MLWCompiler.py 30.8 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
    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, \
eckhart's avatar
eckhart committed
25
    content_from_child, replace_by_child, replace_or_reduce, remove_whitespace, \
26
    remove_expendables, remove_empty, remove_tokens, flatten, is_whitespace, \
eckhart's avatar
eckhart committed
27
    is_empty, is_expendable, collapse, replace_content, remove_nodes, remove_content, remove_brackets, replace_parser, \
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
    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
    
di68kap's avatar
di68kap committed
58
    @ comment         =  /(?:\/\/.*)|(?:\/\*(?:.|\n)*?\*\/)/   # Kommentare im C++ Stil
59
60
61
62
63
64
65
66
                                          # 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
di68kap's avatar
di68kap committed
74
75
                        [Stellenverzeichnis]
                        [LZ] DATEI_ENDE
76
77
78
79
    
    
    #### LEMMA-POSITION ##########################################################
    
di68kap's avatar
di68kap committed
80
81
    LemmaPosition     = [ABS] "LEMMA" [LZ] §Lemma TR [LemmaVarianten]
                        GrammatikPosition [Zusatz]
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
    LemmaVarianten    = LemmaVariante { [";" | ","] [ZW] LemmaVariante } [ ABS Zusatz ]
90
    
di68kap's avatar
di68kap committed
91
    LemmaVariante     = LAT_WORT [Zusatz]
92
93
94
95
    
    
    ## GRAMMATIK-POSITION ##
    
di68kap's avatar
di68kap committed
96
    GrammatikPosition = ZWW "GRAMMATIK" [LZ] §Grammatik { ABS GrammatikVariante }
di68kap's avatar
di68kap committed
97
98
    
    Grammatik        = wortart §ABS flexion [genus]
99
100
101
102
103
104
105
    
    wortart          = "nomen"  | "n."
                     | "verb"   | "v."
                     | "adverb" | "adv."
                     | "adjektiv" | "adj."
                     | "praeposition" | "praep."
    
di68kap's avatar
di68kap committed
106
    flexion          = deklination | konjugation
di68kap's avatar
di68kap committed
107
    deklination      = FLEX ["," FLEX]
di68kap's avatar
di68kap committed
108
    konjugation      = FLEX
109
110
111
112
113
114
    FLEX             = /-?[a-z]+/~
    
    genus            = "maskulinum" | "m."
                     | "femininum" | "f."
                     | "neutrum" | "n."
    
115
    GrammatikVariante  = [wortart ABS] flexion [genus] DPP Beleg { FORTSETZUNG Beleg }   # Beleg { SEM Beleg }
di68kap's avatar
di68kap committed
116
    
117
118
    
    
di68kap's avatar
di68kap committed
119
120
    #### ETYMOLOGIE-POSITION #####################################################
    
di68kap's avatar
di68kap committed
121
    EtymologiePosition = ZWW "ETYMOLOGIE" [LZ] { EtymologieVariante }+
di68kap's avatar
di68kap committed
122
    EtymologieVariante = LAT | GRI [EtymologieBesonderheit] ["ETYM" Etymologie] DPP Beleg
di68kap's avatar
di68kap committed
123
124
    EtymologieBesonderheit = EINZEILER
    Etymologie         = EINZEILER
di68kap's avatar
di68kap committed
125
    
126
127
128
    
    #### ARTIKEL-KOPF ############################################################
    
di68kap's avatar
di68kap committed
129
130
131
132
133
    ArtikelKopf     = <   SchreibweisenPosition
                        | StrukturPosition
                        | GebrauchPosition
                        | MetrikPosition
                        | VerwechselungPosition >
di68kap's avatar
di68kap committed
134
    
di68kap's avatar
di68kap committed
135
136
137
138
139
    SchreibweisenPosition = ZWW "SCHREIBWEISE"  Position
    StrukturPosition      = ZWW "STRUKTUR"      Position
    GebrauchPosition      = ZWW "GEBRAUCH"      Position
    MetrikPosition        = ZWW "METRIK"        Position
    VerwechselungPosition = ZWW "VERWECHSELBAR" Position
di68kap's avatar
di68kap committed
140
    
di68kap's avatar
di68kap committed
141
    ## ARTIKELKOPF POSITIONEN ##
di68kap's avatar
di68kap committed
142
    
di68kap's avatar
di68kap committed
143
144
145
146
147
148
149
    Position       = [LZ] §Kategorien
    Kategorien     = Kategorie { ZWW Kategorie }
    Kategorie      = Besonderheit §DPP [LZ] ( Varianten | Kategorien )
    Besonderheit   = EINZEILER
    Varianten      = Variante { ZWW Variante }
    Variante       = !KATEGORIENZEILE Gegenstand DPP Belege
    Gegenstand     = EINZEILER
150
151
152
153
    
