skripte/python/abgleich_neueintraege.py

   1 #!/usr/bin/env python
   2 # -*- coding: utf8 -*-
   3 # :Copyright: © 2011 Günter Milde.
   4 #             Released without warranty under the terms of the
   5 #             GNU General Public License (v. 2 or later)
   6 # :Id:        $Id:  $
   7
   8 # Versuche Trennstellen neuer Wörter aus vorhandenen zu ermitteln
   9 # ===============================================================
  10 #
  11 # Übertragen von kategorisierten Trennstellen vorhandener Wörter
  12 # auf neu aufzunehmende, ungetrennte Wörter.
  13 #
  14 # Erwartet eine Datei mit 1 Wort/Zeile.
  15
  16 # Erstellt einen Patch mit den Wörtern, welche durch Abgleich mit der
  17 # Datenbasis getrennt werden konnten.
  18 # ::
  19
  20 import re, sys, codecs, copy, os
  21 from werkzeug import WordFile, WordEntry, join_word, toggle_case
  22
  23 # Konfiguration
  24 # -------------
  25 #
  26 # Sprachvarianten
  27 # ~~~~~~~~~~~~~~~
  28 # Sprach-Tag nach [BCP47]_::
  29
  30 # sprachvariante = 'de-1901'         # "traditionell"
  31 sprachvariante = 'de-1996'         # Reformschreibung
  32 # sprachvariante = 'de-1901-x-GROSS'   # ohne ß (Schweiz oder GROSS)
  33 # sprachvariante = 'de-1996-x-GROSS' # ohne ß (Schweiz oder GROSS)
  34 # sprachvariante = 'de-CH-1901'     # ohne ß (Schweiz) ("süssauer")
  35
  36 # Funktionen
  37 # -----------
  38
  39 # Übertrag von Praefixen auf Wörter ohne Präfix::
  40
  41 def praefixabgleich(key, praefix, grossklein=False):
  42
  43     if key.istitle():
  44         praefix = praefix.title()
  45
  46     if not key.startswith(join_word(praefix)):
  47         return ''
  48
  49     altkey = key[len(join_word(praefix)):]
  50
  51     if grossklein:
  52         altkey = toggle_case(altkey)
  53
  54     try:
  55         altentry = words[altkey]
  56     except KeyError:
  57         return ''
  58
  59     entry = WordEntry(key)
  60     # print "fundum", key, unicode(entry)
  61     for wort in altentry[1:]:
  62         if not wort.startswith(u'-'):
  63             if grossklein:
  64                 wort = toggle_case(wort)
  65             wort = u'<'.join([praefix, wort])
  66         entry.append(wort)
  67
  68     return entry
  69
  70 praefixe = [u'abo',
  71             u'ab',
  72             u'ab<zu',
  73             u'auf<zu',
  74             u'aus<zu',
  75             u'ein<zu',
  76             u'mit<zu',
  77             u'um<zu',
  78             u'un-ter<zu',
  79             u'weg<zu',
  80             u'aber',
  81             u'ad',
  82             u'aero',
  83             u'af-ro',
  84             u'ag-ro',
  85             u'al-lergo',
  86             u'all',
  87             u'als',
  88             u'am-bi',
  89             u'ami-no',
  90             u'an',
  91             u'an-dro',
  92             u'an-gio',
  93             u'an-thro-po',
  94             u'an-ti',
  95             u'ang-lo',
  96             u'apo',
  97             u'ar-chaeo',
  98             u'ar-che',
  99             u'ar-chäo',
 100             u'ar-terio',
 101             u'ar-thro',
 102             u'asyn',
 103             u'at-mo',
 104             u'au-ßer',
 105             u'auf',
 106             u'aus',
 107             u'aus<zu',
 108             u'aut',
 109             u'ba-ro',
 110             u'bak-te-rio',
 111             u'be',
 112             u'bei',
 113             u'ben-zo',
 114             u'bi-blio',
 115             u'bio',
 116             u'che-mo',
 117             u'chi-ro',
 118             u'chlo-ro',
 119             u'cho-reo',
 120             u'chro-mo',
 121             u'chro-no',
 122             u'cy-ano',
 123             u'dar',
 124             u'de-ka',
 125             u'de-zi',
 126             u'demo',
 127             u'der-ma-to',
 128             u'des',
 129             u'di-cho',
 130             u'di-no',
 131             u'dia',
 132             u'dis',
 133             u'dis-ko',
 134             u'down',
 135             u'drein',
 136             u'durch',
 137             u'dys',
 138             u'e-tho',
 139             u'ego',
 140             u'ein',
 141             u'elek-tro',
 142             u'em-por',
 143             u'emp',
 144             u'en-do',
 145             u'en-te-ro',
