Χρήστης:AtouBot/update t.py
Όνομα εργαλείου: update_t.py
Περιγραφή:
Αυτό το εργαλείο διαβάζει σελίδες στο Βικιλεξικό, ψάχνει τα τμήματα μεταφράσεων, και ελέγχει κάθε μετάφραση για την παρουσία της στο ξενόγλωσσο ΒΛ (αφού ελέγξει την ύπαρξη του ΒΛ). Στη συνέχεια αλλάζει τις παραμέτρους στο {{τ}}, προσθέτονας ή αφαιρώντας nowiki και noentry αναλόγως.
Καλό είναι να φτιαχτεί αρχείο με τα ονόματα των ελληνικών λημμάτων που περιέχουν μεταφράσεις, και να τρέξει το μποτ πάνω σε αυτό το αρχείο.
Παράμετροι:
Σημείωση: μην βάλετε παραπάνω από μία από τις παρακάτω παραμέτρους στην εντολή.
- -file:όνομα-αρχείου
- αρχείο που περιέχει τίτλους σελίδων προς έλεγχο, με κάθε τίτλο σε ξεχωριστή γραμμή και μέσα σε τετραγωνικές αγκύλες όπως [[δοκμή]]
- -start:τίτλος-σελίδας
- το μποτ θα αρχίσει να κάνει έλεγχο αρχίζοντας από τη συγκεκριμένη σελίδα και προχωρώντας σε άλλες σελίδες με αλφαβητική σειρά
- -cat:όνομα-κατηγορίας
- το μποτ θα ελέγξει όλες τις σελίδες στην κατηγορία
- -ref:τίτλος-σελίδας
- το μποτ θα ελέγξει όλες τις σελίδες που περιέχουν σύνδεσμο προς τη συγκεκριμένη σελίδα ή που κάνουν transclusion της (όπως πχ. ενός προτύπου)
- -links:τίτλος-σελίδας
- το μποτ θα ελέγξει όλες τις σελίδες που περιέχουν σύνδεσμο προς τη συγκεκριμένη σελίδα
- τίτλος-σελίδας
- το μποτ θα ελέγξει (μόνο) τη συγκεκριμένη σελίδα. Προσοχή: αν δώσετε στη γραμμή εντολής δύο ή περισσότερες σελίδες για επεξεργασία, το πρόγραμμα δεν θα εκτελεστεί.
Προϋποθέσεις:
- περιβάλλον unix/linux ή άλλο περιβάλλον με python
- το αρχείο all-lemmas-all-projects.txt στον ίδιο φάκελο, το οποίο δημιουργείται από το getall.pl με άλλο όνομα
→ Πίσω στα Εργαλεία |
update_t.py επεξεργασία
(Αρχική πηγή: Χρήστης:Lou bot/tranInter2/script)
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
This bot goes over multiple pages of the home wiki, checks all
references to {{τ}} and updates the noentry parameter,
according to whether they have an entry on the remote wiki
or not.
Details of operation:
It does not bother {{τ}} in html comments. Note that we rely on the
fact that our html comments which hide empty translation
templates don't encompass more than one line.
If a line is only partially commented out, e.g.
<!-- * {{en}} : {{τ|en|XXX}}
perhaps because someone commented out a block of several
lines and the comment closure is somewhere else,
this code will leave undisturbed translations with the value
XXX but will modify any others.
This will not touch {{τ}} when located in other regions
outside of the translation section (Μεταφράσεις).
It converts references of {{t}} to {{τ}}.
It strips leading and trailing blanks from all parameter names
and values.
It may reorder the parameters in a template without making
other changes. This is normal.
If a template parameter is passed with no value to {{τ}}, it will
be removed by this code.
Text outside of the {{τ}} or {{t}} will not be touched.
Notes about running this script:
Make sure that the list of all lemmas on all projects is
located in the same directory and is called
all-lemmas-all-projects.txt
This script understands various command-line arguments:
-start: used as -start:page_name, specifies that the robot should
go alphabetically through all pages on the home wiki,
starting at the named page.
-file: used as -file:file_name, read a list of pages to treat
from the named textfile. Page titles should be enclosed
in [[double-squared brackets]].
-ref: used as -ref:page_name, specifies that the robot should
touch all pages referring to the named page.
-cat: used as -cat:category_name, specifies that the robot should
touch all pages in the named category.
