Coverage for src/wiktextract/extractor/el/tags.py: 100%

1from wiktextract.tags import uppercase_tags, valid_tags 

2 

3# ====== 

4# TAGS 

5# ====== 

6 

7# The strings in lists on the right-hand side here should be *shared* tags 

8# between different edition implementations. `valid_tags` is a dictionary 

9# of these tags (and can be expanded if necessary, although it is unlikely 

10# to be needed anymore because we have a lot of them), with some metadata 

11# in the value used in the English mainline extractor. 

12 

13# Just as an example, this file is basically the simple implementation from 

14# the Simple English extractor, which uses basically the same tags and 

15# mappings as the mainline English extractor (which makes things simple). 

16 

17# Otherwise, the implementation of tags is a translation effort: when this 

18# edition of Wiktionary says 'x', what tags does that refer to? 

19 

20 

21# Tags used for modern Greek verb tables. 

22# * Reference: 

23# https://el.wiktionary.org/wiki/Κατηγορία:Πρότυπα_κλίσης_ρημάτων_(νέα_ελληνικά) 

24# 

25# * Standard table: 

26# https://el.wiktionary.org/wiki/ψάχνω 

27# * Non-standard table (relatively frequent): 

28# https://el.wiktionary.org/wiki/αναφωνώ which follows 

29# https://el.wiktionary.org/wiki/Πρότυπο:el-κλίσ-'λαλώ' 

30# * Others: 

31# https://el.wiktionary.org/wiki/τρώω 

32# * Users wrongly putting noun inflections in a Κλήση section 

33# https://el.wiktionary.org/wiki/δισεκατομμυριούχος 

34verb_table_tags_base: dict[str, list[str]] = { 

35 # Persons & numbers 

36 "α' ενικ.": ["first-person", "singular"], 

37 "β' ενικ.": ["second-person", "singular"], 

38 "γ' ενικ.": ["third-person", "singular"], 

39 "α' πληθ.": ["first-person", "plural"], 

40 "β' πληθ.": ["second-person", "plural"], 

41 "γ' πληθ.": ["third-person", "plural"], 

42 "ενικός": ["singular"], 

43 "πληθυντικός": ["plural"], 

44 "εγώ": ["first-person", "singular"], 

45 "εσύ": ["second-person", "singular"], 

46 "αυτός": ["third-person", "singular"], 

47 "εμείς": ["first-person", "plural"], 

48 "εσείς": ["second-person", "plural"], 

49 "αυτοί": ["third-person", "plural"], 

50 "(εσύ)": ["second-person", "singular"], 

51 "(εσείς)": ["second-person", "plural"], 

52 # Aspect groups 

53 # These following three are from: 

54 # Greek: An Essential Grammar (Routledge Essential Grammars) 