 146             u'ent',
 147             u'epi',
 148             u'er',
 149             u'er-go',
 150             u'es-chato',
 151             u'eth-no',
 152             u'ety-mo',
 153             u'ex',
 154             u'ext-ro',
 155             u'fe-ro',
 156             u'fem-to',
 157             u'fer-ro',
 158             u'fo-no',
 159             u'fort',
 160             u'fran-ko',
 161             u'für',
 162             u'ga-so',
 163             u'ge',
 164             u'ge-gen',
 165             u'ge-no',
 166             u'ge-ron-to',
 167             u'geo',
 168             u'gi-ga',
 169             u'gi-gan-to',
 170             u'go-no',
 171             u'gra-fo',
 172             u'gra-pho',
 173             u'gy-nä-ko',
 174             u'he-lio',
 175             u'he-te-ro',
 176             u'he-xa',
 177             u'hek-to',
 178             u'hekt',
 179             u'hemi',
 180             u'her',
 181             u'hier',
 182             u'hin',
 183             u'hin-ter',
 184             u'hint',
 185             u'ho-lo',
 186             u'ho-mo',
 187             u'ho-möo',
 188             u'hoch',
 189             u'hy-dro',
 190             u'hy-per',
 191             u'hy-po',
 192             u'hym-no',
 193             u'hyp-no',
 194             u'hä-ma-to',
 195             u'hä-mo',
 196             u'ideo',
 197             u'idio',
 198             u'iko-no',
 199             u'il',
 200             u'im',
 201             u'im-mu-no',
 202             u'in',
 203             u'in-fra',
 204             u'in-ter',
 205             u'in-tra',
 206             u'ins',
 207             u'int-ro',
 208             u'io-no',
 209             u'kar-dio',
 210             u'kar-to',
 211             u'kata',
 212             u'klep-to',
 213             u'kli-no',
 214             u'kon',
 215             u'kon-tra',
 216             u'kor-re',
 217             u'kos-mo',
 218             u'kri-mi-no',
 219             u'kri-no',
 220             u'kryp-to',
 221             u'leu-ko',
 222             u'leuk',
 223             u'le-xi-ko',
 224             u'li-tho',
 225             u'lim-no',
 226             u'lo-go',
 227             u'los',
 228             u'lym-pho',
 229             u'ma-gne-to',
 230             u'mak-ro',
 231             u'mam-mo',
 232             u'me-ga',
 233             u'me-lo',
 234             u'me-so',
 235             u'me-ta',
 236             u'me-teo-ro',
 237             u'me-tho-do',
 238             u'mik-ro',
 239             u'mil-li',
 240             u'miss',
 241             u'mit',
 242             u'mo-no',
 243             u'mor-pho',
 244             u'mu-si-ko',
 245             u'mul-ti',
 246             u'my-co',
 247             u'my-tho',
 248             u'na-no',
 249             u'nach',
 250             u'ne-ben',
 251             u'neo',
 252             u'neu-ro',
 253             u'neur',
 254             u'nie-der',
 255             u'no-wo',
 256             u'non',
 257             u'nost',
 258             u'ob',
 259             u'oben',
 260             u'ober',
 261             u'off',
 262             u'ohn',
 263             u'oli-go',
 264             u'olig',
 265             u'om-ni',
 266             u'on-ko',
 267             u'on-to',
 268             u'op-to',
 269             u'or-tho',
 270             u'oszil-lo',
 271             u'out',
 272             u'over',
 273             u'oxy',
 274             u'ozea-no',
 275             u'pa-ra',
 276             u'pa-tho',
 277             u'pa-tri',
 278             u'pan-to',
 279             u'pe-re',
 280             u'pen-ta',
 281             u'pet-ro',
 282             u'phar-ma',
 283             u'phar-ma-ko',
 284             u'phi-lo',
 285             u'phil',
 286             u'pho-no',
 287             u'pho-to',
 288             u'phra-seo',
 289             u'phy-lo',
 290             u'phy-sio',
 291             u'phy-to',
 292             u'phä-no',
 293             u'pneu-mo',
 294             u'po-eto',
 295             u'po-li-to',
 296             u'po-ly',
 297             u'po-ten-tio',
 298             u'pro-to',
 299             u'prä',
 300             u'pseud',
 301             u'psy-cho',
 302             u'py-ro',
