MLWCompiler.py 25.6 KB
Newer Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
#!/usr/bin/python

#######################################################################
#
# SYMBOLS SECTION - Can be edited. Changes will be preserved.
#
#######################################################################


from functools import partial
import os
import sys
try:
    import regex as re
except ImportError:
    import re
from DHParser import logging, is_filename, load_if_file, \
    Grammar, Compiler, nil_preprocessor, \
di68kap's avatar
di68kap committed
19
    Lookbehind, Lookahead, Alternative, Pop, Token, Synonym, SomeOf, \
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
    Option, NegativeLookbehind, OneOrMore, RegExp, Retrieve, Series, RE, Capture, \
    ZeroOrMore, Forward, NegativeLookahead, mixin_comment, compile_source, \
    last_value, counterpart, accumulate, PreprocessorFunc, \
    Node, TransformationFunc, TransformationDict, TRUE_CONDITION, \
    traverse, remove_children_if, merge_children, is_anonymous, \
    reduce_single_child, replace_by_single_child, replace_or_reduce, remove_whitespace, \
    remove_expendables, remove_empty, remove_tokens, flatten, is_whitespace, \
    is_empty, is_expendable, collapse, replace_content, remove_parser, remove_content, remove_brackets, replace_parser, \
    keep_children, is_one_of, has_content, apply_if, remove_first, remove_last


#######################################################################
#
# PREPROCESSOR SECTION - Can be edited. Changes will be preserved.
#
#######################################################################

def MLWPreprocessor(text):
    return text

def get_preprocessor() -> PreprocessorFunc:
    return MLWPreprocessor


#######################################################################
#
# PARSER SECTION - Don't edit! CHANGES WILL BE OVERWRITTEN!
#
#######################################################################

class MLWGrammar(Grammar):
    r"""Parser for a MLW source file, with this grammar:
    
    # EBNF-Syntax für MLW-Artikel
    
di68kap's avatar
di68kap committed
55
56
    # TODO: Vervollständigen!!!!
    
57
58
59
60
61
62
63
64
65
66
    
    @ comment         =  /#.*/            # Kommentare beginnen mit '#' und reichen bis zum Zeilenende
                                          # ohne das Zeilenende zu beinhalten
    @ whitespace      =  /[\t ]*/         # Zeilensprünge zählen nicht als Leerraum
    @ literalws       =  right            # Leerraum vor und nach Literalen wird automatisch entfernt
    
    
    ##############################################################################
    
    Artikel           = [LZ]
di68kap's avatar
di68kap committed
67
68
                        §{ LemmaPosition }+
                        [EtymologiePosition]
69
                        [ArtikelKopf]
di68kap's avatar
di68kap committed
70
71
72
73
                        BedeutungsPosition
                        [VerweisPosition]
                        { UnterArtikel }
                        ArtikelVerfasser
74
75
76
                        [LZ]  DATEI_ENDE
    
    
di68kap's avatar
di68kap committed
77
    
78
79
    #### LEMMA-POSITION ##########################################################
    
di68kap's avatar
di68kap committed
80
81
    LemmaPosition     = "LEMMA" [LZ] §Lemma TR [LemmaVarianten]
                        GrammatikPosition [Zusatz] [ABS]
82
    
di68kap's avatar
di68kap committed
83
    Lemma             = [< klassisch | gesichert >] LemmaWort
84
      klassisch       = "*"
di68kap's avatar
di68kap committed
85
      gesichert       = "$"  # TODO: Noch fragen: Welches Zeichen?
86
    
di68kap's avatar
di68kap committed
87
    LemmaWort         = LAT_WORT
88
    
di68kap's avatar
di68kap committed
89
90
    LemmaVarianten    = [LZ]
                        { LemmaVariante §TR }+
di68kap's avatar
di68kap committed
91
                        [Zusatz §ABS]
92
    
93
    LemmaVariante     = LAT_WORT
94
95
96
97
    
    
    ## GRAMMATIK-POSITION ##
    
di68kap's avatar
di68kap committed
98
99
100
    GrammatikPosition = "GRAMMATIK" [LZ] §Grammatik ABS { GrammatikVariante §ABS }
    
    Grammatik        = wortart §ABS flexion [genus]
101
102
103
104
105
106
107
    
    wortart          = "nomen"  | "n."
                     | "verb"   | "v."
                     | "adverb" | "adv."
                     | "adjektiv" | "adj."
                     | "praeposition" | "praep."
    
di68kap's avatar
di68kap committed
108
    flexion          = deklination | konjugation
di68kap's avatar
di68kap committed
109
    deklination      = FLEX ["," FLEX]
di68kap's avatar
di68kap committed
110
    konjugation      = FLEX
111
112
113
114
115
116
    FLEX             = /-?[a-z]+/~
    
    genus            = "maskulinum" | "m."
                     | "femininum" | "f."
                     | "neutrum" | "n."
    