    
    #### BEDEUTUNGS-POSITION #####################################################
    
di68kap's avatar
di68kap committed
154
    BedeutungsPosition   = { ZWW "BEDEUTUNG" [LZ] §Bedeutung [U1Bedeutung] }+
di68kap's avatar
di68kap committed
155
156
    U1Bedeutung          = { ZWW ("U_BEDEUTUNG" | "UNTER_BEDEUTUNG") [LZ] §Bedeutung [U2Bedeutung] }+
    U2Bedeutung          = { ZWW ("UU_BEDEUTUNG" | "UNTER_UNTER_BEDEUTUNG") [LZ] §Bedeutung [U3Bedeutung] }+
157
158
159
    U3Bedeutung          = { ZWW "UUU_BEDEUTUNG" [LZ] §Bedeutung [U4Bedeutung] }+
    U4Bedeutung          = { ZWW "UUUU_BEDEUTUNG" [LZ] §Bedeutung [U5Bedeutung] }+
    U5Bedeutung          = { ZWW "UUUUU_BEDEUTUNG" [LZ] §UntersteBedeutung }+
160
    
di68kap's avatar
di68kap committed
161
    Bedeutung            = (Interpretamente | Bedeutungskategorie) [BelegPosition]
di68kap's avatar
di68kap committed
162
    UntersteBedeutung    = Interpretamente [BelegPosition]
di68kap's avatar
di68kap committed
163
164
    Bedeutungskategorie  = EINZEILER [[LZ] BedeutungsQualifikation] §":"
    Interpretamente      = LateinischeBedeutung ("--"| LZ) §DeutscheBedeutung [":"]
165
166
    LateinischeBedeutung = LAT [LZ] LateinischerAusdruck { <","|ZW> LateinischerAusdruck }
    DeutscheBedeutung    = DEU [LZ] DeutscherAusdruck { <","|ZW> DeutscherAusdruck }
di68kap's avatar
di68kap committed
167
    
di68kap's avatar
di68kap committed
168
169
    LateinischerAusdruck = LAT_WORT_ERW { //~ LAT_WORT_ERW } [[LZ] BedeutungsQualifikation]
    DeutscherAusdruck    = DEU_WORT_ERW { //~ DEU_WORT_ERW } [[LZ] BedeutungsQualifikation]
170
    
di68kap's avatar
di68kap committed
171
    BedeutungsQualifikation = Zusatz # "[" Gegenstand DPP (Verweis | EINZEILER) §"]"
172
    
di68kap's avatar
di68kap committed
173
    BelegPosition = ZWW ["BELEGE" [LZ]] Belege
di68kap's avatar
di68kap committed
174
175
    
    
di68kap's avatar
di68kap committed
176
    #### VERWEIS-POSITION ########################################################
177
    
di68kap's avatar
di68kap committed
178
    VerweisPosition = ZWW "VERWEISE"
di68kap's avatar
di68kap committed
179
180
    
    
di68kap's avatar
di68kap committed
181
    #### UNTER-ARTIKEL ###########################################################
di68kap's avatar
di68kap committed
182
    
di68kap's avatar
di68kap committed
183
    UnterArtikel = ZWW "UNTER-ARTIKEL"
184
185
186
187
    
    
    #### AUTOR/AUTORIN ###########################################################
    
di68kap's avatar
di68kap committed
188
    ArtikelVerfasser = ZWW ("AUTORIN" | "AUTOR") Name
189
190
191
    Name             = { NAME | NAMENS_ABKÜRZUNG }+
    
    
di68kap's avatar
di68kap committed
192
    #### STELLENVERZEICHNIS ######################################################
di68kap's avatar
di68kap committed
193
    
di68kap's avatar
di68kap committed
194
195
196
197
    Stellenverzeichnis = ZWW "STELLENVERZEICHNIS" [LemmaWort] ZWW Verweisliste
    Verweisliste       = { [LZ] "*" Stellenverweis }
    Stellenverweis     = BelegQuelle { [ABS] Stelle (NullVerweis | Verweis) }
    NullVerweis        = "{" "-" "}"
di68kap's avatar
di68kap committed
198
    
di68kap's avatar
di68kap committed
199
    
200
201
    #### Schlüsselwörter #########################################################
    
di68kap's avatar
di68kap committed
202
203
204
205
206
    LAT = "LATEINISCH" | "LAT"
    DEU = "DEUTSCH" | "DEU"
    GRI = "GRIECHISCH" | "GRIECH" | "GRIE" | "GRI"
    