 303             u'pä-do',
 304             u'päd',
 305             u'raus',
 306             u're',
 307             u'rein',
 308             u'ret-ro',
 309             u'ri-bo',
 310             u'rä-to',
 311             u'rück',
 312             u'sa-mo',
 313             u'sak-ro',
 314             u'se-mi',
 315             u'seis-mo',
 316             u'selb',
 317             u'ser-bo',
 318             u'si-no',
 319             u'so',
 320             u'so-zio',
 321             u'sou',
 322             u'spek-tro',
 323             u'ste-no',
 324             u'ste-reo',
 325             u'ste-tho',
 326             u'stra-to',
 327             u'su-per',
 328             u'sub',
 329             u'sup-ra',
 330             u'sus',
 331             u'syn',
 332             u'ta-xo',
 333             u'tau-to',
 334             u'te-leo',
 335             u'te-ra',
 336             u'tech-no',
 337             u'tele',
 338             u'telo',
 339             u'ter-mi-no',
 340             u'tet-ra',
 341             u'ther-mo',
 342             u'throm-bo',
 343             u'to-mo',
 344             u'to-po',
 345             u'to-xi-ko',
 346             u'tra-gi',
 347             u'trans',
 348             u'tro-po',
 349             u'tur-bo',
 350             u'ty-po',
 351             u'ul-tra',
 352             u'um',
 353             u'un',
 354             u'un-der',
 355             u'un-ter',
 356             u'uni',
 357             u'ur',
 358             u'uro',
 359             u'ver',
 360             u'vi-no',
 361             u'vi-ro',
 362             u'vib-ra',
 363             u'voll',
 364             u'von',
 365             u'vor',
 366             u'vorn',
 367             u'vul-ka-no',
 368             u'weg',
 369             u'wi-der',
 370             u'xe-no',
 371             u'xy-lo',
 372             u'zen-ti',
 373             u'zen-tri',
 374             u'zer',
 375             u'zu',
 376             u'zwie',
 377             u'zy-klo',
 378             u'zy-to',
 379             u'ägyp-to',
 380             u'öko',
 381             u'über',
 382            ]
 383
 384 # Nach Länge sortieren, damit spezifischere zuerst Probiert werden:
 385 praefixe.sort(key = len)
 386 praefixe.reverse()
 387
 388
 389 # Übertrag von Einträgen auf Wörter mit anderer Endung::
 390
 391 def endungsabgleich(key, alt, neu, grossklein=False):
 392
 393     if not key.endswith(join_word(neu)):
 394         return ''
 395     OK = True
 396     altkey = key[:-len(join_word(neu))] + join_word(alt)
 397     if grossklein:
 398         altkey = toggle_case(altkey)
 399
 400     try:
 401         altentry = words[altkey]
 402     except KeyError:
 403         return ''
 404
 405     entry = WordEntry(key)
 406     # print "fundum", key, unicode(entry)
 407     for wort in altentry[1:]:
 408         if not wort.startswith(u'-'):
 409             if alt:
 410                 wort = wort[:-len(alt)]
 411             wort += neu
 412             if grossklein:
 413                 wort = toggle_case(wort)
 414             if join_word(wort) != key:
 415                 OK = False
 416         entry.append(wort)
 417     if OK is False:
 418         print u"# Übertragungsproblem: %s -> %s (%s,%s) %s" % (
 419                                             altkey, key, alt, neu, unicode(entry))
 420         return ''
 421
 422     entry.conflate_fields()
 423     return entry
 424
 425
 426 # Endungen
 427 # --------
 428 # ``(<alt>, <neu>)`` Paare von Endungen::
 429
 430 endungen = [
 431             (u'', u'-de'),
 432             # (u'', u'-en'),
 433             # (u'', u'-er'),
 434             # (u'', u'-is-mus'),
 435             # (u'', u'-ität'),
 436             (u'', u'-lein'),
 437             (u'', u'-ne'),
 438             (u'', u'-nem'),
 439             (u'', u'-nen'),
 440             (u'', u'-ner'),
 441             (u'', u'-sche'),
 442             (u'', u'-tum'),
 443             (u'', u'>ar-tig'),
 444             (u'', u'>chen'),
 445             (u'', u'>heit'),
 446             (u'', u'>keit'),
 447             (u'', u'>schaft'),
 448             (u'', u'>schaft'),
 449             (u'', u'>wei-se'),
 450             # (u'', u'd'),
 451             # (u'', u'e'),
 452             # (u'', u'e-rin'),
