MLWCompiler.py 27.8 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
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
77
78
                        [LZ]  DATEI_ENDE
    
    
    #### LEMMA-POSITION ##########################################################
    
di68kap's avatar
di68kap committed
79
80
    LemmaPosition     = [ABS] "LEMMA" [LZ] §Lemma TR [LemmaVarianten]
                        GrammatikPosition [Zusatz]
81
    
di68kap's avatar
di68kap committed
82
    Lemma             = [< klassisch | gesichert >] LemmaWort
83
      klassisch       = "*"
di68kap's avatar
di68kap committed
84
      gesichert       = "$"  # TODO: Noch fragen: Welches Zeichen?
85
    
di68kap's avatar
di68kap committed
86
    LemmaWort         = LAT_WORT
87
    
di68kap's avatar
di68kap committed
88
89
    LemmaVarianten    = LemmaVariante { [TR] LemmaVariante }
                        [[TR] Zusatz]
90
    
91
    LemmaVariante     = LAT_WORT
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] }+
155
156
157
158
159
    U1Bedeutung          = { ZWW ("U_BEDEUTUNG" | "UNTERBEDEUTUNG") [LZ] §Bedeutung [U2Bedeutung] }+
    U2Bedeutung          = { ZWW ("UU_BEDEUTUNG" | "UNTERUNTERBEDEUTUNG") [LZ] §Bedeutung [U3Bedeutung] }+
    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
163
    UntersteBedeutung    = Interpretamente [BelegPosition]
    Bedeutungskategorie  = EINZEILER §":" [LZ]
di68kap's avatar
di68kap committed
164
    Interpretamente      = LateinischeBedeutung [LZ] §DeutscheBedeutung
165
166
    LateinischeBedeutung = LAT [LZ] LateinischerAusdruck { <","|ZW> LateinischerAusdruck }
    DeutscheBedeutung    = DEU [LZ] DeutscherAusdruck { <","|ZW> DeutscherAusdruck }
di68kap's avatar
di68kap committed
167
    
168
169
170
171
172
    LateinischerAusdruck = LAT_WORT { //~ LAT_WORT } [/\s*/ BedeutungsQualifikation]
    DeutscherAusdruck    = DEU_WORT { //~ DEU_WORT } [/\s*/ BedeutungsQualifikation]
    
    BedeutungsQualifikation = "[" EINZEILER { <SEM|ZW> EINZEILER } §"]"
    
di68kap's avatar
di68kap committed
173
    BelegPosition = ZWW "BELEGE" ZWW Belege
di68kap's avatar
di68kap committed
174
175
176
    
    
    #### VERWEIS-POSITION #####################################################
177
    
di68kap's avatar
di68kap committed
178
    VerweisPosition = ZWW "VERWEISE"
di68kap's avatar
di68kap committed
179
180
181
182
    
    
    #### UNTER-ARTIKEL ########################################################
    
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
    
193
194
    #### Schlüsselwörter #########################################################
    
di68kap's avatar
di68kap committed
195
196
197
198
199
    LAT = "LATEINISCH" | "LAT"
    DEU = "DEUTSCH" | "DEU"
    GRI = "GRIECHISCH" | "GRIECH" | "GRIE" | "GRI"
    
    SCHLUESSELWORT   = { //~ /\n/ }+ !ROEMISCHE_ZAHL /[A-ZÄÖÜ]{3,}\s+/
200
201
202
    
    
    
di68kap's avatar
di68kap committed
203
    #### ZUSATZ an verschiedenen Stellen der Struktur ############################
204
    
di68kap's avatar
di68kap committed
205
206
    Zusatz       = "ZUSATZ" §{ [TR] zusatz_typ }+
      zusatz_typ = "adde" | "al" | "sim." | "saepe" | "vel-rarius" | "vel" | EINZEILER
di68kap's avatar
di68kap committed
207
208
209
210
211
    
    
    
