MLWCompiler.py 30.6 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, AllOf, SomeOf, \
20
21
22
    Option, NegativeLookbehind, OneOrMore, RegExp, Retrieve, Series, RE, Capture, \
    ZeroOrMore, Forward, NegativeLookahead, mixin_comment, compile_source, \
    last_value, counterpart, accumulate, PreprocessorFunc, \
di68kap's avatar
di68kap committed
23
    Node, TransformationFunc, TransformationDict, \
24
    traverse, remove_children_if, merge_children, is_anonymous, \
Eckhart Arnold's avatar
Eckhart Arnold committed
25
    reduce_single_child, replace_by_single_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]
163
    Bedeutungskategorie  = { EINZEILER [LZ] [Zusatz] [LZ] } §":"
164
165
166
167
168
169
170
171
172
173
174
    
    Interpretamente      = LateinischeBedeutung (LZ | " " | "--") §DeutscheBedeutung [":"]
    LateinischeBedeutung = LAT [ZW] LateinischerAusdruck { "," LateinischerAusdruck }
    DeutscheBedeutung    = DEU [ZW] DeutscherAusdruck { "," DeutscherAusdruck }
    LateinischerAusdruck = { <(LAT_WORT | "(" { LAT_WORT }+ ")") [Zusatz]> }+
    DeutscherAusdruck    = { <(DEU_WORT | "(" { DEU_WORT }+ ")") [Zusatz]> }+
    
    LAT = "LATEINISCH" | "LAT"
    DEU = "DEUTSCH" | "DEU"
    GRI = "GRIECHISCH" | "GRIECH" | "GRIE" | "GRI"
    
175
    
di68kap's avatar
di68kap committed
176
    BelegPosition = ZWW ["BELEGE" [LZ]] Belege
di68kap's avatar
di68kap committed
177
178
    
    
di68kap's avatar
di68kap committed
179
    #### VERWEIS-POSITION ########################################################
180
    
di68kap's avatar
di68kap committed
181
    VerweisPosition = ZWW "VERWEISE"
di68kap's avatar
di68kap committed
182
183
    
    
di68kap's avatar
di68kap committed
184
    #### UNTER-ARTIKEL ###########################################################
di68kap's avatar
di68kap committed
185
    
di68kap's avatar
di68kap committed
186
    UnterArtikel = ZWW "UNTER-ARTIKEL"
187
188
189
190
    
    
    #### AUTOR/AUTORIN ###########################################################
    
191
192
    ArtikelVerfasser = ZWW ("AUTORIN" | "AUTOR") §Name
    Name             = { NAME | NAMENS_ABKÜRZUNG | "unbekannt" }+
193
194
    
    
di68kap's avatar
di68kap committed
195
    #### STELLENVERZEICHNIS ######################################################
di68kap's avatar
di68kap committed
196
    
di68kap's avatar
di68kap committed
197
198
199
200
    Stellenverzeichnis = ZWW "STELLENVERZEICHNIS" [LemmaWort] ZWW Verweisliste
    Verweisliste       = { [LZ] "*" Stellenverweis }
    Stellenverweis     = BelegQuelle { [ABS] Stelle (NullVerweis | Verweis) }
    NullVerweis        = "{" "-" "}"
di68kap's avatar
di68kap committed
201
    
di68kap's avatar
di68kap committed
202
203
    
    #### ZUSATZ an verschiedenen Stellen der Struktur ############################
204
    
di68kap's avatar
di68kap committed
205
206
    Zusatz       = { "{" !("=>" | "#") §EinzelnerZusatz { ";;" EinzelnerZusatz } "}" }+
      EinzelnerZusatz  = FesterZusatz | GemischterZusatz | FreierZusatz
di68kap's avatar
di68kap committed
207
208
209
      FesterZusatz     = "adde" | "sape" | "persaepe"
      GemischterZusatz = ( "usu" | "plur. sensu sing." ) FreierZusatz
      FreierZusatz     = { FREITEXT | VerweisKern | Verweis }+
di68kap's avatar
di68kap committed
210
211
212
213
    