 453             # (u'', u'er'),
 454             # (u'', u'is-mus'),
 455             # (u'', u'm'),
 456             # (u'', u'n'),
 457             # (u'', u'ner'),
 458             # (u'', u'r'),
 459             # (u'', u's'),
 460             # (u'', u's-te'),
 461             # (u'', u's-te'),
 462             # (u'', u's>los'),
 463             # (u'', u'st'),
 464             # (u'', u't'),
 465             # (u'', u't-te'),
 466             (u'-al', u'a-le'),
 467             (u'-an', u'a-ne'),
 468             (u'-at', u'a-te'),
 469             (u'-ben', u'b-ne'),
 470             # (u'-che', u'ch'),
 471             (u'-de', u'd'),
 472             (u'-en', u'>bar>keit'),
 473             # (u'-en', u'e'),
 474             (u'-en', u'e-ne'),
 475             (u'-er', u'e-rei'),
 476             (u'-er', u'e-rin'),
 477             (u'-ern', u'e-re'),
 478             (u'-ge', u'g'),
 479             (u'-gen', u'g'),
 480             (u'-in', u'i-ne'),
 481             (u'-on', u'o-nen'),
 482             (u'-re', u'r'),
 483             (u'-re', u'rt'),
 484             (u'-ren', u'r-ne'),
 485             (u'-ren', u'rt'),
 486             (u'-sche', u'sch'),
 487             (u'-sen', u's-ne'),
 488             (u'-sten', u's-mus'),
 489             (u'-te',u't'),
 490             (u'-tern', u't-re'),
 491             (u'-ös', u'ö-se'),
 492             (u'a', u'-ar'),
 493             (u'a', u'-as'),
 494             (u'b', u'-be'),
 495             (u'b', u'-ber'),
 496             (u'bar', u't'),
 497             (u'bt', u'b-te'),
 498             (u'ce', u'-cen'),
 499             (u'ch', u'-che'),
 500             (u'ch', u'-cher'),
 501             (u'ck', u'-cke'),
 502             (u'ck', u'-cker'),
 503             (u'd', u'-de'),
 504             (u'd', u'-dem'),
 505             (u'd', u'-den'),
 506             (u'd', u'-der'),
 507             (u'd', u'-des'),
 508             (u'd', u'>heit'),
 509             (u'e', u'-en'),
 510             (u'e-ren', u'-ti-on'),
 511             (u'e-ren', u'sch'),
 512             (u'el', u'le'),
 513             # (u'en', u'e'),
 514             (u'en', u'em'),
 515             (u'en', u'en-de'),
 516             (u'en', u'end'),
 517             (u'en', u'er'),
 518             (u'en', u'es'),
 519             (u'en', u'est'),
 520             (u'en', u't'),
 521             (u'en', u'te'),
 522             (u'en', u'us'),
 523             (u'end',u'en' ),
 524             # (u'er', u'e'),
 525             (u'er', u'e-rei'),
 526             (u'er', u'ens'),
 527             (u'er', u'in'),
 528             (u'er', u'ung'),
 529             (u'es', u'est'),
 530             (u'es', u's-te'),
 531             (u'f', u'-fe'),
 532             (u'f', u'-fer'),
 533             (u'g', u'-ge'),
 534             (u'g', u'-gen'),
 535             (u'g', u'-ger'),
 536             (u'g', u'-ger'),
 537             (u'g', u'-ges'),
 538             (u'g', u'-gung'),
 539             (u'ie', u'e'),
 540             (u'in', u'en'),
 541             (u'isch', u'i-sche'),
 542             (u'k', u'-ke'),
 543             (u'k', u'-ken'),
 544             (u'k', u'-ker'),
 545             (u'l', u'-le'),
 546             (u'l', u'-len'),
 547             (u'l', u'-ler'),
 548             (u'l', u'-lis-mus'),
 549             (u'le', u'-ler'),
 550             (u'li-che', u'tem'),
 551             (u'li-che', u'ten'),
 552             (u'ln', u'-le'),
 553             (u'lt', u'-le'),
 554             (u'm', u'-me'),
 555             (u'm', u'-mer'),
 556             (u'me', u'-men'),
 557             (u'mus', u'men'),
 558             (u'mus', u'ten'),
 559             (u'mus', u'tik'),
 560             (u'n', u'-at'),
 561             (u'n', u'-er'),
 562             (u'n', u'-ne'),
 563             (u'n', u'-nen'),
 564             (u'n', u'-nis-mus'),
 565             (u'n', u'r'),
 566             (u'n', u'st'),
 567             (u'n', u't'),
 568             (u'n',u'-ner'),
 569             (u'nd',u'n'),
 570             (u'ne',u'ner'),
 571             # (u'ne',u'n'),
 572             (u'o',u'-on'),
 573             (u'o',u'-os'),
 574             (u'o',u'en'),
 575             (u'on',u'o-nen'),
 576             (u'p', u'-pe'),
 577             (u'p', u'-pen'),