    SCHLUESSELWORT   = { //~ /\n/ }+ !ROEMISCHE_ZAHL /[A-ZÄÖÜ]{3,}\s+/
207
208
    
    
di68kap's avatar
di68kap committed
209
    #### ZUSATZ an verschiedenen Stellen der Struktur ############################
210
    
di68kap's avatar
di68kap committed
211
212
    Zusatz       = { "{" !("=>" | "#") §EinzelnerZusatz { ";;" EinzelnerZusatz } "}" }+
      EinzelnerZusatz  = FesterZusatz | GemischterZusatz | FreierZusatz
di68kap's avatar
di68kap committed
213
214
215
      FesterZusatz     = "adde" | "sape" | "persaepe"
      GemischterZusatz = ( "usu" | "plur. sensu sing." ) FreierZusatz
      FreierZusatz     = { FREITEXT | VerweisKern | Verweis }+
di68kap's avatar
di68kap committed
216
217
218
219
    
    
    #### BELEGE ##################################################################
    
di68kap's avatar
di68kap committed
220
    Belege           = ["*"] Beleg { [LZ] "*" Beleg }
di68kap's avatar
di68kap committed
221
    Beleg            = [Zusatz] ((Verweis [Zitat]) | Zitat) [ABS Zusatz] ["."]
di68kap's avatar
di68kap committed
222
223
    Zitat            = Quellenangabe
                       { SEM [ZW] [Anker] [Zusatz] <Stelle | Verweis>
di68kap's avatar
di68kap committed
224
                         [[ZW] BelegText] [[LZ] Zusatz] }
di68kap's avatar
di68kap committed
225
    
di68kap's avatar
di68kap committed
226
    Quellenangabe    = [Anker] < BelegQuelle | Verweis >
di68kap's avatar
di68kap committed
227
    BelegQuelle      = Autor DPP Werk
di68kap's avatar
di68kap committed
228
    BelegText        = /"/ { MEHRZEILER | Zusatz } §/"/~ ["."]
di68kap's avatar
di68kap committed
229
    
di68kap's avatar
di68kap committed
230
231
232
233
234
    Autor     = EINZEILER
    Werk      = EINZEILER
    Stelle    = EINZEILER
    Datierung = EINZEILER
    Edition   = EINZEILER
di68kap's avatar
di68kap committed
235
236
    
    
di68kap's avatar
di68kap committed
237
238
239
    #### VERWEISE (LINKS) ########################################################
    
    Verweis          = "{" VerweisKern "}"
di68kap's avatar
di68kap committed
240
    VerweisKern      = "=>" §((alias "|" ("-" | URL)) | URL)
di68kap's avatar
di68kap committed
241
242
243
244
245
246
247
248
249
250
    Anker            = "{" "#" §ziel "}"
    URL              = [ ([protokoll] domäne /\//) | /\// ] { pfad /\// } ziel
    
    alias            = FREITEXT
    protokoll        = /\w+:\/\//
    domäne           = /\w+\.\w+(?:\.\w+)*/
    pfad             = /\w+/
    ziel             = /[\w=?.%&\[\] ]+/
    
    
di68kap's avatar
di68kap committed
251
252
    #### GENERISCHE UND ATOMARE AUSDRÜCKE ########################################
    
253
254
255
    NAMENS_ABKÜRZUNG = /[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\./~
    NAME             = /[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+/~
    