117
    GrammatikVariante  = [wortart ABS] flexion [genus] DPP Beleg { FORTSETZUNG Beleg }   # Beleg { SEM Beleg }
di68kap's avatar
di68kap committed
118
    
119
120
    
    
di68kap's avatar
di68kap committed
121
122
123
124
125
126
127
    #### ETYMOLOGIE-POSITION #####################################################
    
    EtymologiePosition = "ETYMOLOGIE" [LZ] { EtymologieVariante }+
    EtymologieVariante = LAT | GRI [EtymologieBesonderheit] ["ETYM" Etymologie] DPP Beleg
    EtymologieBesonderheit = FREITEXT
    Etymologie         = FREITEXT
    
128
129
130
    
    #### ARTIKEL-KOPF ############################################################
    
di68kap's avatar
di68kap committed
131
132
133
134
135
    ArtikelKopf     = <   SchreibweisenPosition
                        | StrukturPosition
                        | GebrauchPosition
                        | MetrikPosition
                        | VerwechselungPosition >
di68kap's avatar
di68kap committed
136
    
di68kap's avatar
di68kap committed
137
138
139
140
141
    SchreibweisenPosition = "SCHREIBWEISE"  Position
    StrukturPosition      = "STRUKTUR"      Position
    GebrauchPosition      = "GEBRAUCH"      Position
    MetrikPosition        = "METRIK"        Position
    VerwechselungPosition = "VERWECHSELBAR" Position
di68kap's avatar
di68kap committed
142
    
di68kap's avatar
di68kap committed
143
    ## ARTIKELKOPF POSITIONEN ##
di68kap's avatar
di68kap committed
144
    
di68kap's avatar
di68kap committed
145
    Position       = [LZ] §{ Kategorie }+
146
    Kategorie      = Besonderheit §DPP [LZ] ( Varianten | { Kategorie }+ ) ZWW
di68kap's avatar
di68kap committed
147
148
149
150
    Besonderheit   = FREITEXT
    Varianten      = Variante { ABS Variante }
    Variante       = !KATEGORIENZEILE Gegenstand DPP Beleg
    Gegenstand     = ZEICHENFOLGE
151
152
153
154
    
    
    #### BEDEUTUNGS-POSITION #####################################################
    
155
    BedeutungsPosition   = { "BEDEUTUNG" [LZ] §Bedeutung }+
156
    
157
158
159
160
161
    Bedeutung            = (Interpretamente | Bedeutungskategorie) [Belege]
    Bedeutungskategorie  = /(?:(?![A-ZÄÖÜ][A-ZÄÖÜ]).)+/~ [LZ]
    Interpretamente      = LateinischeBedeutung [LZ] §DeutscheBedeutung [LZ]
    LateinischeBedeutung = LAT [LZ] LateinischerAusdruck { <","|ZW> LateinischerAusdruck }
    DeutscheBedeutung    = DEU [LZ] DeutscherAusdruck { <","|ZW> DeutscherAusdruck }
di68kap's avatar
di68kap committed
162
    
163
164
165
166
167
168
    LateinischerAusdruck = LAT_WORT { //~ LAT_WORT } [/\s*/ BedeutungsQualifikation]
    DeutscherAusdruck    = DEU_WORT { //~ DEU_WORT } [/\s*/ BedeutungsQualifikation]
    
    BedeutungsQualifikation = "[" EINZEILER { <SEM|ZW> EINZEILER } §"]"
    
    Belege = "BELEGE" { ZWW "*" Beleg }+ ABS
di68kap's avatar
di68kap committed
169
170
171
    
    
    #### VERWEIS-POSITION #####################################################
172
    
di68kap's avatar
di68kap committed
173
174
175
176
177
178
    VerweisPosition = "VERWEISE"
    
    
    #### UNTER-ARTIKEL ########################################################
    
    UnterArtikel = "UNTER-ARTIKEL"
179
180
181
182
183
184
185
186
    
    
    #### AUTOR/AUTORIN ###########################################################
    
    ArtikelVerfasser = ("AUTORIN" | "AUTOR") Name
    Name             = { NAME | NAMENS_ABKÜRZUNG }+
    
    
di68kap's avatar
di68kap committed
187
    
188
189
    #### Schlüsselwörter #########################################################
    
di68kap's avatar
di68kap committed
190
191
192
193
194
    LAT = "LATEINISCH" | "LAT"
    DEU = "DEUTSCH" | "DEU"
    GRI = "GRIECHISCH" | "GRIECH" | "GRIE" | "GRI"
    