 578             (u'p', u'-per'),
 579             (u'ph', u'-phen'),
 580             (u'ph', u'-phis-mus'),
 581             (u'r', u'-re'),
 582             (u'r', u'-rei'),
 583             (u'r', u'-ren'),
 584             (u'r', u'-rin'),
 585             (u'r', u'-ris-mus'),
 586             (u'r', u'-rung'),
 587             (u're', u'ste'),
 588             (u'ren', u'r-te'),
 589             (u'ren', u'rst'),
 590             (u'ren', u'rt'),
 591             (u'rn', u'-re'),
 592             (u'rn', u'-rung'),
 593             (u'rn', u'-rung'),
 594             (u'rt', u'-re'),
 595             (u'rt', u'r-te'),
 596             (u's', u''),
 597             (u's', u'-se'),
 598             (u's', u'-se-re'),
 599             (u's', u'-se-res'),
 600             (u's', u'-ser'),
 601             (u's', u's-se'),
 602             (u's', u's-ses'),
 603             (u'sch', u'-sche'),
 604             (u'sch', u'-schen'),
 605             (u'sch', u'-scher'),
 606             (u'st', u'-ste'),
 607             (u'st', u'-sten'),
 608             (u'st', u'n'),
 609             (u't', u'-ba-re'),
 610             (u't', u'>bar'),
 611             (u't', u'-te'),
 612             (u't', u'-te'),
 613             (u't', u'-ten'),
 614             (u't', u'-ter'),
 615             (u't', u'-tes'),
 616             (u't', u'-tin'),
 617             (u't', u'-tis-mus'),
 618             # (u't', u'e'),
 619             (u't', u'n'),
 620             (u't', u'st'),
 621             (u'te', u'le'),
 622             # (u'te', u't'),
 623             (u'ten', u'mus'),
 624             (u'ten', u'ren'),
 625             (u'ten', u'tung'),
 626             (u'ter', u'te-ren'),
 627             (u'ti-on', u'tor'),
 628             (u'um', u'a'),
 629             (u'us', u'en'),
 630             (u'v', u'-ve'),
 631             (u'v', u'-ver'),
 632             (u'v', u'-vis-mus'),
 633             (u'-ve', u'v'),
 634             (u'z', u'-ten'),
 635             (u'z', u'-ze'),
 636             (u'z', u'-zen'),
 637             (u'z', u'-zer'),
 638             (u'ß', u'-ße'),
 639             (u'ß', u's-se'),
 640             (u'ös', u'ö-se'),
 641            ]
 642
 643
 644 # Zerlege einen String mit von vorn bis hinten wandernder Bruchstelle::
 645 #
 646 # >>> from abgleich_neueintraege import zerlege
 647 # >>> list(zerlege(u'wolle'))
 648 # [(u'w', u'olle'), (u'wo', u'lle'), (u'wol', u'le'), (u'woll', u'e')]
 649 #
 650 # ::
 651
 652 def zerlege(s):
 653     for i in range(1, len(s)):
 654         yield s[:i], s[i:]
 655
 656
 657 # Zerlege String, wenn die Teile in der Wortliste vorhanden sind, setze
 658 # sie neu zusammen und übernehme die Trennmarkierer:
 659
 660
 661 def trenne_key(key, grossklein = False):
 662     entries = []
 663     for k1, k2 in zerlege(key):
 664         if grossklein:
 665             k1 = toggle_case(k1)
 666         if k1.istitle():
 667             k2 = k2.title()
 668         e1 = words.get(k1)
 669         e2 = words.get(k2)
 670         if not e2:
 671             e2 = words.get(toggle_case(k2))
 672         if e1 and e2:
 673             if len(e1) != len(e2):
 674                 if len(e1) == 2:
 675                     e1 = [e1[1]] * len(e2)
 676                 elif len(e2) == 2:
 677                     e2 = [e2[1]] * len(e1)
 678                 else:
 679                     continue
 680             entry = WordEntry(key)
 681             for w1, w2 in zip(e1,e2)[1:]:
 682                 if w1.startswith(u'-'):
 683                     wort = w1
 684                 elif w2.startswith(u'-'):
 685                     wort = w2
 686                 else:
 687                     if grossklein:
 688                         w1 = toggle_case(w1)
 689                     w2 = w2.lower()
 690                     if (u'==' in w1) or (u'==' in w2):
 691                         sep = u'==='
 692                     elif (u'=' in w1) or (u'=' in w2):
 693                         sep = u'=='
 694                     else:
 695                         sep = u'='
 696                     wort = sep.join([w1, w2])
 697                 entry.append(wort)
 698             entries.append(entry)
 699     return entries
 700
 701
 702 if __name__ == '__main__':
 703
 704     # sys.stdout mit UTF8 encoding.