di68kap's avatar
di68kap committed
256
    DEU_WORT         = DEU_GROSS | DEU_KLEIN | GROSSBUCHSTABE
di68kap's avatar
di68kap committed
257
    DEU_WORT_ERW     = DEU_WORT | ( "(" DEU_WORT ")" )
di68kap's avatar
di68kap committed
258
259
260
    DEU_GROSS        = /[A-ZÄÖÜ][a-zäöüßę_\-]+/~
    GROSSBUCHSTABE   = /[A-ZÄÖÜ](?=[ \t\n])/~
    KLEINBUCHSTABE   = /[a-zäöü](?=[ \t\n])/~
di68kap's avatar
di68kap committed
261
    GRI_BUCHSTABE    = /[αβγδεζηθικλμνξοπρςστυφχψω]/
di68kap's avatar
di68kap committed
262
263
    DEU_KLEIN        = /(?!-)[a-zäöüßę_\-]+/~
    LAT_WORT         = /(?!-)[a-z|\-_]+/~
di68kap's avatar
di68kap committed
264
    LAT_WORT_ERW     = LAT_WORT | ( "(" LAT_WORT ")" )
di68kap's avatar
di68kap committed
265
    GROSSSCHRIFT     = /(?!-)[A-ZÄÖÜ_\-]+/~
di68kap's avatar
di68kap committed
266
267
    ZAHL             = /[\d]+/~
    SEITENZAHL       = /[\d]+(?:\^(?:(?:\{[\d\w.]+\})|\w))?/~     # Zahl mit optionale folgendem hochgestelltem Buchstaben oder Text
di68kap's avatar
di68kap committed
268
    ROEMISCHE_ZAHL   = /(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\w])/~
di68kap's avatar
di68kap committed
269
    
di68kap's avatar
di68kap committed
270
271
    SATZZEICHEN      = /(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|(?:-(?!-))|[.()\[\]]+)/~  # div. Satzzeichen, aber keine doppelten ,, ;; oder ::
    TEIL_SATZZEICHEN = /(?!->)(?:(?:,(?!,))|(?:-(?!-))|[.()]+)/~ # Satzeichen bis auf Doppelpunkt ":", Semikolon ";" und eckige Klammern
di68kap's avatar
di68kap committed
272
    
273
274
    BUCHSTABENFOLGE  = /\w+/~
    ZEICHENFOLGE     = /[\w()-]+/~
di68kap's avatar
di68kap committed
275
    # EINZEILER        = /[\w()-. \t]+/~
di68kap's avatar
di68kap committed
276
    TEXTELEMENT      = DEU_WORT | SEITENZAHL | ROEMISCHE_ZAHL
di68kap's avatar
di68kap committed
277
    EINZEILER        = { TEXTELEMENT | TEIL_SATZZEICHEN }+
di68kap's avatar
di68kap committed
278
279
    FREITEXT         = { TEXTELEMENT | SATZZEICHEN | GROSSSCHRIFT }+
    MEHRZEILER       = { FREITEXT | /\s+(?=[\w,;:.\(\)\-])/ }+
280
    
di68kap's avatar
di68kap committed
281
    TR               = ABS | LZ                  # (beliebiger) Trenner
di68kap's avatar
di68kap committed
282
    ABS              = /\s*;;?\s*/ | ZWW         # Abschluss (durch Semikolon oder Zeilenwechsel)
di68kap's avatar
di68kap committed
283
    # ZW               = /\n/~                   # Zeilenwechsel
di68kap's avatar
di68kap committed
284
    LZ               = { COMMENT__ | /\s+/ }+    # Leerzeichen oder -zeilen
di68kap's avatar
di68kap committed
285
286
    DPP              = /::?/~                    # Doppelpunkt als Trenner
    SEM              = /;;?/~                    # Semikolon als Trenner
287
288
    
    ZW               = !LÜCKE ZEILENSPRUNG       # Zeilenwechsel, aber keine Leerzeile(n)
di68kap's avatar
di68kap committed
289
290
    ZWW              = ZEILENSPRUNG [ LZ ]       # mindestens ein Zeilenwechsel
    LÜCKE            = KOMMENTARZEILEN LEERZEILE [LZ] # Leerraum mit mindestens einer echten Leerzeile
291
292
293
294
295
    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
296
    KATEGORIENZEILE  = /[^:\n]+[:][ \t]*\n/     # Kategorienzeilen enthalten genau einen Doppelpunkt am Ende der Zeile
297
    FORTSETZUNG      = !(ZWW /[^:\n]+[:]/)
298
299
300
301
    
