raw_tags = []

523 for raw_tag in data.raw_tags:

524 raw_tag_lower = raw_tag.lower()

525 if raw_tag_lower in ALL_TAGS:

526 tr_data = ALL_TAGS[raw_tag_lower]

527 if isinstance(tr_data, str):

528 data.tags.append(tr_data)

529 elif isinstance(tr_data, list): 529 ↛ 523line 529 didn't jump to line 523 because the condition on line 529 was always true

530 data.tags.extend(tr_data)

531 elif hasattr(data, "topics"):

532 tr_data = ""

533 if raw_tag_lower in TOPICS:

534 tr_data = TOPICS[raw_tag_lower]

535 elif raw_tag_lower in SLANG_TOPICS: 535 ↛ 539line 535 didn't jump to line 539 because the condition on line 535 was always true

536 tr_data = SLANG_TOPICS[raw_tag_lower]

537 if "slang" not in data.tags: 537 ↛ 539line 537 didn't jump to line 539 because the condition on line 537 was always true

538 data.tags.append("slang")

539 if isinstance(tr_data, str) and len(tr_data) > 0: 539 ↛ 541line 539 didn't jump to line 541 because the condition on line 539 was always true

540 data.topics.append(tr_data)

541 elif isinstance(tr_data, list):

542 data.topics.extend(tr_data)

543 else:

544 raw_tags.append(raw_tag)

545 else:

546 raw_tags.append(raw_tag)

547 data.raw_tags = raw_tags