 705     sys.stdout = codecs.getwriter('UTF-8')(sys.stdout)
 706
 707 # `Wortliste` einlesen::
 708
 709
 710     wordfile = WordFile('wortliste-expandiert') # + Teilwort-Entries
 711     words = wordfile.asdict()
 712
 713     neuwortdatei = "zusatzwörter-de-1996-hunspell-compact"
 714     neueintraege = []
 715     neueintraege_grossklein = []
 716     restwoerter = []
 717
 718
 719 # Erstellen der neuen Einträge::
 720
 721     for line in open(neuwortdatei):
 722         OK = False
 723         key = line.decode('utf8').strip()
 724
 725         if len(key) <= 3:
 726             continue
 727
 728 # Test auf vorhandene (Teil-) Wörter:
 729
 730         entry = words.get(key)
 731         if entry:
 732             neueintraege.append(entry)
 733             continue
 734         # kleingeschrieben
 735         entry = words.get(key.lower())
 736         if entry:
 737             neueintraege_grossklein.append(entry)
 738             continue
 739         # Großgeschrieben
 740         entry = words.get(key.title())
 741         if entry:
 742             neueintraege_grossklein.append(entry)
 743             continue
 744
 745 # Endungsabgleich::
 746
 747         for alt, neu in endungen:
 748             entry = endungsabgleich(key, alt, neu, grossklein=False)
 749             if entry:
 750                 neueintraege.append(entry)
 751                 OK = True
 752                 # break
 753         if OK:
 754             continue
 755
 756         for alt, neu in endungen:
 757             entry = endungsabgleich(key, alt, neu, grossklein=True)
 758             if entry:
 759                 neueintraege_grossklein.append(entry)
 760                 OK = True
 761                 # break
 762         if OK:
 763             continue
 764
 765 # Präfixabgleich::
 766
 767         for praefix in praefixe:
 768             entry = praefixabgleich(key, praefix, grossklein=False)
 769             if entry:
 770                 neueintraege.append(entry)
 771                 OK = True
 772                 break
 773             entry = praefixabgleich(key, praefix, grossklein=True)
 774             if entry:
 775                 neueintraege_grossklein.append(entry)
 776                 OK = True
 777                 break
 778         if OK:
 779             continue
 780
 781 # Zerlegen und test auf Fugen::
 782
 783         entries = trenne_key(key, grossklein=False)
 784         if entries:
 785             neueintraege.extend(entries)
 786             continue
 787         entries = trenne_key(key, grossklein=True)
 788         if entries:
 789             neueintraege_grossklein.extend(entries)
 790             continue
 791
 792 # Nicht gefundene Wörter::
 793
 794         restwoerter.append(key)
 795
 796
 797 # Ausgabe::
 798
 799     print u'# als Teilwörter'
 800     for entry in neueintraege:
 801         print unicode(entry)
 802     print
 803     print u'# als Teilwörter (andere Großschreibung)'
 804     for entry in neueintraege_grossklein:
 805         print unicode(entry)
 806
 807     outfile = open(neuwortdatei+'-rest', 'w')
 808
 809     for wort in restwoerter:
 810         outfile.write(wort.encode('utf8')+'\n')
 811     outfile.close()