    DATEI_ENDE       = !/./
    NIEMALS          = /(?!.)/
    """
di68kap's avatar
di68kap committed
302
    DEU_WORT = Forward()
di68kap's avatar
di68kap committed
303
304
305
    FREITEXT = Forward()
    GROSSSCHRIFT = Forward()
    Kategorien = Forward()
di68kap's avatar
di68kap committed
306
307
    LAT_WORT = Forward()
    LZ = Forward()
di68kap's avatar
di68kap committed
308
    LemmaWort = Forward()
di68kap's avatar
di68kap committed
309
310
    ROEMISCHE_ZAHL = Forward()
    SATZZEICHEN = Forward()
di68kap's avatar
di68kap committed
311
    SEITENZAHL = Forward()
di68kap's avatar
di68kap committed
312
    TEIL_SATZZEICHEN = Forward()
di68kap's avatar
di68kap committed
313
    TEXTELEMENT = Forward()
314
    ZWW = Forward()
di68kap's avatar
di68kap committed
315
    Zusatz = Forward()
di68kap's avatar
di68kap committed
316
317
    flexion = Forward()
    genus = Forward()
318
    wortart = Forward()
di68kap's avatar
di68kap committed
319
    source_hash__ = "5acd793ecc09621740b44d8005c673d0"
320
    parser_initialization__ = "upon instantiation"
di68kap's avatar
di68kap committed
321
    COMMENT__ = r'(?:\/\/.*)|(?:\/\*(?:.|\n)*?\*\/)'
322
323
324
325
326
327
    WHITESPACE__ = r'[\t ]*'
    WSP__ = mixin_comment(whitespace=WHITESPACE__, comment=COMMENT__)
    wspL__ = ''
    wspR__ = WSP__
    NIEMALS = RegExp('(?!.)')
    DATEI_ENDE = NegativeLookahead(RegExp('.'))
328
    FORTSETZUNG = NegativeLookahead(Series(ZWW, RegExp('[^:\\n]+[:]')))
di68kap's avatar
di68kap committed
329
    KATEGORIENZEILE = RegExp('[^:\\n]+[:][ \\t]*\\n')
330
331
332
333
    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__))
di68kap's avatar
di68kap committed
334
335
    LÜCKE = Series(KOMMENTARZEILEN, LEERZEILE, Option(LZ))
    ZWW.set(Series(ZEILENSPRUNG, Option(LZ)))
336
    ZW = Series(NegativeLookahead(LÜCKE), ZEILENSPRUNG)
di68kap's avatar
di68kap committed
337
338
    SEM = RE(';;?')
    DPP = RE('::?')
di68kap's avatar
di68kap committed
339
    LZ.set(OneOrMore(Alternative(RegExp(COMMENT__), RegExp('\\s+'))))
di68kap's avatar
di68kap committed
340
    ABS = Alternative(RegExp('\\s*;;?\\s*'), ZWW)
341
    TR = Alternative(ABS, LZ)
di68kap's avatar
di68kap committed
342
343
    MEHRZEILER = OneOrMore(Alternative(FREITEXT, RegExp('\\s+(?=[\\w,;:.\\(\\)\\-])')))
    FREITEXT.set(OneOrMore(Alternative(TEXTELEMENT, SATZZEICHEN, GROSSSCHRIFT)))
di68kap's avatar
di68kap committed
344
    EINZEILER = OneOrMore(Alternative(TEXTELEMENT, TEIL_SATZZEICHEN))
di68kap's avatar
di68kap committed
345
    TEXTELEMENT.set(Alternative(DEU_WORT, SEITENZAHL, ROEMISCHE_ZAHL))
346
347
    ZEICHENFOLGE = RE('[\\w()-]+')
    BUCHSTABENFOLGE = RE('\\w+')
di68kap's avatar
di68kap committed
348
349
    TEIL_SATZZEICHEN.set(RE('(?!->)(?:(?:,(?!,))|(?:-(?!-))|[.()]+)'))
    SATZZEICHEN.set(RE('(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|(?:-(?!-))|[.()\\[\\]]+)'))
di68kap's avatar
di68kap committed
350
    ROEMISCHE_ZAHL.set(RE('(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\\w])'))
di68kap's avatar
di68kap committed
351
352
    SEITENZAHL.set(RE('[\\d]+(?:\\^(?:(?:\\{[\\d\\w.]+\\})|\\w))?'))
    ZAHL = RE('[\\d]+')
di68kap's avatar
di68kap committed
353
    GROSSSCHRIFT.set(RE('(?!-)[A-ZÄÖÜ_\\-]+'))
di68kap's avatar
di68kap committed
354
355
    LAT_WORT_ERW = Alternative(LAT_WORT, Series(Token("("), LAT_WORT, Token(")")))
    LAT_WORT.set(RE('(?!-)[a-z|\\-_]+'))
di68kap's avatar
di68kap committed
356
    DEU_KLEIN = RE('(?!-)[a-zäöüßę_\\-]+')
di68kap's avatar
di68kap committed
357
    GRI_BUCHSTABE = RegExp('[αβγδεζηθικλμνξοπρςστυφχψω]')
di68kap's avatar
di68kap committed
358
359
360
