skripte/parse_wortliste.lua

   1 -- -*- coding: utf-8 -*-
   2
   3 --- Diese Modul stellt Funktionen zur Zerlegung der Wortliste in einzelne
   4 -- Felder bereit.
   5 -- @class module
   6 -- @name parse_wortliste
   7
   8
   9 -- lokale Modul-Tabelle
  10 local M = {}
  11
  12
  13 -- Definiere Muster für einige Spezialzeichen.
  14 local sep = lpeg.P ";"-- Feldtrenner
  15 local com = lpeg.P "#"-- Kommentar
  16 local spc = lpeg.P " "-- Leerzeichen
  17 local num = lpeg.R "09"-- Ziffern
  18
  19 -- Muster für Felder mit festem Inhalt (leere Felder).
  20 local leer2 = lpeg.P "-2-"
  21 local leer3 = lpeg.P "-3-"
  22 local leer4 = lpeg.P "-4-"
  23 local leer5 = lpeg.P "-5-"
  24 local leer6 = lpeg.P "-6-"
  25 local leer7 = lpeg.P "-7-"
  26 local leer8 = lpeg.P "-8-"
  27 local leerX = lpeg.P "-" * num * lpeg.P "-"
  28 -- Kürzel für leere Felder mit voranstehendem Feldtrenner.
  29 local _leer2 = sep * leer2
  30 local _leer3 = sep * leer3
  31 local _leer4 = sep * leer4
  32 local _leer5 = sep * leer5
  33 local _leer6 = sep * leer6
  34 local _leer7 = sep * leer7
  35 local _leer8 = sep * leer8
  36
  37 -- Muster für ein Feld beliebigen Inhalts, welches nicht mit -[0-9]-
  38 -- beginnt.  Die Capture enthält den Feldinhalt.
  39 local feld = (lpeg.C((1 - (sep + spc + com))^0) - leerX)
  40 -- Kürzel für Feld mit voranstehendem Feldtrenner.
  41 local _feld = sep * feld
  42
  43 -- Muster für Kommentare der Form: beliebig viele Leerzeichen, gefolgt
  44 -- von einem Kommentarzeichen, gefolgt von beliebigem Inhalt bis zum
  45 -- Zeilenende.  Die Capture enthält den eigentlichen Kommentartext ohne
  46 -- das Kommentarzeichen.
  47 local opcomment = spc^0 * (com * lpeg.C(lpeg.P(1)^0))^-1 * -1
  48
  49
  50 -- Grammatik
  51
  52 -- Kurze Beschreibung des Formats der Wortliste:
  53 --
  54 -- Jede Zeile enthält eine bestimmte Schreibvariante eines Wortes.
  55 -- Unterschiedliche Schreibvarianten deselben Wortes sind nicht
  56 -- miteinander verknüpft.
  57 --
  58 -- Feldtrenner ist das Semikolon.  Kommentare werden durch '#'
  59 -- eingeleitet und erstrecken sich bis zum Zeilenende.  Vor dem
  60 -- Kommentarzeichen sind beliebige Leerzeichen erlaubt.
  61 --
  62 -- Leere Felder bestehen aus der Feldnummer eingeschlossen in
  63 -- Minuszeichen, z. B. steht -2- für ein leeres Feld 2.
  64 --
  65 -- Feld 1 enthät ein Wort in ungetrennter Schreibung.
  66 --
  67 -- Die Felder 2, 3, 4 enthalten Wörter, die keiner expliziten
  68 -- Versalschreibung entsprechen ('ß' durch 'ss' ersetzt).  Die Felder 3,
  69 -- 4 treten immer paarweise auf.  Enthielten sie denselben Inhalt, so
  70 -- wird stattdessen Feld 2 verwendet.  Die Felder 3 und 4 existieren
  71 -- dann nicht.