    
    #### BELEGE ##################################################################
    
di68kap's avatar
di68kap committed
214
    Belege           = ["*"] Beleg { [LZ] "*" Beleg }
di68kap's avatar
di68kap committed
215
    Beleg            = [Zusatz] ((Verweis [Zitat]) | Zitat) [ABS Zusatz] ["."]
216
    Zitat            = Quellenangabe { SEM [ZW] BelegStelle }
di68kap's avatar
di68kap committed
217
218
    Quellenangabe    = [<Anker | Zusatz>] < BelegQuelle | Verweis >
    BelegQuelle      = Autor §DPP [Werk] &SEM
219
    BelegStelle      = [<Anker | Zusatz>] (Stelle [[ZW] BelegText] | Verweis) [[ZW] Zusatz]
di68kap's avatar
di68kap committed
220
    BelegText        = /"/ { MEHRZEILER | Anker | Zusatz } §/"/~ ["."]
di68kap's avatar
di68kap committed
221
    
222
223
    Autor     = EINZEILER
    Werk      = EINZEILER
di68kap's avatar
di68kap committed
224
225
226
    Stelle    = EINZEILER
    Datierung = EINZEILER
    Edition   = EINZEILER
di68kap's avatar
di68kap committed
227
228
    
    
di68kap's avatar
di68kap committed
229
230
231
    #### VERWEISE (LINKS) ########################################################
    
    Verweis          = "{" VerweisKern "}"
di68kap's avatar
di68kap committed
232
    VerweisKern      = "=>" §((alias "|" ("-" | URL)) | URL)
di68kap's avatar
di68kap committed
233
234
235
236
237
238
239
240
241
242
    Anker            = "{" "#" §ziel "}"
    URL              = [ ([protokoll] domäne /\//) | /\// ] { pfad /\// } ziel
    
    alias            = FREITEXT
    protokoll        = /\w+:\/\//
    domäne           = /\w+\.\w+(?:\.\w+)*/
    pfad             = /\w+/
    ziel             = /[\w=?.%&\[\] ]+/
    
    
di68kap's avatar
di68kap committed
243
244
    #### GENERISCHE UND ATOMARE AUSDRÜCKE ########################################
    
245
246
247
    NAMENS_ABKÜRZUNG = /[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\./~
    NAME             = /[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+/~
    
di68kap's avatar
di68kap committed
248
    DEU_WORT         = DEU_GROSS | DEU_KLEIN | GROSSBUCHSTABE
di68kap's avatar
di68kap committed
249
    DEU_GROSS        = /[A-ZÄÖÜ][a-zäöüßę_\-.]+/~
di68kap's avatar
di68kap committed
250
251
    GROSSBUCHSTABE   = /[A-ZÄÖÜ](?=[ \t\n])/~
    KLEINBUCHSTABE   = /[a-zäöü](?=[ \t\n])/~
di68kap's avatar
di68kap committed
252
    GRI_BUCHSTABE    = /[αβγδεζηθικλμνξοπρςστυφχψω]/
di68kap's avatar
di68kap committed
253
254
255
    DEU_KLEIN        = /(?!--)[a-zäöüßęõ_\-.]+/~
    LAT_WORT         = /(?!--)[a-z|\-_.]+/~
    GROSSSCHRIFT     = /(?!--)[A-ZÄÖÜ_\-]+/~
di68kap's avatar
di68kap committed
256
257
    ZAHL             = /[\d]+/~
    SEITENZAHL       = /[\d]+(?:\^(?:(?:\{[\d\w.]+\})|\w))?/~     # Zahl mit optionale folgendem hochgestelltem Buchstaben oder Text
di68kap's avatar
di68kap committed
258
    ROEMISCHE_ZAHL   = /(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\w])/~
259
    SCHLUESSELWORT   = { //~ /\n/ }+ !ROEMISCHE_ZAHL /[A-ZÄÖÜ]{3,}\s+/
di68kap's avatar
di68kap committed
260
    
di68kap's avatar
di68kap committed
261
262
    SATZZEICHEN      = /(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|(?:-(?!-))|[.()\[\]]+)|[`''‘’?]/~  # div. Satzzeichen, aber keine doppelten ,, ;; oder ::
    TEIL_SATZZEICHEN = /(?!->)(?:(?:,(?!,))|(?:-(?!-))|[.()]+)|[`''‘’?]/~ # Satzeichen bis auf Doppelpunkt ":", Semikolon ";" und eckige Klammern
di68kap's avatar
di68kap committed
263
    