    KLEINBUCHSTABE = RE('[a-zäöü](?=[ \\t\\n])')
    GROSSBUCHSTABE = RE('[A-ZÄÖÜ](?=[ \\t\\n])')
    DEU_GROSS = RE('[A-ZÄÖÜ][a-zäöüßę_\\-]+')
di68kap's avatar
di68kap committed
361
    DEU_WORT_ERW = Alternative(DEU_WORT, Series(Token("("), DEU_WORT, Token(")")))
di68kap's avatar
di68kap committed
362
    DEU_WORT.set(Alternative(DEU_GROSS, DEU_KLEIN, GROSSBUCHSTABE))
363
364
    NAME = RE('[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+')
    NAMENS_ABKÜRZUNG = RE('[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\\.')
di68kap's avatar
di68kap committed
365
366
367
368
369
370
371
    ziel = RegExp('[\\w=?.%&\\[\\] ]+')
    pfad = RegExp('\\w+')
    domäne = RegExp('\\w+\\.\\w+(?:\\.\\w+)*')
    protokoll = RegExp('\\w+://')
    alias = Synonym(FREITEXT)
    URL = Series(Option(Alternative(Series(Option(protokoll), domäne, RegExp('/')), RegExp('/'))), ZeroOrMore(Series(pfad, RegExp('/'))), ziel)
    Anker = Series(Token("{"), Token("#"), ziel, Token("}"), mandatory=2)
di68kap's avatar
di68kap committed
372
    VerweisKern = Series(Token("=>"), Alternative(Series(alias, Token("|"), Alternative(Token("-"), URL)), URL), mandatory=1)
di68kap's avatar
di68kap committed
373
    Verweis = Series(Token("{"), VerweisKern, Token("}"))
di68kap's avatar
di68kap committed
374
375
376
377
378
    Edition = Synonym(EINZEILER)
    Datierung = Synonym(EINZEILER)
    Stelle = Synonym(EINZEILER)
    Werk = Synonym(EINZEILER)
    Autor = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
379
    BelegText = Series(RegExp('"'), ZeroOrMore(Alternative(MEHRZEILER, Zusatz)), RE('"'), Option(Token(".")), mandatory=2)
di68kap's avatar
di68kap committed
380
    BelegQuelle = Series(Autor, DPP, Werk)
di68kap's avatar
di68kap committed
381
    Quellenangabe = Series(Option(Anker), SomeOf(BelegQuelle, Verweis))
di68kap's avatar
di68kap committed
382
383
    Zitat = Series(Quellenangabe, ZeroOrMore(Series(SEM, Option(ZW), Option(Anker), Option(Zusatz), SomeOf(Stelle, Verweis), Option(Series(Option(ZW), BelegText)), Option(Series(Option(LZ), Zusatz)))))
    Beleg = Series(Option(Zusatz), Alternative(Series(Verweis, Option(Zitat)), Zitat), Option(Series(ABS, Zusatz)), Option(Token(".")))
di68kap's avatar
di68kap committed
384
    Belege = Series(Option(Token("*")), Beleg, ZeroOrMore(Series(Option(LZ), Token("*"), Beleg)))
di68kap's avatar
di68kap committed
385
386
387
    FreierZusatz = OneOrMore(Alternative(FREITEXT, VerweisKern, Verweis))
    GemischterZusatz = Series(Alternative(Token("usu"), Token("plur. sensu sing.")), FreierZusatz)
    FesterZusatz = Alternative(Token("adde"), Token("sape"), Token("persaepe"))
di68kap's avatar
di68kap committed
388
389
    EinzelnerZusatz = Alternative(FesterZusatz, GemischterZusatz, FreierZusatz)
    Zusatz.set(OneOrMore(Series(Token("{"), NegativeLookahead(Alternative(Token("=>"), Token("#"))), EinzelnerZusatz, ZeroOrMore(Series(Token(";;"), EinzelnerZusatz)), Token("}"), mandatory=2)))
di68kap's avatar
di68kap committed
390
391
392
393
    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"))
di68kap's avatar
di68kap committed
394
395
396
397
    NullVerweis = Series(Token("{"), Token("-"), Token("}"))
    Stellenverweis = Series(BelegQuelle, ZeroOrMore(Series(Option(ABS), Stelle, Alternative(NullVerweis, Verweis))))
    Verweisliste = ZeroOrMore(Series(Option(LZ), Token("*"), Stellenverweis))
    Stellenverzeichnis = Series(ZWW, Token("STELLENVERZEICHNIS"), Option(LemmaWort), ZWW, Verweisliste)
398
    Name = OneOrMore(Alternative(NAME, NAMENS_ABKÜRZUNG))
di68kap's avatar
di68kap committed
399
400
401