    SCHLUESSELWORT   = { //~ /\n/ }+ !ROEMISCHE_ZAHL /[A-ZÄÖÜ]{3,}\s+/
195
196
197
    
    
    
di68kap's avatar
di68kap committed
198
    #### ZUSATZ an verschiedenen Stellen der Struktur ############################
199
    
di68kap's avatar
di68kap committed
200
    Zusatz       = "ZUSATZ" §{ [TR] zusatz_typ ["."] }+
di68kap's avatar
di68kap committed
201
202
203
204
205
206
      zusatz_typ = "adde" | "al" | "sim." | "saepe" | "vel-rarius" | "vel" | FREITEXT
    
    
    
    #### BELEGE ##################################################################
    
di68kap's avatar
di68kap committed
207
208
209
    Beleg            = Verweis | Zitat
    Zitat            = BelegQuelle { SEM Stelle BelegText } [[TR] Zusatz]
    BelegQuelle      = Autor DPP Werk
210
    BelegText        = ~/"/ FREITEXT §/"/~ ["."]
di68kap's avatar
di68kap committed
211
    
212
    Verweis          =  "->" §ZielName
di68kap's avatar
di68kap committed
213
    VerweisZiel      = "{" ZielName "}"
214
    ZielName         = EINZEILER
215
    
di68kap's avatar
di68kap committed
216
217
218
219
220
221
222
223
224
    Autor     = FREITEXT
    Werk      = FREITEXT
    Stelle    = FREITEXT
    Datierung = FREITEXT
    Edition   = FREITEXT
    
    
    #### GENERISCHE UND ATOMARE AUSDRÜCKE ########################################
    
225
226
227
    NAMENS_ABKÜRZUNG = /[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\./~
    NAME             = /[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+/~
    
di68kap's avatar
di68kap committed
228
    DEU_WORT         = DEU_GROSS | DEU_KLEIN | GROSSBUCHSTABE
229
230
231
232
233
    DEU_GROSS        = /[A-ZÄÖÜ][a-zäöüßę\-]+/
    GROSSBUCHSTABE   = /[A-ZÄÖÜ](?=[ \t\n])/
    DEU_KLEIN        = /[a-zäöüßę\-]+/
    LAT_WORT         = /[a-z|\-]+/
    GROSSSCHRIFT     = /[A-ZÄÖÜ]+/
di68kap's avatar
di68kap committed
234
235
236
    ZAHL             = /\d+/~
    ROEMISCHE_ZAHL   = /(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)/~
    
di68kap's avatar
di68kap committed
237
    SATZZEICHEN      = /(?:,(?!,))|(?:;(?!;))|(?::(?!:))|[.()\[\]\-]+/~  # div. Satzzeichen, aber keine doppelten ,, ;; oder ::
di68kap's avatar
di68kap committed
238
    
239
240
    BUCHSTABENFOLGE  = /\w+/~
    ZEICHENFOLGE     = /[\w()-]+/~
241
242
243
244
    EINZEILER        = /[\w()-. \t]+/~
    TEXTELEMENT      = (DEU_WORT //~) | ZAHL | ROEMISCHE_ZAHL
    FREITEXT         = { TEXTELEMENT | /[.()\[\]\-\s]+/ | /,(?!,)\s*/ }+
    ERW_FREITEXT     = { TEXTELEMENT | SATZZEICHEN | /\s+/ }+
245
    
di68kap's avatar
di68kap committed
246
247
248
249
250
251
    TR               = ABS | LZ                  # (beliebiger) Trenner
    ABS              = /\s*;;?\s*/ | { ZWW }+    # Abschluss (durch Semikolon oder Zeilenwechsel)
    # ZW               = /\n/~                   # Zeilenwechsel
    LZ               = /\s+/                     # Leerzeichen oder -zeilen
    DPP              = /::?/~                    # Doppelpunkt als Trenner
    SEM              = /;;?/~                    # Semikolon als Trenner
252
253
254
255
256
257
258
259
260
261
    