264
265
    BUCHSTABENFOLGE  = /\w+/~
    ZEICHENFOLGE     = /[\w()-]+/~
di68kap's avatar
di68kap committed
266
    TEXTELEMENT      = DEU_WORT | SEITENZAHL | ROEMISCHE_ZAHL
di68kap's avatar
di68kap committed
267
    EINZEILER        = { TEXTELEMENT | TEIL_SATZZEICHEN }+
di68kap's avatar
di68kap committed
268
269
    FREITEXT         = { TEXTELEMENT | SATZZEICHEN | GROSSSCHRIFT }+
    MEHRZEILER       = { FREITEXT | /\s+(?=[\w,;:.\(\)\-])/ }+
270
    
di68kap's avatar
di68kap committed
271
    TR               = ABS | LZ                  # (beliebiger) Trenner
di68kap's avatar
di68kap committed
272
    ABS              = /\s*;;?\s*/ | ZWW         # Abschluss (durch Semikolon oder Zeilenwechsel)
di68kap's avatar
di68kap committed
273
    # ZW               = /\n/~                   # Zeilenwechsel
di68kap's avatar
di68kap committed
274
    LZ               = { COMMENT__ | /\s+/ }+    # Leerzeichen oder -zeilen
di68kap's avatar
di68kap committed
275
276
    DPP              = /::?/~                    # Doppelpunkt als Trenner
    SEM              = /;;?/~                    # Semikolon als Trenner
277
278
    
    ZW               = !LÜCKE ZEILENSPRUNG       # Zeilenwechsel, aber keine Leerzeile(n)
di68kap's avatar
di68kap committed
279
280
    ZWW              = ZEILENSPRUNG [ LZ ]       # mindestens ein Zeilenwechsel
    LÜCKE            = KOMMENTARZEILEN LEERZEILE [LZ] # Leerraum mit mindestens einer echten Leerzeile
281
282
283
284
285
    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
286
    KATEGORIENZEILE  = /[^:\n]+[:][ \t]*\n/     # Kategorienzeilen enthalten genau einen Doppelpunkt am Ende der Zeile
287
    FORTSETZUNG      = !(ZWW /[^:\n]+[:]/)
288
289
290
291
    
