-
Notifications
You must be signed in to change notification settings - Fork 8
/
SConstruct
309 lines (222 loc) · 10.5 KB
/
SConstruct
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
# coding=utf-8
import mmap, os, icu, re, subprocess
#---# Valores predeterminados #----------------------------------------------------------------------------------------#
defaultAff = 'norma'
defaultDic = 'rag/gl,norma'
defaultRep = 'comunidade,rag/gl,wikipedia'
defaultCode = 'gl'
#---# Axuda #----------------------------------------------------------------------------------------------------------#
Help("""
Execute:
«scons aff=<módulos de regras> dic=<módulos de vocabulario> rep=<módulos de substitucións> code=<código de lingua>»
Esta orde permite construír o corrector cos módulos indicados para cada unha das categorías (regras de construción de
palabras, listas de núcleos de palabras e regras de substitución), empregando o código de lingua indicado para o
nome dos ficheiros.
Para combinar varios módulos, sepáreos con comas (sen espazos). Por exemplo:
scons dic=rag/gl,norma
Para incluír submódulos, sepáreos do módulo pai cunha barra inclinada. Por exemplo, para incluír o vocabulario do
submódulo «onomástica» do módulo «wikipedia», use:
scons dic=wikipedia/onomástica
Os valores por omisión son:
Regras: {aff}.
Dicionario: {dic}.
Substitucións: {rep}.
Código de lingua: {code} (dá lugar a «{code}.aff» e «{code}.dic»).
En «módulos.txt» atopará unha lista de módulos dispoñíbeis.
""".format(aff=defaultAff, dic=defaultDic, rep=defaultRep, code=defaultCode))
#---# Builders #-------------------------------------------------------------------------------------------------------#
def initialize(target):
""" Crea un ficheiro baleiro na ruta indicada.
"""
with open(target, 'w') as file:
file.write('')
def isNotUseless(line):
""" Determina se a liña indicada ten algunha utilidade para o corrector, ou se pola contra se trata dunha liña que
ten unicamente un comentario, ou se trata duña liña baleira.
"""
strippedLine = line.strip()
if strippedLine == "":
return False
elif strippedLine[0] == "#":
return False
else:
return True
def removeAnyCommentFrom(line):
""" Se a liña ten un comentario, elimínao.
Nota: se a liña acababa en salto de liña, este tamén se eliminará xunto co comentario.
"""
index = line.find('#')
if index < 0:
return line
else:
return line[0:index]
def removeMultipleSpacesOrTabsFrom(line):
""" Converte as tabulacións da liña en espazos, e reduce estes ao mínimo necesario. É dicir, toda tabulación ou
grupo de tabulacións e grupo de espazos quedarán reducidos a un único espazo cada un.
Por exemplo, se a liña é:
"\t\t\t1\tasdfasdf 2 \t\t \t 3"
Devolverase:
" 1 2 3"
"""
line = line.replace('\t', ' ')
line = re.sub(' +', ' ', line)
return line
def stripLine(line):
line = removeAnyCommentFrom(line)
line = line.rstrip() + '\n'
line = removeMultipleSpacesOrTabsFrom(line)
return line
def extendAffFromString(targetFilename, sourceString):
""" Inclúe datos do módulo de orixe, fornecidos mediante unha cadea de texto, nun ficheiro .aff.
"""
with open(targetFilename, 'a') as targetFile:
try:
targetFile.write(sourceString)
except IOError:
pass
def createAff(targetFilename, sourceFilenames):
""" Constrúe o ficheiro .aff base a partir dos módulos indicados.
"""
baseFilesCount = len(sourceFilenames)
if baseFilesCount > 1:
print("O corrector só pode constar dun único ficheiro «.base».")
raise Exception()
elif baseFilesCount < 1:
print("O corrector debe incluír un ficheiro «.base».")
print("Inclúa un módulo con ficheiro de regras base (por exemplo, «norma») na lista de ficheiros do parámetro «aff».")
raise Exception()
initialize(targetFilename)
for sourceFilename in sourceFilenames:
parsedContent = getParsedContent(sourceFilename)
extendAffFromString(targetFilename, parsedContent)
def addContentToAff(targetFilename, sourceFilenames):
""" Amplía o ficheiro .aff base a partir dos módulos indicados.
"""
for sourceFilename in sourceFilenames:
parsedContent = getParsedContent(sourceFilename)
extendAffFromString(targetFilename, parsedContent)
def addReplacementsToAff(targetFilename, sourceFilenames):
""" Completa o ficheiro .aff a partir dos ficheiros de substitucións dos módulos indicados.
"""
content = ''
for sourceFilename in sourceFilenames:
content += getParsedContent(sourceFilename)
linesSeen = set()
for line in iter(content.splitlines()):
if line not in linesSeen:
linesSeen.add(line)
if linesSeen:
formattedContentWithoutDuplicates = "REP {count}\n".format(count=len(linesSeen))
collator = icu.Collator.createInstance(icu.Locale('gl.UTF-8'))
for line in sorted(linesSeen, key=collator.getSortKey):
formattedContentWithoutDuplicates += "REP {replacement}\n".format(replacement=line)
extendAffFromString(targetFilename, formattedContentWithoutDuplicates)
def getParsedContent(sourceFilename):
""" Inclúe datos do módulo de orixe nun ficheiro .dic, o de destino, que pode que exista ou que non.