    #### BELEGE ##################################################################
    
di68kap's avatar
di68kap committed
212
213
214
215
    Belege           = ["*"] Beleg { [LZ] "*" Beleg }
    Beleg            = (Verweis [Zitat]) | Zitat
    Zitat            = Quellenangabe { SEM [ZW] [Anker] <Stelle | Verweis> [[ZW] BelegText] } [[TR] Zusatz]
    Quellenangabe    = [Anker] < BelegQuelle | Verweis >
di68kap's avatar
di68kap committed
216
    BelegQuelle      = Autor DPP Werk
di68kap's avatar
di68kap committed
217
    BelegText        = /"/ MEHRZEILER §/"/~ ["."]
di68kap's avatar
di68kap committed
218
    
di68kap's avatar
di68kap committed
219
220
221
    Verweis          = "->" §Anker
    Anker            = "{" ZielID §"}"
    ZielID           = FREITEXT
222
    
di68kap's avatar
di68kap committed
223
224
225
226
227
    Autor     = EINZEILER
    Werk      = EINZEILER
    Stelle    = EINZEILER
    Datierung = EINZEILER
    Edition   = EINZEILER
di68kap's avatar
di68kap committed
228
229
230
231
    
    
    #### GENERISCHE UND ATOMARE AUSDRÜCKE ########################################
    
232
233
234
    NAMENS_ABKÜRZUNG = /[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\./~
    NAME             = /[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+/~
    
di68kap's avatar
di68kap committed
235
    DEU_WORT         = DEU_GROSS | DEU_KLEIN | GROSSBUCHSTABE
di68kap's avatar
di68kap committed
236
237
238
    DEU_GROSS        = /[A-ZÄÖÜ][a-zäöüßę_\-]+/~
    GROSSBUCHSTABE   = /[A-ZÄÖÜ](?=[ \t\n])/~
    KLEINBUCHSTABE   = /[a-zäöü](?=[ \t\n])/~
di68kap's avatar
di68kap committed
239
    GRI_BUCHSTABE    = /[αβγδεζηθικλμνξοπρςστυφχψω]/
di68kap's avatar
di68kap committed
240
241
242
243
244
    DEU_KLEIN        = /(?!-)[a-zäöüßę_\-]+/~
    LAT_WORT         = /(?!-)[a-z|\-_]+/~
    GROSSSCHRIFT     = /(?!-)[A-ZÄÖÜ_\-]+/~
    ZAHL             = /[\d_]+/~
    ROEMISCHE_ZAHL   = /(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\w])/~
di68kap's avatar
di68kap committed
245
    
di68kap's avatar
di68kap committed
246
    SATZZEICHEN      = /(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|[.()\[\]\-]+)/~  # div. Satzzeichen, aber keine doppelten ,, ;; oder ::
di68kap's avatar
di68kap committed
247
    
248
249
    BUCHSTABENFOLGE  = /\w+/~
    ZEICHENFOLGE     = /[\w()-]+/~
di68kap's avatar
di68kap committed
250
251
252
253
254
    # EINZEILER        = /[\w()-. \t]+/~
    TEXTELEMENT      = DEU_WORT | ZAHL | ROEMISCHE_ZAHL
    EINZEILER        = { TEXTELEMENT | /(?!->)[.()\-]+/~ | /,(?!,)/~ }+
    FREITEXT         = { TEXTELEMENT | SATZZEICHEN | GROSSSCHRIFT }+
    MEHRZEILER       = { FREITEXT | /\s+(?=[\w,;:.\(\)\-])/ }+
255
    
di68kap's avatar
di68kap committed
256
    TR               = ABS | LZ                  # (beliebiger) Trenner
di68kap's avatar
di68kap committed
257
    ABS              = /\s*;;?\s*/ | ZWW         # Abschluss (durch Semikolon oder Zeilenwechsel)
di68kap's avatar
di68kap committed
258
259
260
261
    # ZW               = /\n/~                   # Zeilenwechsel
    LZ               = /\s+/                     # Leerzeichen oder -zeilen
    DPP              = /::?/~                    # Doppelpunkt als Trenner
    SEM              = /;;?/~                    # Semikolon als Trenner
262
263
264
265
266
267
268
269
270
271
    
