Utilisateur:Jeannot12/maj hanja.pl

#!/usr/bin/perl

use strict ;
use utf8 ;
use open ':utf8';

binmode(STDIN, ":utf8");
binmode(STDOUT, ":utf8");
binmode(STDERR, ":utf8");

my $delay = 1 ;
my $delay = 30 ;

my $srcdir = "/home/jean/wfs/wiktionary-fr";

#my $dstdir = "/home/jean/new"; 
my $dstdir = "/home/jean/wfs/wiktionary-fr";

# Lit la liste des caractères a traiter
my @caracteres = () ;
open(LST,"/home/jean/db/jeudessai") || die "cannot open hanja list\n";
binmode(LST, ":utf8");
while(<LST>) {
    chop;
    push @caracteres, $_;
}
close(LST);

# Lecture eumhun
my %hanja = () ;
open(H,"/home/jean/db/nabi-hanja.txt");
binmode(H, ":utf8");
while(<H>) {
    my $k ; my $v ;

    next if(/^\[/) ;
    chop;
    ($k,$v) = split(/=/,$_);
    if ($v =~ /^(.)/) {

        $v =~ s/(.)의 譌字/(forme incorrecte de [[$1]])/;
        $v =~ s/(.)의 簡體字/(forme incorrecte de [[$1]])/;
        $v =~ s/(.)(과|와) 同字/(forme alternative de [[$1]])/;
        $v =~ s/(.)·(.)(과|와) 同字/(forme alternative de [[$1]] et [[$2]])/;
        $v =~ s/(.)의 古字/(forme archaïque de [[$1]])/;
        $v =~ s/(.)의 本字/(forme originale de [[$1]])/;
        $v =~ s/(.)의 俗字/(forme familière de [[$1]])/;
        $v =~ s/(.)의 訛字/(forme incorrecte pour [[$1]])/;
        $v =~ s/(.)의 正字/(forme correcte de [[$1]])/;
        $v =~ s/(.)의 갖은자/(variante sémantique de [[$1]])/;
        $v =~ s/(.)의 略字/(forme abregée de [[$1]])/;


        if ($hanja{$k}) {
            $hanja{$k} .= ", " . $v ;
        } else {
            $hanja{$k} = $v ;
        }
    }
}
close(H);

# On lit l'article et on le decompose en 4 parties :
# - avant le bloc hanja
# - le bloc hanja en lui meme (pour lequel on récupère les valeurs des items)
# - apres le bloc hanja
# - la fin (si le bloc hanja est absent)
#
my @listitem = ('Hangul','roman-ko', 'McCune', 'eumhun', 'Yale-ko' ) ;
my $ignore = '(^$|-pron|ébauche|\{\{API\}\}|\{\{SAMPA\}\})|Romanisation :|\{\{-réf-\}\}|\{\{R:libhangul\}\}' ;

my $car = '' ;
foreach $car (@caracteres) {

    print STDERR "DEBUG : traitement de $car...\n" ;
    my $etat = 0 ;
    my $avant = "";
    my $hanjabloc = "";
    my $apres = "";
    my $ja = "";
    my $voir = "";

    my $item  = '';
    my %val = () ;
    open(A,"$srcdir/$car");
    binmode(A, ":utf8");
    while(<A>) {
        # Debut du paragraphe "hanja"
        if(/\[\[Catégorie/ || /\[\[..:$car/) {
            print STDERR "etat=apres\n";
            $apres .= $_ ;
            $etat = 2;
        } elsif(/\{\{-voir-\}\}/) {
            print STDERR "etat=voir\n";
            $etat = 4;
            $voir .= $_;
        } elsif(/\{\{=ja=\}\}/) {
            print STDERR "etat=ja\n";
            $ja .= $_ ;
            $etat = 3;
        } elsif(/\{\{=ko-hanja=\}\}/) {
            print STDERR "etat=ko\n";
            $etat = 1;
        } elsif($etat == 1) {
            if (/\{\{=/ || /\[\[en/ || /\{\{-voir/) {
                print STDERR "etat=apres (ko)\n";
                $apres .= $_ ;
                $etat = 2;
            } else {
                chop;
                next if(/$ignore/) ;
                my $found = 0 ;
                foreach $item (@listitem) {
                    if(/\{\{$item\}\}\s*:\s*(\S*.*)/) {
                        $val{$item} = $1 ;
                        $found = 1;
                    }
                }
                if ($found ==0 ) {
                    print STDERR "DEBUG : $_ : no item found\n" ;
                }
            }
        } elsif($etat == 4) {
            $voir .= $_;
        } elsif($etat == 3) {
            $ja .= $_ ;
        } elsif($etat == 2) {
            $apres .= $_ ;
        } elsif($etat == 0) {
            $avant .= $_ ;
        }
    }
    close(A);

    # On prend le eumhun de nabi-hanja.txt
    if ($hanja{$car}) {
        $val{'eumhun'} = $hanja{$car} ;

        # On recupere le hangul de eumhun
        my @tmp = split(/,/ , $val{'eumhun'}) ;
        my %hangul = () ;
        my $eumhun = '' ;
        foreach $eumhun (@tmp) {
            if ($eumhun =~ /\s*(\S)\s*$/) {
                my $hangulcar = $1 ;
                my $n = ord($hangulcar) ;
                if ($n>=0xac00 && $n<=0xd7a3) {
                    $hangul{$1} = 1;
                }
            }
        }
        my $newhangul =  join(", ",keys(%hangul)) ;
        # Si hangul de l'article different de eumhun, on le remplace
        if ($val{'Hangul'} ne $newhangul) {
            $val{'Hangul'} = $newhangul
        }
    } else {
        print STDERR "pas de eumhun pour $car\n";
    }

    # Si le hangul existe...
    if($val{'Hangul'}) {
        PrivoxyWindowOpen(NEW,">$dstdir/$car");

        # On réordonne les valeurs du block hanja
        print NEW $avant, $ja, $voir, "
{{=ko-hanja=}}
{{ébauche|ko}}
* {{Hangul}} : ",$val{'Hangul'},"
* {{eumhun}} : ",$val{'eumhun'},"
* Romanisation :
** {{roman-ko}} : ",$val{'roman-ko'},"
** {{McCune}} : ",$val{'McCune'},"
** {{Yale-ko}} : ",$val{'Yale-ko'},"
{{-réf-}}
{{R:libhangul}}

",
        $apres,
"
[[Summary: reformatage section hanja, ajout eumhun, replacement -voir-]] 
"
;

        close(NEW);

    } else {
        print STDERR "Pas de modification pour $car\n";
    }

    print STDERR "attente de $delay secondes...\n";
    sleep($delay);
}