55 "εξακολουθητικοί χρόνοι": ["imperfective"], 

56 "συνοπτικοί χρόνοι": ["perfective"], 

57 "συντελεσμένοι χρόνοι": ["perfect"], 

58 "συντελεσμένοι χρόνοι (β΄ τύποι)": ["perfect", "type-b"], 

59 "συντελεσμένοι χρόνοι β΄ (μεταβατικοί)": [ 

60 "perfect", 

61 "type-b", 

62 "transitive", 

63 ], 

64 "συντελεσμένοι χρόνοι β΄ (αμετάβατοι)": [ 

65 "perfect", 

66 "type-b", 

67 "intransitive", 

68 ], 

69 # Basic tenses / aspects 

70 "ενεστώτας": ["present"], 

71 "παρατατικός": ["imperfect"], 

72 "αόριστος": ["aorist"], 

73 # Forms / moods 

74 "υποτακτική": ["subjunctive"], 

75 "προστακτική": ["imperative"], 

76 "μετοχή": ["participle"], 

77 "απαρέμφατο": ["infinitive"], 

78 # Future & perfect subtypes 

79 "εξακολουθητικός μέλλοντας": ["future", "imperfect"], 

80 "εξ. μέλλ.": ["future", "imperfect"], 

81 "συνοπτ. μέλλ.": ["future"], 

82 "στιγμιαίος μέλλοντας": ["future"], # στιγμιαίος = συνοπτικός 

83 "συντελ. μέλλ.": ["future", "perfect"], 

84 "συντελεσμένος μέλλοντας α'": ["future", "perfect", "type-a"], 

85 "παρακείμενος": ["present", "perfect"], 

86 "παρακείμενος α'": ["present", "perfect", "type-a"], 

87 "υπερσυντέλικος": ["past", "perfect"], 

88 "υπερσυντέλικος α'": ["past", "perfect", "type-a"], 

89 # Others 

90 "προσωπικές εγκλίσεις": ["personal"], # ["personal-moods"], 

91 "απρόσωπες εγκλίσεις": ["impersonal"], # ["impersonal-moods"], 

92 "μονολεκτικοί χρόνοι": [], # ["simple-tenses"], # no να/θα/έχει 

93 "περιφραστικοί χρόνοι": [], # ["periphrastic"], # with να/θα/έχει 

94 "απαρέμφατο (αόριστος)": ["infinitive", "aorist"], 

95 "μετοχή (ενεστώτας)": ["participle", "present"], 

96} 

97 

98base_tag_map: dict[str, list[str]] = { 

99 **verb_table_tags_base, 

100 "ονομαστική": ["nominative"], 

101 "γενική": ["genitive"], 

102 "αιτιατική": ["accusative"], 

103 "κλητική": ["vocative"], 

104 "αρσενικό": ["masculine"], 

105 "θηλυκό": ["feminine"], 

106 "ουδέτερο": ["neuter"], 

107 # ------ English -------------------------------- 

108 "no-gloss": ["no-gloss"], 

109 "comparative": ["comparative"], 

110 "Comparative": ["comparative"], 

111 "determiner": ["determiner"], 

112 "Negative": ["negative"], 

113 "Past": ["past"], 

114 "Past participle": ["past", "participle"], 

115 "Past tense": ["past"], 

116 "Plain form": ["canonical"], 

117 "Plain present": ["present"], 

118 "plural": ["plural"], 

119 "Plural": ["plural"], 

120 "Positive": ["positive"], 

121 "Present": ["present"], 

122 "Present participle": ["present", "participle"], 

123 "Proper noun": ["proper-noun"], 

124 "singular": ["singular"], 

125 "superlative": ["superlative"], 

126 "Superlative": ["superlative"], 

127 "Third person singular": ["third-person", "singular"], 

128 "Third-person singular": ["third-person", "singular"], 

129 "stressed": ["stressed"], 

130 "unstressed": ["unstressed"], 

131 "UK": ["UK"], 

132 "US": ["US"], 

133 "United Kingdom": ["UK"], 

134 "United States": ["US"], 

135 "before a vowel": ["before-vowel"], 

136 "before a consonant": ["before-consonant"], 

137 "CA": ["Canada"], 

138 "AU": ["Australia"], 

139 "Australian": ["Australia"], 

140 "California": ["California"], 

141 "Canadian": ["Canada"], 

142 "CA synth": [], 

143 "GB": ["UK"], 

144 "India": ["India"], 

145 "Indian English": ["Indian-English"], 

146 "Kenya": ["Kenya"], 

147 "Limbu": ["Limbu"], 

148 "Massachusetts": ["Massachusetts"], 

149 "Mid-Atlantic": ["Mid-Atlantic"], 

150 "New York accent": ["New-York"], 

151 "Northen England": ["Northern-England"], 

152 "NZ": ["New-Zealand"], 

153 "Rhode Island": ["Rhode-Island"], 

154 "Southern England": ["Southern-England"], 

155 "uk": ["UK"], 

156 "Uk": ["UK"], 

157 "UK male": ["UK"], 

158 "US female": ["US"], 

159 "US Inland North": ["Inland-Northern-American"], 

160 "US-Inland North": ["Inland-Northern-American"], 

161 "American": ["US"], 

162 "Audio US": ["US"], 

163} 

164 

165 

166tag_map = {} 

167 

168# uppercase_tags are specific tags with uppercase names that are for stuff 

169# like locations and dialect and language names. 

170for k in uppercase_tags: 

171 if k not in base_tag_map: 

172 tag_map[k] = [k.replace(" ", "-")]