All other parameters will be regarded as a page title; in this case, the bot
will only touch a single page.
"""
import wikipedia, wiktionary, pagegenerators, catlib
import sys
import re
class TranslationBot:
def __init__(self, generator, acceptall = False):
self.generator = generator
self.acceptall = acceptall
self.transStartTemplateCompiler = re.compile( u"{{(τ|t)\|")
self.transTemplateCompiler = re.compile(u'({{(?:t|τ)\|[a-zA-Z\-]+\|[^\}]+}})')
self.commentCompiler = re.compile( u"\<\!\-\-(.*?)\-\-\>" )
self.setupLemmaList()
def setupLemmaList(self):
# create hash of all lemmas on all projects by language code
self.wordList = {}
fileAllProjectLemmas =open('./all-lemmas-all-projects.txt', 'r')
line = fileAllProjectLemmas.readline()
count = 0
print "starting phase 1: preparing lemma list"
while (line):
language, lemma = line.split(":",1)
if not self.wordList.has_key(language):
self.wordList[language] = []
self.wordList[language].append(lemma)
line = fileAllProjectLemmas.readline()
count = count + 1
if not ( count % 1000000 ):
print "%s lemmas processed" % count
print "done phase 1"
fileAllProjectLemmas.close()
def processSection(self, sectionText):
sectionLines = re.split(u'\n',sectionText)
newSectionLines = []
for originalLine in sectionLines:
# if it has a translation not in html comments...
newLine = self.commentCompiler.sub(u'', originalLine)
result = self.transStartTemplateCompiler.search(newLine)
if (result):
# ... update the translations in the line.
newLine = self.processLine(originalLine)
newSectionLines.append(newLine)
else:
newSectionLines.append(originalLine)
newSection = u'\n'.join(newSectionLines)
return newSection
def processLine(self, line):
textChunks = re.split(u'(<!--.*-->)', line)
newChunks = []
for chunk in textChunks:
# comment? don't process it, just add it to the
# pieces to be strung back together
if chunk[0:3] == u'<!--':
newChunks.append(chunk)
else:
newChunk = self.processChunk(chunk)
newChunks.append(newChunk)
newLine = u''.join(newChunks)
return(newLine)
def processChunk(self, chunk):
translations = re.split(self.transTemplateCompiler, chunk)
newTranslations = []
for translation in translations:
if re.match(self.transTemplateCompiler, translation):
# this is a translation instead of a piece of
# text in between translations, process it.
newTranslation = self.processTranslation(translation)
newTranslations.append(newTranslation)
else:
newTranslations.append(translation)
newChunk = u''.join(newTranslations)
return(newChunk)
def processTranslation(self, translation):
# at last, here we are with a translation.
# μορφή (με παραμέτρους σε τυχαία σειρά):
# {{τ|sq|iw=blot|link=blot|noentry=n|nowiki=n}}
# με ίσως τυχαία κενά που θέλουμε να πετάξουμε
# get the language code = langArg
# get the translation itself = translArg
# if there is anything else in there whatsoever, we will
# echo it to the user and bail (return the string unchanged)
# skip the {{τ| or {{t|
# FIXME if there aren't two }} at the end we are hosed
args = re.split(u'\|',translation[4:-2])
if len(args) < 2:
print "Something's broken: %s, skipping..." % translation
return translation
# get the iw, link parameters = iwArg, linkArg
# skip noentry and nowiki args if present
langArg = self.unistrip(args[0])
if not re.match(u'[a-zA-Z\-]+',langArg):
return translation
translArg = False
trArg = False
iwArg = False
linkArg = False
for arg in args[1:]:
if u'=' in arg:
( name, value ) = re.split(u'=',arg)
name = self.unistrip(name)
value = self.unistrip(value)
if name == u"iw":
iwArg = value
elif name == u"link":
linkArg = value
elif name == u"noentry":
pass
elif name == u"nowiki":
pass
elif name == u"tr":
trArg = value
else:
print "Something's broken: %s, skipping..." % translation
return translation
else:
if translArg:
# problem, this is the second unnamed param and we already
# have a lang code
print "Something's broken: %s, skipping..." % translation
return translation
else:
translArg = self.unistrip(arg)