  72 --
  73 -- Die Felder 5, 6, 7, 8 enthalten Wörter, die expliziter
  74 -- Versalschreibung entsprechen ('ß' durch 'ss' ersetzt).  Die Felder 6,
  75 -- 7, 8 treten immer zu dritt auf.  Enthielten sie alle denselben
  76 -- Inhalt, so wird stattdessen Feld 5 verwendet.  Die Felder 6, 7, 8
  77 -- existieren dann nicht.
  78 --
  79 -- Feld     Beschreibung
  80 --
  81 --  1       * ungetrennt,
  82 --
  83 --  2       * keine explizite Versalschreibung,
  84 --          * falls in allen Rechtschreibungen gleich,
  85 --
  86 --  3       * traditionelle Rechtschreibung,
  87 --
  88 --  4       * reformierte Rechtschreibung,
  89 --
  90 --  5       * explizite Versalschreibung,
  91 --          * falls in allen Rechtschreibungen gleich,
  92 --
  93 --  6       * traditionelle Rechtschreibung in Deutschland und/oder
  94 --            Österreich,
  95 --
  96 --  7       * reformierte Rechtschreibung,
  97 --
  98 --  8       * traditionelle Rechtschreibung in der Schweiz,
  99
 100
 101 -- Muster für Wörter, die keiner expliziten Versalschreibung
 102 -- entsprechen.
 103
 104 local ua = feld * _feld * opcomment
 105 -- einfach;ein·fach
 106
 107 local uxt_ = feld * _leer2 * _feld * _leer4 * opcomment
 108 -- Abfallager;-2-;Ab·fa{ll/ll·l}a·ger;-4-
 109 -- Abfluß;-2-;Ab-fluß;-4-
 110
 111 local ux_r = feld * _leer2 * _leer3 * _feld * opcomment
 112 -- Abfalllager;-2-;-3-;Ab-fall=la-ger
 113
 114 local uxtr = feld * _leer2 * _feld * _feld * opcomment
 115 -- abgelöste;-2-;ab-ge-lö-ste;ab-ge-lös-te
 116
 117
 118 -- Muster für Wörter, die expliziter Versalschreibung entsprechen ('ß'
 119 -- durch 'ss' ersetzt).
 120
 121 local ux__c = feld * _leer2 * _leer3 * _leer4 * _feld * opcomment
 122 -- Abstoss;-2-;-3-;-4-;Ab·stoss
 123
 124 local ux__xt__ = feld * _leer2 * _leer3 * _leer4 * _leer5 * _feld * _leer7 * _leer8 * opcomment
 125 -- Litfasssäulenstilleben;-2-;-3-;-4-;-5-;Lit-fass-säu-len-sti{ll/ll-l}e-ben;-7-;-8-
 126
 127 local ux__x_r_ = feld * _leer2 * _leer3 * _leer4 * _leer5 * _leer6 * _feld * _leer8 * opcomment
 128 -- Fussballliga;-2-;-3-;-4-;-5-;-6-;Fuss·ball·li·ga;-8-
 129
 130 local ux__x__s = feld * _leer2 * _leer3 * _leer4 * _leer5 * _leer6 * _leer7 * _feld * opcomment
 131 -- Litfassäule;-2-;-3-;-4-;-5-;-6-;-7-;Lit·fa{ss/ss·s}äu·le
 132
 133 local ux__xtr_ = feld * _leer2 * _leer3 * _leer4 * _leer5 * _feld * _feld * _leer8 * opcomment
 134 -- süsssauer;-2-;-3-;-4-;-5-;süss·sau·er;süss·sau·er;-8-
 135
 136 local ux__xt_s = feld * _leer2 * _leer3 * _leer4 * _leer5 * _feld * _leer7 * _feld * opcomment
 137 -- Fussballiga;-2-;-3-;-4-;-5-;Fuss·ba{ll/ll·l}i·ga;-7-;Fuss·ba{ll/ll·l}i·ga
 138
 139 local ux__xtrs = feld * _leer2 * _leer3 * _leer4 * _leer5 * _feld * _feld * _feld * opcomment
 140 -- Füsse;-2-;-3-;-4-;-5-;Fü·sse;Füs·se;Füs·se
 141
 142
 143 -- Muster für Wörter, die in der reformierten Rechtschreibung
 144 -- existieren, in der traditionellen Rechtschreibung jedoch nur in
 145 -- Versalschreibweise ('ß' durch 'ss' ersetzt).