    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
272
    KATEGORIENZEILE  = /[^:\n]+[:][ \t]*\n/     # Kategorienzeilen enthalten genau einen Doppelpunkt am Ende der Zeile
273
    FORTSETZUNG      = !(ZWW /[^:\n]+[:]/)
274
275
276
    
    DATEI_ENDE       = !/./
    NIEMALS          = /(?!.)/
di68kap's avatar
di68kap committed
277
278
    
    DUMMY            = "EBNF-Grammatik an dieser Stelle noch nicht definiert!"
279
    """
di68kap's avatar
di68kap committed
280
    DEU_WORT = Forward()
di68kap's avatar
di68kap committed
281
282
283
    FREITEXT = Forward()
    GROSSSCHRIFT = Forward()
    Kategorien = Forward()
di68kap's avatar
di68kap committed
284
285
286
287
    ROEMISCHE_ZAHL = Forward()
    SATZZEICHEN = Forward()
    TEXTELEMENT = Forward()
    ZAHL = Forward()
288
    ZWW = Forward()
di68kap's avatar
di68kap committed
289
    Zusatz = Forward()
di68kap's avatar
di68kap committed
290
291
    flexion = Forward()
    genus = Forward()
292
    wortart = Forward()
293
    source_hash__ = "3791f32280610295f3748a8a0ed0aa4b"
294
295
296
297
298
299
    parser_initialization__ = "upon instantiation"
    COMMENT__ = r'#.*'
    WHITESPACE__ = r'[\t ]*'
    WSP__ = mixin_comment(whitespace=WHITESPACE__, comment=COMMENT__)
    wspL__ = ''
    wspR__ = WSP__
di68kap's avatar
di68kap committed
300
    DUMMY = Token("EBNF-Grammatik an dieser Stelle noch nicht definiert!")
301
302
    NIEMALS = RegExp('(?!.)')
    DATEI_ENDE = NegativeLookahead(RegExp('.'))
303
    FORTSETZUNG = NegativeLookahead(Series(ZWW, RegExp('[^:\\n]+[:]')))
di68kap's avatar
di68kap committed
304
    KATEGORIENZEILE = RegExp('[^:\\n]+[:][ \\t]*\\n')
305
306
307
308
309
310
    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))
311
    ZWW.set(Series(ZEILENSPRUNG, Option(LEERRAUM)))
312
    ZW = Series(NegativeLookahead(LÜCKE), ZEILENSPRUNG)
di68kap's avatar
di68kap committed
313
314
    SEM = RE(';;?')
    DPP = RE('::?')
315
    LZ = RegExp('\\s+')
di68kap's avatar
di68kap committed
316
    ABS = Alternative(RegExp('\\s*;;?\\s*'), ZWW)
317
    TR = Alternative(ABS, LZ)
di68kap's avatar
di68kap committed
318
319
320
321
    MEHRZEILER = OneOrMore(Alternative(FREITEXT, RegExp('\\s+(?=[\\w,;:.\\(\\)\\-])')))
    FREITEXT.set(OneOrMore(Alternative(TEXTELEMENT, SATZZEICHEN, GROSSSCHRIFT)))
    EINZEILER = OneOrMore(Alternative(TEXTELEMENT, RE('(?!->)[.()\\-]+'), RE(',(?!,)')))
    TEXTELEMENT.set(Alternative(DEU_WORT, ZAHL, ROEMISCHE_ZAHL))
322
323
    ZEICHENFOLGE = RE('[\\w()-]+')
    BUCHSTABENFOLGE = RE('\\w+')
di68kap's avatar
di68kap committed
324
325
326
327
328
329
    SATZZEICHEN.set(RE('(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|[.()\\[\\]\\-]+)'))
    ROEMISCHE_ZAHL.set(RE('(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\\w])'))
    ZAHL.set(RE('[\\d_]+'))
    GROSSSCHRIFT.set(RE('(?!-)[A-ZÄÖÜ_\\-]+'))
    LAT_WORT = RE('(?!-)[a-z|\\-_]+')
    DEU_KLEIN = RE('(?!-)[a-zäöüßę_\\-]+')
di68kap's avatar
di68kap committed
330
    GRI_BUCHSTABE = RegExp('[αβγδεζηθικλμνξοπρςστυφχψω]')