    ZW               = !LÜCKE ZEILENSPRUNG       # Zeilenwechsel, aber keine Leerzeile(n)
    ZWW              = ZEILENSPRUNG [ LEERRAUM ] # mindestens ein Zeilenwechsel
    LÜCKE            = KOMMENTARZEILEN LEERZEILE [LEERRAUM] # Leerraum mit mindestens einer echten Leerzeile
    LEERRAUM         = { COMMENT__ | /\s+/ }+   # beliebiger horizontaler oder vertikaler Leerraum
    LEERZEILE        = /[ \t]*(?:\n[ \t]*)+\n/ ~/\n?/ # eine oder mehrere echte LEERZEILEN
    RZS              = /\s*?\n|$/               # Rückwärtiger Zeilensprung oder Textanfang
    
    ZEILENSPRUNG     = /[ \t]*\n/~
    KOMMENTARZEILEN  = { /[ \t]*\n?[ \t]*/ COMMENT__ }  # echte Kommentarzeilen
di68kap's avatar
di68kap committed
262
    KATEGORIENZEILE  = /[^:\n]+[:][ \t]*\n/     # Kategorienzeilen enthalten genau einen Doppelpunkt am Ende der Zeile
263
    FORTSETZUNG      = !(ZWW /[^:\n]+[:]/)
264
265
266
    
    DATEI_ENDE       = !/./
    NIEMALS          = /(?!.)/
di68kap's avatar
di68kap committed
267
268
    