    ArtikelVerfasser = Series(ZWW, Alternative(Token("AUTORIN"), Token("AUTOR")), Name)
    UnterArtikel = Series(ZWW, Token("UNTER-ARTIKEL"))
    VerweisPosition = Series(ZWW, Token("VERWEISE"))
di68kap's avatar
di68kap committed
402
    BelegPosition = Series(ZWW, Option(Series(Token("BELEGE"), Option(LZ))), Belege)
di68kap's avatar
di68kap committed
403
    BedeutungsQualifikation = Synonym(Zusatz)
di68kap's avatar
di68kap committed
404
405
    DeutscherAusdruck = Series(DEU_WORT_ERW, ZeroOrMore(Series(RE(''), DEU_WORT_ERW)), Option(Series(Option(LZ), BedeutungsQualifikation)))
    LateinischerAusdruck = Series(LAT_WORT_ERW, ZeroOrMore(Series(RE(''), LAT_WORT_ERW)), Option(Series(Option(LZ), BedeutungsQualifikation)))
406
407
    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
408
409
    Interpretamente = Series(LateinischeBedeutung, Alternative(Token("--"), LZ), DeutscheBedeutung, Option(Token(":")), mandatory=2)
    Bedeutungskategorie = Series(EINZEILER, Option(Series(Option(LZ), BedeutungsQualifikation)), Token(":"), mandatory=2)
di68kap's avatar
di68kap committed
410
    UntersteBedeutung = Series(Interpretamente, Option(BelegPosition))
di68kap's avatar
di68kap committed
411
    Bedeutung = Series(Alternative(Interpretamente, Bedeutungskategorie), Option(BelegPosition))
412
413
414
    U5Bedeutung = OneOrMore(Series(ZWW, Token("UUUUU_BEDEUTUNG"), Option(LZ), UntersteBedeutung, mandatory=3))
    U4Bedeutung = OneOrMore(Series(ZWW, Token("UUUU_BEDEUTUNG"), Option(LZ), Bedeutung, Option(U5Bedeutung), mandatory=3))
    U3Bedeutung = OneOrMore(Series(ZWW, Token("UUU_BEDEUTUNG"), Option(LZ), Bedeutung, Option(U4Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
415
416
    U2Bedeutung = OneOrMore(Series(ZWW, Alternative(Token("UU_BEDEUTUNG"), Token("UNTER_UNTER_BEDEUTUNG")), Option(LZ), Bedeutung, Option(U3Bedeutung), mandatory=3))
    U1Bedeutung = OneOrMore(Series(ZWW, Alternative(Token("U_BEDEUTUNG"), Token("UNTER_BEDEUTUNG")), Option(LZ), Bedeutung, Option(U2Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
417
    BedeutungsPosition = OneOrMore(Series(ZWW, Token("BEDEUTUNG"), Option(LZ), Bedeutung, Option(U1Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
418
    Gegenstand = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
419
420
421
422
423
424
425
426
427
428
429
    Variante = Series(NegativeLookahead(KATEGORIENZEILE), Gegenstand, DPP, Belege)
    Varianten = Series(Variante, ZeroOrMore(Series(ZWW, Variante)))
    Besonderheit = Synonym(EINZEILER)
    Kategorie = Series(Besonderheit, DPP, Option(LZ), Alternative(Varianten, Kategorien), mandatory=1)
    Kategorien.set(Series(Kategorie, ZeroOrMore(Series(ZWW, Kategorie))))
    Position = Series(Option(LZ), Kategorien, mandatory=1)
    VerwechselungPosition = Series(ZWW, Token("VERWECHSELBAR"), Position)
    MetrikPosition = Series(ZWW, Token("METRIK"), Position)
    GebrauchPosition = Series(ZWW, Token("GEBRAUCH"), Position)
    StrukturPosition = Series(ZWW, Token("STRUKTUR"), Position)
    SchreibweisenPosition = Series(ZWW, Token("SCHREIBWEISE"), Position)
di68kap's avatar
di68kap committed
430
    ArtikelKopf = SomeOf(SchreibweisenPosition, StrukturPosition, GebrauchPosition, MetrikPosition, VerwechselungPosition)
di68kap's avatar
di68kap committed
431
432
    Etymologie = Synonym(EINZEILER)
    EtymologieBesonderheit = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
433
    EtymologieVariante = Alternative(LAT, Series(GRI, Option(EtymologieBesonderheit), Option(Series(Token("ETYM"), Etymologie)), DPP, Beleg))
di68kap's avatar
di68kap committed
434
    EtymologiePosition = Series(ZWW, Token("ETYMOLOGIE"), Option(LZ), OneOrMore(EtymologieVariante))