# now check if we have entries, etc.
# no translation actually in the template, whine and give up
nowikiArg = False
noentryArg = False
if not translArg:
print "Something's broken: %s, skipping..." % translation
return translation
if not (self.wordList.has_key(langArg)):
nowikiArg = 1
elif iwArg:
tosearch = u'%s\n'%iwArg
tosearch = tosearch.encode('utf-8')
if not ( tosearch in self.wordList[langArg] ):
noentryArg = 1
elif translArg == u'XXX' or translArg == u'ΧΧΧ':
# not actually a translation... prolly a half-commented-out
# translation or some such, skip
return translation
else:
tosearch = u'%s\n'%translArg
tosearch = tosearch.encode('utf-8')
if not ( tosearch in self.wordList[langArg] ):
noentryArg = 1
# reassemble the whole thing, clear out any extra spaces
text = u"{{τ|%s|" % langArg
text = text + u"%s"%translArg
if nowikiArg:
text = text + u'|nowiki=1'
if noentryArg:
text = text + u'|noentry=1'
if iwArg:
text = text + u"|iw=%s"%iwArg
if linkArg:
text = text + u"|link=%s"%linkArg
if trArg:
text = text + u"|tr=%s"%trArg
text = text + u"}}"
# done!
return text
def unistrip(self, unicodeString):
realString = unicodeString.encode('utf-8')
realString = str.strip(realString)
return unicode(realString,'utf-8')
def run(self):
startOfTranslationSection = u"μεταφράσεις}}="
sectionMarker = u'={{'
for page in self.generator:
try:
wikipedia.output(u'Έλεγχος σελίδας: %s' % page.title())
originalPage = page.get()
pageSections = re.split(sectionMarker,originalPage)
newPageSections = []
for pageSection in pageSections:
# if it's a translation section
if pageSection[0:len(startOfTranslationSection)] == startOfTranslationSection:
pageSection = self.processSection(pageSection)
newPageSections.append(pageSection)
newPage = sectionMarker.join(newPageSections)
# we upload the text
if (newPage == originalPage):
wikipedia.output('No changes were necessary in %s' % page.title())
else:
wikipedia.output(u'ενημέρωση μεταφράσεων')
wikipedia.setAction(u'ενημέρωση των μεταφράσεων (παραμέτρων του προτύπου τ)')
wikipedia.output(u'>>> %s <<<' % page.title())
wikipedia.showDiff(originalPage, newPage)
# DEBUG
# sys.exit(1)
if not self.acceptall:
choice = wikipedia.inputChoice(u'Θέλετε να δεχτείτε αυτές τις αλλαγές;', ['Yes', 'No', 'All'], ['y', 'N', 'a'], 'N')
if choice in ['a', 'A']:
self.acceptall = True
if self.acceptall or choice in ['y', 'Y']:
print "saving"
page.put(newPage)
except wikipedia.NoPage:
print u"Η σελίδα %s δεν υπάρχει;;!!"%page.aslink()
except wikipedia.IsRedirectPage:
pass
except wikipedia.LockedPage:
pass
def main():
#page generator
gen = None
pageTitle = []
for arg in wikipedia.handleArgs():
if arg:
if arg.startswith('-start:'):
gen = pagegenerators.AllpagesPageGenerator(arg[7:])
elif arg.startswith('-ref:'):
referredPage = wikipedia.Page(wikipedia.getSite(), arg[5:])
gen = pagegenerators.ReferringPageGenerator(referredPage)
elif arg.startswith('-links:'):
linkingPage = wikipedia.Page(wikipedia.getSite(), arg[7:])
gen = pagegenerators.LinkedPageGenerator(linkingPage)
elif arg.startswith('-file:'):
gen = pagegenerators.TextfilePageGenerator(arg[6:])
elif arg.startswith('-cat:'):
cat = catlib.Category(wikipedia.getSite(), arg[5:])
gen = pagegenerators.CategorizedPageGenerator(cat)
else:
pageTitle.append(arg)
if pageTitle:
page = wikipedia.Page(wikipedia.getSite(), ' '.join(pageTitle))
gen = iter([page])
if not gen:
wikipedia.showHelp('touch')
else:
preloadingGen = pagegenerators.PreloadingGenerator(gen)
bot = TranslationBot(preloadingGen)
bot.run()
if __name__ == "__main__":
try:
main()
finally:
wikipedia.stopme()