    DUMMY            = "EBNF-Grammatik an dieser Stelle noch nicht definiert!"
269
    """
di68kap's avatar
di68kap committed
270
    DEU_WORT = Forward()
di68kap's avatar
di68kap committed
271
    Kategorie = Forward()
di68kap's avatar
di68kap committed
272
273
274
275
    ROEMISCHE_ZAHL = Forward()
    SATZZEICHEN = Forward()
    TEXTELEMENT = Forward()
    ZAHL = Forward()
276
    ZWW = Forward()
di68kap's avatar
di68kap committed
277
    Zusatz = Forward()
di68kap's avatar
di68kap committed
278
279
    flexion = Forward()
    genus = Forward()
280
    wortart = Forward()
281
    source_hash__ = "1d6f8c60413469e9350a45b956fcd9fd"
282
283
284
285
286
287
    parser_initialization__ = "upon instantiation"
    COMMENT__ = r'#.*'
    WHITESPACE__ = r'[\t ]*'
    WSP__ = mixin_comment(whitespace=WHITESPACE__, comment=COMMENT__)
    wspL__ = ''
    wspR__ = WSP__
di68kap's avatar
di68kap committed
288
    DUMMY = Token("EBNF-Grammatik an dieser Stelle noch nicht definiert!")
289
290
    NIEMALS = RegExp('(?!.)')
    DATEI_ENDE = NegativeLookahead(RegExp('.'))
291
    FORTSETZUNG = NegativeLookahead(Series(ZWW, RegExp('[^:\\n]+[:]')))
di68kap's avatar
di68kap committed
292
    KATEGORIENZEILE = RegExp('[^:\\n]+[:][ \\t]*\\n')
293
294
295
296
297
298
    KOMMENTARZEILEN = ZeroOrMore(Series(RegExp('[ \\t]*\\n?[ \\t]*'), RegExp(COMMENT__)))
    ZEILENSPRUNG = RE('[ \\t]*\\n')
    RZS = RegExp('\\s*?\\n|$')
    LEERZEILE = Series(RegExp('[ \\t]*(?:\\n[ \\t]*)+\\n'), RE('\\n?', wR='', wL=WSP__))
    LEERRAUM = OneOrMore(Alternative(RegExp(COMMENT__), RegExp('\\s+')))
    LÜCKE = Series(KOMMENTARZEILEN, LEERZEILE, Option(LEERRAUM))
299
    ZWW.set(Series(ZEILENSPRUNG, Option(LEERRAUM)))
300
    ZW = Series(NegativeLookahead(LÜCKE), ZEILENSPRUNG)
di68kap's avatar
di68kap committed
301
302
    SEM = RE(';;?')
    DPP = RE('::?')
303
    LZ = RegExp('\\s+')
di68kap's avatar
di68kap committed
304
    ABS = Alternative(RegExp('\\s*;;?\\s*'), OneOrMore(ZWW))
305
    TR = Alternative(ABS, LZ)
306
307
308
309
    ERW_FREITEXT = OneOrMore(Alternative(TEXTELEMENT, SATZZEICHEN, RegExp('\\s+')))
    FREITEXT = OneOrMore(Alternative(TEXTELEMENT, RegExp('[.()\\[\\]\\-\\s]+'), RegExp(',(?!,)\\s*')))
    TEXTELEMENT.set(Alternative(Series(DEU_WORT, RE('')), ZAHL, ROEMISCHE_ZAHL))
    EINZEILER = RE('[\\w()-. \\t]+')
310
311
    ZEICHENFOLGE = RE('[\\w()-]+')
    BUCHSTABENFOLGE = RE('\\w+')
di68kap's avatar
di68kap committed
312
    SATZZEICHEN.set(RE('(?:,(?!,))|(?:;(?!;))|(?::(?!:))|[.()\\[\\]\\-]+'))
di68kap's avatar
di68kap committed
313
314
    ROEMISCHE_ZAHL.set(RE('(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)'))
    ZAHL.set(RE('\\d+'))
315
316
317
318
319
    GROSSSCHRIFT = RegExp('[A-ZÄÖÜ]+')
    LAT_WORT = RegExp('[a-z|\\-]+')
    DEU_KLEIN = RegExp('[a-zäöüßę\\-]+')
    GROSSBUCHSTABE = RegExp('[A-ZÄÖÜ](?=[ \\t\\n])')
    DEU_GROSS = RegExp('[A-ZÄÖÜ][a-zäöüßę\\-]+')
di68kap's avatar
di68kap committed
320
    DEU_WORT.set(Alternative(DEU_GROSS, DEU_KLEIN, GROSSBUCHSTABE))
321
322
    NAME = RE('[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+')
    NAMENS_ABKÜRZUNG = RE('[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\\.')
di68kap's avatar
di68kap committed
323
324
325
326
327
    Edition = Synonym(FREITEXT)
    Datierung = Synonym(FREITEXT)
    Stelle = Synonym(FREITEXT)
    Werk = Synonym(FREITEXT)
    Autor = Synonym(FREITEXT)
328
    ZielName = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
329
    VerweisZiel = Series(Token("{"), ZielName, Token("}"))
330
331
    Verweis = Series(Token("->"), ZielName, mandatory=1)
    BelegText = Series(RE('"', wR='', wL=WSP__), FREITEXT, RE('"'), Option(Token(".")), mandatory=2)
di68kap's avatar
di68kap committed
332
333
334
    BelegQuelle = Series(Autor, DPP, Werk)
    Zitat = Series(BelegQuelle, ZeroOrMore(Series(SEM, Stelle, BelegText)), Option(Series(Option(TR), Zusatz)))
    Beleg = Alternative(Verweis, Zitat)
di68kap's avatar
di68kap committed
335
    zusatz_typ = Alternative(Token("adde"), Token("al"), Token("sim."), Token("saepe"), Token("vel-rarius"), Token("vel"), FREITEXT)
di68kap's avatar
di68kap committed
336
    Zusatz.set(Series(Token("ZUSATZ"), OneOrMore(Series(Option(TR), zusatz_typ, Option(Token(".")))), mandatory=1))
di68kap's avatar
di68kap committed
337
338
339
340
    SCHLUESSELWORT = Series(OneOrMore(Series(RE(''), RegExp('\\n'))), NegativeLookahead(ROEMISCHE_ZAHL), RegExp('[A-ZÄÖÜ]{3,}\\s+'))
    GRI = Alternative(Token("GRIECHISCH"), Token("GRIECH"), Token("GRIE"), Token("GRI"))
    DEU = Alternative(Token("DEUTSCH"), Token("DEU"))
    LAT = Alternative(Token("LATEINISCH"), Token("LAT"))
341
342
    Name = OneOrMore(Alternative(NAME, NAMENS_ABKÜRZUNG))
    ArtikelVerfasser = Series(Alternative(Token("AUTORIN"), Token("AUTOR")), Name)