435
    GrammatikVariante = Series(Option(Series(wortart, ABS)), flexion, Option(genus), DPP, Beleg, ZeroOrMore(Series(FORTSETZUNG, Beleg)))
di68kap's avatar
di68kap committed
436
    genus.set(Alternative(Token("maskulinum"), Token("m."), Token("femininum"), Token("f."), Token("neutrum"), Token("n.")))
437
    FLEX = RE('-?[a-z]+')
di68kap's avatar
di68kap committed
438
    konjugation = Synonym(FLEX)
di68kap's avatar
di68kap committed
439
    deklination = Series(FLEX, Option(Series(Token(","), FLEX)))
di68kap's avatar
di68kap committed
440
    flexion.set(Alternative(deklination, konjugation))
441
    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
442
    Grammatik = Series(wortart, ABS, flexion, Option(genus), mandatory=1)
di68kap's avatar
di68kap committed
443
    GrammatikPosition = Series(ZWW, Token("GRAMMATIK"), Option(LZ), Grammatik, ZeroOrMore(Series(ABS, GrammatikVariante)), mandatory=3)
di68kap's avatar
di68kap committed
444
    LemmaVariante = Series(LAT_WORT, Option(Zusatz))
di68kap's avatar
di68kap committed
445
446
    LemmaVarianten = Series(LemmaVariante, ZeroOrMore(Series(Option(Alternative(Token(";"), Token(","))), Option(ZW), LemmaVariante)), Option(Series(ABS, Zusatz)))
    LemmaWort.set(Synonym(LAT_WORT))
447
448
    gesichert = Token("$")
    klassisch = Token("*")
di68kap's avatar
di68kap committed
449
    Lemma = Series(Option(SomeOf(klassisch, gesichert)), LemmaWort)
di68kap's avatar
di68kap committed
450
    LemmaPosition = Series(Option(ABS), Token("LEMMA"), Option(LZ), Lemma, TR, Option(LemmaVarianten), GrammatikPosition, Option(Zusatz), mandatory=3)
di68kap's avatar
di68kap committed
451
    Artikel = Series(Option(LZ), OneOrMore(LemmaPosition), Option(EtymologiePosition), Option(ArtikelKopf), BedeutungsPosition, Option(VerweisPosition), ZeroOrMore(UnterArtikel), ArtikelVerfasser, Option(Stellenverzeichnis), Option(LZ), DATEI_ENDE, mandatory=1)
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
    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,
eckhart's avatar
eckhart committed
473
    "Autor": [content_from_child],
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
    "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": [],
eckhart's avatar
eckhart committed
492
    "ArtikelKopf": [replace_by_child],
493
494
495
    "SchreibweisenPosition": [],
    "SWTyp": [replace_or_reduce],
    "SWVariante": [],
eckhart's avatar
eckhart committed
496
    "Schreibweise": [replace_by_child],
497
498
499
500
501
502
503
504
505
506
507
    "BedeutungsPosition": [],
    "Bedeutung": [],
    "Bedeutungskategorie": [],
    "Interpretamente": [],
    "LateinischeBedeutung": [],
    "DeutscheBedeutung": [],
    "Belege": [],
    "EinBeleg": [],
    "Zusatz": [],
    "ArtikelVerfasser": [],
    "Name": [],
eckhart's avatar
eckhart committed
508
    "Stelle": [content_from_child],
509
510
511
    "SW_LAT": [replace_or_reduce],
    "SW_DEU": [replace_or_reduce],
    "SW_GRIECH": [replace_or_reduce],
eckhart's avatar
eckhart committed
512
    "Beleg": [replace_by_child],
513
514
    "Verweis": [],
    "VerweisZiel": [],
eckhart's avatar
eckhart committed
515
516
    "Werk": [content_from_child],
    "ZielName": [replace_by_child],
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
    "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": [],
eckhart's avatar
eckhart committed
541
542
    ":Token, :RE": content_from_child,
    "*": replace_by_child
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
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
}


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]")