    DATEI_ENDE       = !/./
    NIEMALS          = /(?!.)/
    """
di68kap's avatar
di68kap committed
292
    DEU_WORT = Forward()
di68kap's avatar
di68kap committed
293
294
295
    FREITEXT = Forward()
    GROSSSCHRIFT = Forward()
    Kategorien = Forward()
di68kap's avatar
di68kap committed
296
    LZ = Forward()
di68kap's avatar
di68kap committed
297
    LemmaWort = Forward()
di68kap's avatar
di68kap committed
298
299
    ROEMISCHE_ZAHL = Forward()
    SATZZEICHEN = Forward()
di68kap's avatar
di68kap committed
300
    SEITENZAHL = Forward()
di68kap's avatar
di68kap committed
301
    TEIL_SATZZEICHEN = Forward()
di68kap's avatar
di68kap committed
302
    TEXTELEMENT = Forward()
303
    ZWW = Forward()
di68kap's avatar
di68kap committed
304
    Zusatz = Forward()
di68kap's avatar
di68kap committed
305
306
    flexion = Forward()
    genus = Forward()
307
    wortart = Forward()
di68kap's avatar
di68kap committed
308
    source_hash__ = "a01b075b877de8bc46f92fa3b3e5b028"
309
    parser_initialization__ = "upon instantiation"
di68kap's avatar
di68kap committed
310
    COMMENT__ = r'(?:\/\/.*)|(?:\/\*(?:.|\n)*?\*\/)'
311
312
313
314
315
316
    WHITESPACE__ = r'[\t ]*'
    WSP__ = mixin_comment(whitespace=WHITESPACE__, comment=COMMENT__)
    wspL__ = ''
    wspR__ = WSP__
    NIEMALS = RegExp('(?!.)')
    DATEI_ENDE = NegativeLookahead(RegExp('.'))
317
    FORTSETZUNG = NegativeLookahead(Series(ZWW, RegExp('[^:\\n]+[:]')))
di68kap's avatar
di68kap committed
318
    KATEGORIENZEILE = RegExp('[^:\\n]+[:][ \\t]*\\n')
319
320
321
322
    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
323
324
    LÜCKE = Series(KOMMENTARZEILEN, LEERZEILE, Option(LZ))
    ZWW.set(Series(ZEILENSPRUNG, Option(LZ)))
325
    ZW = Series(NegativeLookahead(LÜCKE), ZEILENSPRUNG)
di68kap's avatar
di68kap committed
326
327
    SEM = RE(';;?')
    DPP = RE('::?')
di68kap's avatar
di68kap committed
328
    LZ.set(OneOrMore(Alternative(RegExp(COMMENT__), RegExp('\\s+'))))
di68kap's avatar
di68kap committed
329
    ABS = Alternative(RegExp('\\s*;;?\\s*'), ZWW)
330
    TR = Alternative(ABS, LZ)
di68kap's avatar
di68kap committed
331
332
    MEHRZEILER = OneOrMore(Alternative(FREITEXT, RegExp('\\s+(?=[\\w,;:.\\(\\)\\-])')))
    FREITEXT.set(OneOrMore(Alternative(TEXTELEMENT, SATZZEICHEN, GROSSSCHRIFT)))
di68kap's avatar
di68kap committed
333
    EINZEILER = OneOrMore(Alternative(TEXTELEMENT, TEIL_SATZZEICHEN))
di68kap's avatar
di68kap committed
334
    TEXTELEMENT.set(Alternative(DEU_WORT, SEITENZAHL, ROEMISCHE_ZAHL))
335
336
    ZEICHENFOLGE = RE('[\\w()-]+')
    BUCHSTABENFOLGE = RE('\\w+')
di68kap's avatar
di68kap committed
337
338
    TEIL_SATZZEICHEN.set(RE("(?!->)(?:(?:,(?!,))|(?:-(?!-))|[.()]+)|[`''‘’?]"))
    SATZZEICHEN.set(RE("(?!->)(?:(?:,(?!,))|(?:;(?!;))|(?::(?!:))|(?:-(?!-))|[.()\\[\\]]+)|[`''‘’?]"))
339
    SCHLUESSELWORT = Series(OneOrMore(Series(RE(''), RegExp('\\n'))), NegativeLookahead(ROEMISCHE_ZAHL), RegExp('[A-ZÄÖÜ]{3,}\\s+'))
di68kap's avatar
di68kap committed
340
    ROEMISCHE_ZAHL.set(RE('(?=[MDCLXVI])M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?I*)(?=[^\\w])'))
di68kap's avatar
di68kap committed
341
342
    SEITENZAHL.set(RE('[\\d]+(?:\\^(?:(?:\\{[\\d\\w.]+\\})|\\w))?'))
    ZAHL = RE('[\\d]+')
di68kap's avatar
di68kap committed
343
    GROSSSCHRIFT.set(RE('(?!--)[A-ZÄÖÜ_\\-]+'))
344
    LAT_WORT = RE('(?!--)[a-z|\\-_.]+')
di68kap's avatar
di68kap committed