di68kap's avatar
di68kap committed
331
332
333
    KLEINBUCHSTABE = RE('[a-zäöü](?=[ \\t\\n])')
    GROSSBUCHSTABE = RE('[A-ZÄÖÜ](?=[ \\t\\n])')
    DEU_GROSS = RE('[A-ZÄÖÜ][a-zäöüßę_\\-]+')
di68kap's avatar
di68kap committed
334
    DEU_WORT.set(Alternative(DEU_GROSS, DEU_KLEIN, GROSSBUCHSTABE))
335
336
    NAME = RE('[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+')
    NAMENS_ABKÜRZUNG = RE('[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\\.')
di68kap's avatar
di68kap committed
337
338
339
340
341
342
343
344
345
    Edition = Synonym(EINZEILER)
    Datierung = Synonym(EINZEILER)
    Stelle = Synonym(EINZEILER)
    Werk = Synonym(EINZEILER)
    Autor = Synonym(EINZEILER)
    ZielID = Synonym(FREITEXT)
    Anker = Series(Token("{"), ZielID, Token("}"), mandatory=2)
    Verweis = Series(Token("->"), Anker, mandatory=1)
    BelegText = Series(RegExp('"'), MEHRZEILER, RE('"'), Option(Token(".")), mandatory=2)
di68kap's avatar
di68kap committed
346
    BelegQuelle = Series(Autor, DPP, Werk)
di68kap's avatar
di68kap committed
347
348
349
350
351
352
    Quellenangabe = Series(Option(Anker), SomeOf(BelegQuelle, Verweis))
    Zitat = Series(Quellenangabe, ZeroOrMore(Series(SEM, Option(ZW), Option(Anker), SomeOf(Stelle, Verweis), Option(Series(Option(ZW), BelegText)))), Option(Series(Option(TR), Zusatz)))
    Beleg = Alternative(Series(Verweis, Option(Zitat)), Zitat)
    Belege = Series(Option(Token("*")), Beleg, ZeroOrMore(Series(Option(LZ), Token("*"), Beleg)))
    zusatz_typ = Alternative(Token("adde"), Token("al"), Token("sim."), Token("saepe"), Token("vel-rarius"), Token("vel"), EINZEILER)
    Zusatz.set(Series(Token("ZUSATZ"), OneOrMore(Series(Option(TR), zusatz_typ)), mandatory=1))
di68kap's avatar
di68kap committed
353
354
355
356
    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"))
357
    Name = OneOrMore(Alternative(NAME, NAMENS_ABKÜRZUNG))
di68kap's avatar
di68kap committed
358
359
360
361
    ArtikelVerfasser = Series(ZWW, Alternative(Token("AUTORIN"), Token("AUTOR")), Name)
    UnterArtikel = Series(ZWW, Token("UNTER-ARTIKEL"))
    VerweisPosition = Series(ZWW, Token("VERWEISE"))
    BelegPosition = Series(ZWW, Token("BELEGE"), ZWW, Belege)
362
363
364
365
366
    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
367
    Interpretamente = Series(LateinischeBedeutung, Option(LZ), DeutscheBedeutung, mandatory=2)
di68kap's avatar
di68kap committed
368
369
    Bedeutungskategorie = Series(EINZEILER, Token(":"), Option(LZ), mandatory=1)
    UntersteBedeutung = Series(Interpretamente, Option(BelegPosition))
di68kap's avatar
di68kap committed
370
    Bedeutung = Series(Alternative(Interpretamente, Bedeutungskategorie), Option(BelegPosition))
371
372
373
374
375
    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))
    U2Bedeutung = OneOrMore(Series(ZWW, Alternative(Token("UU_BEDEUTUNG"), Token("UNTERUNTERBEDEUTUNG")), Option(LZ), Bedeutung, Option(U3Bedeutung), mandatory=3))