di68kap's avatar
di68kap committed
343
344
    UnterArtikel = Token("UNTER-ARTIKEL")
    VerweisPosition = Token("VERWEISE")
di68kap's avatar
di68kap committed
345
    Belege = Series(Token("BELEGE"), OneOrMore(Series(ZWW, Token("*"), Beleg)), ABS)
346
347
348
349
350
    BedeutungsQualifikation = Series(Token("["), EINZEILER, ZeroOrMore(Series(SomeOf(SEM, ZW), EINZEILER)), Token("]"), mandatory=3)
    DeutscherAusdruck = Series(DEU_WORT, ZeroOrMore(Series(RE(''), DEU_WORT)), Option(Series(RegExp('\\s*'), BedeutungsQualifikation)))
    LateinischerAusdruck = Series(LAT_WORT, ZeroOrMore(Series(RE(''), LAT_WORT)), Option(Series(RegExp('\\s*'), BedeutungsQualifikation)))
    DeutscheBedeutung = Series(DEU, Option(LZ), DeutscherAusdruck, ZeroOrMore(Series(SomeOf(Token(","), ZW), DeutscherAusdruck)))
    LateinischeBedeutung = Series(LAT, Option(LZ), LateinischerAusdruck, ZeroOrMore(Series(SomeOf(Token(","), ZW), LateinischerAusdruck)))
di68kap's avatar
di68kap committed
351
    Interpretamente = Series(LateinischeBedeutung, Option(LZ), DeutscheBedeutung, Option(LZ), mandatory=2)
352
353
    Bedeutungskategorie = Series(RE('(?:(?![A-ZÄÖÜ][A-ZÄÖÜ]).)+'), Option(LZ))
    Bedeutung = Series(Alternative(Interpretamente, Bedeutungskategorie), Option(Belege))
di68kap's avatar
di68kap committed
354
355
356
357
    BedeutungsPosition = OneOrMore(Series(Token("BEDEUTUNG"), Option(LZ), Bedeutung, mandatory=2))
    Gegenstand = Synonym(ZEICHENFOLGE)
    Variante = Series(NegativeLookahead(KATEGORIENZEILE), Gegenstand, DPP, Beleg)
    Varianten = Series(Variante, ZeroOrMore(Series(ABS, Variante)))
di68kap's avatar
di68kap committed
358
    Besonderheit = Synonym(FREITEXT)
359
    Kategorie.set(Series(Besonderheit, DPP, Option(LZ), Alternative(Varianten, OneOrMore(Kategorie)), ZWW, mandatory=1))
di68kap's avatar
di68kap committed
360
361
362
363
364
365
366
    Position = Series(Option(LZ), OneOrMore(Kategorie), mandatory=1)
    VerwechselungPosition = Series(Token("VERWECHSELBAR"), Position)
    MetrikPosition = Series(Token("METRIK"), Position)
    GebrauchPosition = Series(Token("GEBRAUCH"), Position)
    StrukturPosition = Series(Token("STRUKTUR"), Position)
    SchreibweisenPosition = Series(Token("SCHREIBWEISE"), Position)
    ArtikelKopf = SomeOf(SchreibweisenPosition, StrukturPosition, GebrauchPosition, MetrikPosition, VerwechselungPosition)
di68kap's avatar
di68kap committed
367
368
369
370
    Etymologie = Synonym(FREITEXT)
    EtymologieBesonderheit = Synonym(FREITEXT)
    EtymologieVariante = Alternative(LAT, Series(GRI, Option(EtymologieBesonderheit), Option(Series(Token("ETYM"), Etymologie)), DPP, Beleg))
    EtymologiePosition = Series(Token("ETYMOLOGIE"), Option(LZ), OneOrMore(EtymologieVariante))
371
    GrammatikVariante = Series(Option(Series(wortart, ABS)), flexion, Option(genus), DPP, Beleg, ZeroOrMore(Series(FORTSETZUNG, Beleg)))
di68kap's avatar
di68kap committed
372
    genus.set(Alternative(Token("maskulinum"), Token("m."), Token("femininum"), Token("f."), Token("neutrum"), Token("n.")))
373
    FLEX = RE('-?[a-z]+')
di68kap's avatar
di68kap committed
374
    konjugation = Synonym(FLEX)
di68kap's avatar
di68kap committed
375
    deklination = Series(FLEX, Option(Series(Token(","), FLEX)))
di68kap's avatar
di68kap committed
376
    flexion.set(Alternative(deklination, konjugation))
377
    wortart.set(Alternative(Token("nomen"), Token("n."), Token("verb"), Token("v."), Token("adverb"), Token("adv."), Token("adjektiv"), Token("adj."), Token("praeposition"), Token("praep.")))
di68kap's avatar
di68kap committed
378
379
    Grammatik = Series(wortart, ABS, flexion, Option(genus), mandatory=1)
    GrammatikPosition = Series(Token("GRAMMATIK"), Option(LZ), Grammatik, ABS, ZeroOrMore(Series(GrammatikVariante, ABS, mandatory=1)), mandatory=2)
380
    LemmaVariante = Synonym(LAT_WORT)
di68kap's avatar
di68kap committed
381
    LemmaVarianten = Series(Option(LZ), OneOrMore(Series(LemmaVariante, TR, mandatory=1)), Option(Series(Zusatz, ABS, mandatory=1)))
di68kap's avatar
di68kap committed
382
    LemmaWort = Synonym(LAT_WORT)
383
384
    gesichert = Token("$")
    klassisch = Token("*")
di68kap's avatar
di68kap committed
385
386
387
    Lemma = Series(Option(SomeOf(klassisch, gesichert)), LemmaWort)
    LemmaPosition = Series(Token("LEMMA"), Option(LZ), Lemma, TR, Option(LemmaVarianten), GrammatikPosition, Option(Zusatz), Option(ABS), mandatory=2)
    Artikel = Series(Option(LZ), OneOrMore(LemmaPosition), Option(EtymologiePosition), Option(ArtikelKopf), BedeutungsPosition, Option(VerweisPosition), ZeroOrMore(UnterArtikel), ArtikelVerfasser, Option(LZ), DATEI_ENDE, mandatory=1)
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
    root__ = Artikel
    