 146
 147 local ux_rc = feld * _leer2 * _leer3 * _feld * _feld * opcomment
 148 -- Abfluss;-2-;-3-;Ab-fluss;Ab·fluss
 149
 150 local ux_rxtr_ = feld * _leer2 * _leer3 * _feld * _leer5 * _feld * _feld * _leer8 * opcomment
 151 -- Litfasssäule;-2-;-3-;Lit·fass·säu·le;-5-;Lit·fass·säu·le;Lit·fass·säu·le;-8-
 152
 153 local ux_rxtrs = feld * _leer2 * _leer3 * _feld * _leer5 * _feld * _feld * _feld * opcomment
 154 -- dussligste;-2-;-3-;duss·ligs·te;-5-;duss·lig·ste;duss·ligs·te;duss·lig·ste
 155
 156
 157 --- Zerlege eine Zeile der Wortliste.
 158 -- @param line eine Zeile aus der Wortliste
 159 -- @return Tabelle mit gültigen Feldern
 160 local function parse(line)
 161   local u, a, t, r
 162   local ca, ct, cr, cs
 163   local com
 164
 165   u, a, com = ua:match(line)
 166   if u and a then return { u = u, a = a, comment = com, type = "ua" } end
 167
 168   u, t, com = uxt_:match(line)
 169   if u and t then return { u = u, t = t, comment = com, type = "uxt_" } end
 170
 171   u, r, com = ux_r:match(line)
 172   if u and r then return { u = u, r = r, comment = com, type = "ux_r" } end
 173
 174   u, t, r, com = uxtr:match(line)
 175   if u and t and r then return { u = u, t = t, r = r, comment = com, type = "uxtr" } end
 176
 177
 178
 179   u, ca, com = ux__c:match(line)
 180   if u and ca then return { u = u, ca = ca, comment = com, type = "ux__c" } end
 181
 182   u, ct, com = ux__xt__:match(line)
 183   if u and ct then return { u = u, ct = ct, comment = com, type = "ux__xt__" } end
 184
 185   u, cr, com = ux__x_r_:match(line)
 186   if u and cr then return { u = u, cr = cr, comment = com, type = "ux__x_r_" } end
 187
 188   u, cs, com = ux__x__s:match(line)
 189   if u and cs then return { u = u, cs = cs, comment = com, type = "ux__x__s" } end
 190
 191   u, ct, cs, com = ux__xt_s:match(line)
 192   if u and ct and cs then return { u = u, ct = ct, cs = cs, comment = com, type = "ux__xt_s" } end
 193
 194   u, ct, cr, com = ux__xtr_:match(line)
 195   if u and ct and cr then return { u = u, ct = ct, cr = cr, comment = com, type = "ux__xtr_" } end
 196
 197   u, ct, cr, cs, com = ux__xtrs:match(line)
 198   if u and ct and cr and cs then return { u = u, ct = ct, cr = cr, cs = cs, comment = com, type = "ux__xtrs" } end
 199
 200
 201
 202   u, r, ca, com = ux_rc:match(line)
 203   if u and r and ca then return { u = u, r = r, ca = ca, comment = com, type = "ux_rc" } end
 204
 205   u, r, ct, cr, com = ux_rxtr_:match(line)
 206   if u and r and ct and cr then return { u = u, r = r, ct = ct, cr = cr, comment = com, type = "ux_rxtr_" } end
 207
 208   u, r, ct, cr, cs, com = ux_rxtrs:match(line)
 209   if u and r and ct and cr and cs then return { u = u, r = r, ct = ct, cr = cr, cs = cs, comment = com, type = "ux_rxtrs" } end
 210
 211   return nil
 212 end
 213 M.parse = parse
 214
 215
 216 -- Exportiere Modul-Tabelle.
 217 return M