    U1Bedeutung = OneOrMore(Series(ZWW, Alternative(Token("U_BEDEUTUNG"), Token("UNTERBEDEUTUNG")), Option(LZ), Bedeutung, Option(U2Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
376
    BedeutungsPosition = OneOrMore(Series(ZWW, Token("BEDEUTUNG"), Option(LZ), Bedeutung, Option(U1Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
377
378
379
380
381
382
383
384
385
386
387
388
    Gegenstand = Synonym(EINZEILER)
    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
389
    ArtikelKopf = SomeOf(SchreibweisenPosition, StrukturPosition, GebrauchPosition, MetrikPosition, VerwechselungPosition)
di68kap's avatar
di68kap committed
390
391
    Etymologie = Synonym(EINZEILER)
    EtymologieBesonderheit = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
392
    EtymologieVariante = Alternative(LAT, Series(GRI, Option(EtymologieBesonderheit), Option(Series(Token("ETYM"), Etymologie)), DPP, Beleg))
di68kap's avatar
di68kap committed
393
    EtymologiePosition = Series(ZWW, Token("ETYMOLOGIE"), Option(LZ), OneOrMore(EtymologieVariante))
394
    GrammatikVariante = Series(Option(Series(wortart, ABS)), flexion, Option(genus), DPP, Beleg, ZeroOrMore(Series(FORTSETZUNG, Beleg)))
di68kap's avatar
di68kap committed
395
    genus.set(Alternative(Token("maskulinum"), Token("m."), Token("femininum"), Token("f."), Token("neutrum"), Token("n.")))
396
    FLEX = RE('-?[a-z]+')
di68kap's avatar
di68kap committed
397
    konjugation = Synonym(FLEX)
di68kap's avatar
di68kap committed
398
    deklination = Series(FLEX, Option(Series(Token(","), FLEX)))
di68kap's avatar
di68kap committed
399
    flexion.set(Alternative(deklination, konjugation))
400
    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
401
    Grammatik = Series(wortart, ABS, flexion, Option(genus), mandatory=1)
di68kap's avatar
di68kap committed
402
    GrammatikPosition = Series(ZWW, Token("GRAMMATIK"), Option(LZ), Grammatik, ZeroOrMore(Series(ABS, GrammatikVariante)), mandatory=3)
403
    LemmaVariante = Synonym(LAT_WORT)
di68kap's avatar
di68kap committed
404
    LemmaVarianten = Series(LemmaVariante, ZeroOrMore(Series(Option(TR), LemmaVariante)), Option(Series(Option(TR), Zusatz)))
di68kap's avatar
di68kap committed
405
    LemmaWort = Synonym(LAT_WORT)
406
407
    gesichert = Token("$")
    klassisch = Token("*")
di68kap's avatar
di68kap committed
408
    Lemma = Series(Option(SomeOf(klassisch, gesichert)), LemmaWort)
di68kap's avatar
di68kap committed
409
    LemmaPosition = Series(Option(ABS), Token("LEMMA"), Option(LZ), Lemma, TR, Option(LemmaVarianten), GrammatikPosition, Option(Zusatz), mandatory=3)
di68kap's avatar
di68kap committed
410
    Artikel = Series(Option(LZ), OneOrMore(LemmaPosition), Option(EtymologiePosition), Option(ArtikelKopf), BedeutungsPosition, Option(VerweisPosition), ZeroOrMore(UnterArtikel), ArtikelVerfasser, Option(LZ), DATEI_ENDE, mandatory=1)
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
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
    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]")