def get_grammar() -> MLWGrammar:
    global thread_local_MLW_grammar_singleton
    try:
        grammar = thread_local_MLW_grammar_singleton
    except NameError:
        thread_local_MLW_grammar_singleton = MLWGrammar()
        grammar = thread_local_MLW_grammar_singleton
    return grammar


#######################################################################
#
# AST SECTION - Can be edited. Changes will be preserved.
#
#######################################################################

MLW_AST_transformation_table = {
    # AST Transformations for the MLW-grammar
    "+": remove_empty,
    "Artikel": [],
    "LemmaPosition": [],
    "Lemma": [],
    "klassisch": [],
    "gesichert": [],
    "LemmaVarianten": [],
    "LemmaWort": [],
    "LemmaZusatz": [],
    "lzs_typ": [],
    "GrammatikPosition": [],
    "wortart": [replace_or_reduce],
    "GrammatikVarianten": [],
    "flexion": [],
    "FLEX": [],
    "genus": [replace_or_reduce],
    "EtymologiePosition": [],
    "EtymologieVarianten": [],
    "EtymologieVariante": [],
    "ArtikelKopf": [replace_by_single_child],
    "SchreibweisenPosition": [],
    "SWTyp": [replace_or_reduce],
    "SWVariante": [],
    "Schreibweise": [replace_by_single_child],
    "BedeutungsPosition": [],
    "Bedeutung": [],
    "Bedeutungskategorie": [],
    "Interpretamente": [],
    "LateinischeBedeutung": [],
    "DeutscheBedeutung": [],
    "Belege": [],
    "EinBeleg": [],
    "Zusatz": [],
    "ArtikelVerfasser": [],
    "Name": [],
    "SW_LAT": [replace_or_reduce],
    "SW_DEU": [replace_or_reduce],
    "SW_GRIECH": [replace_or_reduce],
    "Beleg": [replace_by_single_child],
    "Verweis": [],
    "VerweisZiel": [],
    "ZielName": [replace_by_single_child],
    "NAMENS_ABKÜRZUNG": [],
    "NAME": [],
    "DEU_WORT": [],
    "DEU_GROSS": [],
    "DEU_KLEIN": [],
    "LAT_WORT": [],
    "LAT_WORT_TEIL": [],
    "GROSSSCHRIFT": [],
    "GROSSFOLGE": [],
    "BUCHSTABENFOLGE": [],
    "ZEICHENFOLGE": [],
    "TR": [replace_or_reduce],
    "ABS": [replace_or_reduce],
    "LZ": [],
    "ZW": [],
    "ZWW": [],
    "LÜCKE": [],
    "LEERRAUM": [],
    "LEERZEILE": [],
    "RZS": [],
    "ZEILENSPRUNG": [],
    "KOMMENTARZEILEN": [],
    "DATEI_ENDE": [],
    "NIEMALS": [],
    ":Token, :RE": reduce_single_child,
    "*": replace_by_single_child
}


def MLWTransform() -> TransformationDict:
    return partial(traverse, processing_table=MLW_AST_transformation_table.copy())

def get_transformer() -> TransformationFunc:
    global thread_local_MLW_transformer_singleton
    try:
        transformer = thread_local_MLW_transformer_singleton
    except NameError:
        thread_local_MLW_transformer_singleton = MLWTransform()
        transformer = thread_local_MLW_transformer_singleton
    return transformer