"""
try:
parsedContent = ""
with open(sourceFilename) as sourceFile:
for line in sourceFile:
if isNotUseless(line):
parsedContent += stripLine(line)
return parsedContent
except IOError:
return ''
def createDic(targetFilename, sourceFilenames):
""" Constrúe o ficheiro .dic a partir dos módulos indicados.
"""
content = ''
for sourceFilename in sourceFilenames:
content += getParsedContent(sourceFilename)
linesSeen = set()
for line in iter(content.splitlines()):
if line not in linesSeen:
linesSeen.add(line)
contentWithoutDuplicates = ""
collator = icu.Collator.createInstance(icu.Locale('gl.UTF-8'))
for line in sorted(linesSeen, key=collator.getSortKey):
contentWithoutDuplicates += line + '\n'
with open(targetFilename, 'w') as targetFile:
targetFile.write('{}\n{}'.format(len(linesSeen), contentWithoutDuplicates))
def getAliasFilepathFor(filepath):
return filepath[:-4] + '_alias' + filepath[-4:]
def applyMakealias(aff, dic):
""" Executa a orde «makealias», de Hunspell, para reducir o tamaño final dos ficheiros considerablemente.
Nota: Desactivado de maneira temporal. Véxase:
http://sourceforge.net/tracker/?func=detail&aid=3610768&group_id=143754&atid=756395
"""
#affAlias = getAliasFilepathFor(aff)
#dicAlias = getAliasFilepathFor(dic)
#command = 'makealias {dic} {aff}'.format(aff=aff[6:], dic=dic[6:])
#p = subprocess.Popen(command, stdout=subprocess.PIPE, shell=True, cwd=os.path.join(os.getcwd(), 'build'))
#out, err = p.communicate()
#for filepath in [aff, dic]:
#os.remove(filepath)
#os.rename(getAliasFilepathFor(filepath), filepath)
def getModuleListFromModulesString(modulesString):
modules = []
if ',' in modulesString:
modules = ['src/{}'.format(module) for module in modulesString.split(',')]
else:
modules = ['src/{}'.format(modulesString)]
return modules
def getSourceFilesFromFolderAndExtension(folder, extension):
sourceFiles = []
for dirname, dirnames, filenames in os.walk(folder):
for filename in filenames:
if filename.endswith(extension):
sourceFiles.append(os.path.join(dirname, filename))
return sourceFiles
def getSourceFilesFromModulesStringAndExtension(modulesString, extension):
sourceFiles = []
modules = getModuleListFromModulesString(modulesString)
for module in modules:
# If module is a folder, get all .<extension> files inside.
if os.path.isdir(module):
for filepath in getSourceFilesFromFolderAndExtension(module, extension):
sourceFiles.append(File(filepath))
# If with .<extension> it is a file, include the file.
# Note: if both a <module> folder and a <module>.<extension> file exist, both are added.
filepath = '{module}{extension}'.format(module=module, extension=extension)
if os.path.isfile(filepath):
sourceFiles.append(File(filepath))
return sourceFiles
def getSourceFiles(dictionary, rules, replacements):
sourceFiles = []
sourceFiles.extend(getSourceFilesFromModulesStringAndExtension(rules, '.base'))
sourceFiles.extend(getSourceFilesFromModulesStringAndExtension(rules, '.aff'))
sourceFiles.extend(getSourceFilesFromModulesStringAndExtension(dictionary, '.dic'))
sourceFiles.extend(getSourceFilesFromModulesStringAndExtension(replacements, '.rep'))
return sourceFiles
def getFilenamesFromFileEntriesWithMatchingExtensions(fileEntries, extensionList):
""" Note: Only supports three-letter extensions. For example: '.aff', '.dic', '.rep'.
"""
filenames = []
for fileEntry in fileEntries:
filename = str(fileEntry)
for extension in extensionList:
if filename.endswith(extension):
filenames.append(filename)
return filenames
def createSpellchecker(target, source, env):
aff = str(target[0])
dic = str(target[1])
createAff(aff, getFilenamesFromFileEntriesWithMatchingExtensions(source, ['.base']))
addContentToAff(aff, getFilenamesFromFileEntriesWithMatchingExtensions(source, ['.aff']))
addReplacementsToAff(aff, getFilenamesFromFileEntriesWithMatchingExtensions(source, ['.rep']))
createDic(dic, getFilenamesFromFileEntriesWithMatchingExtensions(source, ['.dic']))
applyMakealias(aff, dic)
#---# Análise dos argumentos da chamada #------------------------------------------------------------------------------#
languageCode = ARGUMENTS.get('code', defaultCode)
rules = ARGUMENTS.get('aff', defaultAff)
dictionary = ARGUMENTS.get('dic', defaultDic)
replacements = ARGUMENTS.get('rep', defaultRep)
# Construtor para os ficheiros de Hunspell.
env = Environment()
env['BUILDERS']['spellchecker'] = Builder(action = createSpellchecker)
#---# Construción #----------------------------------------------------------------------------------------------------#
env.spellchecker(
['build/{}.aff'.format(languageCode), 'build/{}.dic'.format(languageCode)],
getSourceFiles(dictionary=dictionary, rules=rules, replacements=replacements)
)