#######################################################################
#
# COMPILER SECTION - Can be edited. Changes will be preserved.
#
#######################################################################

class MLWCompiler(Compiler):
    """Compiler for the abstract-syntax-tree of a MLW source file.
    """

    def __init__(self, grammar_name="MLW", grammar_source=""):
        super(MLWCompiler, self).__init__(grammar_name, grammar_source)
        assert re.match('\w+\Z', grammar_name)

    def on_Artikel(self, node):
        return node

    def on_LemmaPosition(self, node):
        pass

    def on_Lemma(self, node):
        pass

    def on_klassisch(self, node):
        pass

    def on_gesichert(self, node):
        pass

    def on_LemmaVarianten(self, node):
        pass

    def on_LemmaWort(self, node):
        pass

    def on_LemmaZusatz(self, node):
        pass

    def on_lzs_typ(self, node):
        pass

    def on_GrammatikPosition(self, node):
        pass

    def on_wortart(self, node):
        pass

    def on_GrammatikVarianten(self, node):
        pass

    def on_flexion(self, node):
        pass

    def on_FLEX(self, node):
        pass

    def on_genus(self, node):
        pass

    def on_EtymologiePosition(self, node):
        pass

    def on_EtymologieVarianten(self, node):
        pass

    def on_EtymologieVariante(self, node):
        pass

    def on_ArtikelKopf(self, node):
        pass

    def on_SchreibweisenPosition(self, node):
        pass

    def on_SWTyp(self, node):
        pass

    def on_SWVariante(self, node):
        pass

    def on_Schreibweise(self, node):
        pass

    def on_BedeutungsPosition(self, node):
        pass

    def on_Bedeutung(self, node):
        pass

    def on_Bedeutungskategorie(self, node):
        pass

    def on_Interpretamente(self, node):
        pass

    def on_LateinischeBedeutung(self, node):
        pass

    def on_DeutscheBedeutung(self, node):
        pass

    def on_Belege(self, node):
        pass

    def on_EinBeleg(self, node):
        pass

    def on_Zusatz(self, node):
        pass

    def on_ArtikelVerfasser(self, node):
        pass

    def on_Name(self, node):
        pass

    def on_SW_LAT(self, node):
        pass

    def on_SW_DEU(self, node):
        pass

    def on_SW_GRIECH(self, node):
        pass

    def on_Beleg(self, node):
        pass

    def on_Verweis(self, node):
        pass

    def on_VerweisZiel(self, node):
        pass

    def on_ZielName(self, node):
        pass

    def on_NAMENS_ABKÜRZUNG(self, node):
        pass

    def on_NAME(self, node):
        pass

    def on_DEU_WORT(self, node):
        pass

    def on_DEU_GROSS(self, node):
        pass

    def on_DEU_KLEIN(self, node):
        pass

    def on_LAT_WORT(self, node):
        pass

    def on_LAT_WORT_TEIL(self, node):
        pass

    def on_GROSSSCHRIFT(self, node):
        pass

    def on_GROSSFOLGE(self, node):
        pass

    def on_BUCHSTABENFOLGE(self, node):
        pass

    def on_ZEICHENFOLGE(self, node):
        pass

    def on_TR(self, node):
        pass

    def on_ABS(self, node):
        pass

    def on_LZ(self, node):
        pass

    def on_ZW(self, node):
        pass

    def on_ZWW(self, node):
        pass

    def on_LÜCKE(self, node):
        pass

    def on_LEERRAUM(self, node):
        pass

    def on_LEERZEILE(self, node):
        pass

    def on_RZS(self, node):
        pass

    def on_ZEILENSPRUNG(self, node):
        pass

    def on_KOMMENTARZEILEN(self, node):
        pass

    def on_DATEI_ENDE(self, node):
        pass

    def on_NIEMALS(self, node):
        pass


def get_compiler(grammar_name="MLW", grammar_source="") -> MLWCompiler:
    global thread_local_MLW_compiler_singleton
    try:
        compiler = thread_local_MLW_compiler_singleton
        compiler.set_grammar_name(grammar_name, grammar_source)
    except NameError:
        thread_local_MLW_compiler_singleton = \
            MLWCompiler(grammar_name, grammar_source)
        compiler = thread_local_MLW_compiler_singleton
    return compiler


#######################################################################
#
# END OF DHPARSER-SECTIONS
#
#######################################################################


def compile_src(source):
    """Compiles ``source`` and returns (result, errors, ast).
    """
    with logging("LOGS"):
        compiler = get_compiler()
        cname = compiler.__class__.__name__
        log_file_name = os.path.basename(os.path.splitext(source)[0]) \
            if is_filename(source) < 0 else cname[:cname.find('.')] + '_out'    
        result = compile_source(source, get_preprocessor(), 
                                get_grammar(),
                                get_transformer(), compiler)
    return result


if __name__ == "__main__":
    if len(sys.argv) > 1:
        result, errors, ast = compile_src(sys.argv[1])
        if errors:
            for error in errors:
                print(error)
            sys.exit(1)
        else:
            print(result.as_xml() if isinstance(result, Node) else result)
    else:
        print("Usage: MLWCompiler.py [FILENAME]")