345
    DEU_KLEIN = RE('(?!--)[a-zäöüßęõ_\\-.]+')
di68kap's avatar
di68kap committed
346
    GRI_BUCHSTABE = RegExp('[αβγδεζηθικλμνξοπρςστυφχψω]')
di68kap's avatar
di68kap committed
347
348
    KLEINBUCHSTABE = RE('[a-zäöü](?=[ \\t\\n])')
    GROSSBUCHSTABE = RE('[A-ZÄÖÜ](?=[ \\t\\n])')
di68kap's avatar
di68kap committed
349
    DEU_GROSS = RE('[A-ZÄÖÜ][a-zäöüßę_\\-.]+')
di68kap's avatar
di68kap committed
350
    DEU_WORT.set(Alternative(DEU_GROSS, DEU_KLEIN, GROSSBUCHSTABE))
351
352
    NAME = RE('[A-ZÄÖÜÁÀÓÒÚÙÂÔÛ][a-zäöüßáàâóòôúùû]+')
    NAMENS_ABKÜRZUNG = RE('[A-ZÄÖÜÁÀÂÓÒÔÚÙÛ]\\.')
di68kap's avatar
di68kap committed
353
354
355
356
357
358
359
    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
360
    VerweisKern = Series(Token("=>"), Alternative(Series(alias, Token("|"), Alternative(Token("-"), URL)), URL), mandatory=1)
di68kap's avatar
di68kap committed
361
    Verweis = Series(Token("{"), VerweisKern, Token("}"))
di68kap's avatar
di68kap committed
362
363
364
    Edition = Synonym(EINZEILER)
    Datierung = Synonym(EINZEILER)
    Stelle = Synonym(EINZEILER)
365
366
    Werk = Synonym(EINZEILER)
    Autor = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
367
    BelegText = Series(RegExp('"'), ZeroOrMore(Alternative(MEHRZEILER, Anker, Zusatz)), RE('"'), Option(Token(".")), mandatory=2)
368
    BelegStelle = Series(Option(SomeOf(Anker, Zusatz)), Alternative(Series(Stelle, Option(Series(Option(ZW), BelegText))), Verweis), Option(Series(Option(ZW), Zusatz)))
di68kap's avatar
di68kap committed
369
370
    BelegQuelle = Series(Autor, DPP, Option(Werk), Lookahead(SEM), mandatory=1)
    Quellenangabe = Series(Option(SomeOf(Anker, Zusatz)), SomeOf(BelegQuelle, Verweis))
371
    Zitat = Series(Quellenangabe, ZeroOrMore(Series(SEM, Option(ZW), BelegStelle)))
di68kap's avatar
di68kap committed
372
    Beleg = Series(Option(Zusatz), Alternative(Series(Verweis, Option(Zitat)), Zitat), Option(Series(ABS, Zusatz)), Option(Token(".")))
di68kap's avatar
di68kap committed
373
    Belege = Series(Option(Token("*")), Beleg, ZeroOrMore(Series(Option(LZ), Token("*"), Beleg)))
di68kap's avatar
di68kap committed
374
375
376
    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
377
378
    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
379
380
381
382
    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)
383
384
    Name = OneOrMore(Alternative(NAME, NAMENS_ABKÜRZUNG, Token("unbekannt")))
    ArtikelVerfasser = Series(ZWW, Alternative(Token("AUTORIN"), Token("AUTOR")), Name, mandatory=2)
di68kap's avatar
di68kap committed
385
386
    UnterArtikel = Series(ZWW, Token("UNTER-ARTIKEL"))
    VerweisPosition = Series(ZWW, Token("VERWEISE"))
di68kap's avatar
di68kap committed
387
    BelegPosition = Series(ZWW, Option(Series(Token("BELEGE"), Option(LZ))), Belege)
388
389
390
391
392
393
394
395
    GRI = Alternative(Token("GRIECHISCH"), Token("GRIECH"), Token("GRIE"), Token("GRI"))
    DEU = Alternative(Token("DEUTSCH"), Token("DEU"))
    LAT = Alternative(Token("LATEINISCH"), Token("LAT"))
    DeutscherAusdruck = OneOrMore(AllOf(Alternative(DEU_WORT, Series(Token("("), OneOrMore(DEU_WORT), Token(")"))), Option(Zusatz)))
    LateinischerAusdruck = OneOrMore(AllOf(Alternative(LAT_WORT, Series(Token("("), OneOrMore(LAT_WORT), Token(")"))), Option(Zusatz)))
    DeutscheBedeutung = Series(DEU, Option(ZW), DeutscherAusdruck, ZeroOrMore(Series(Token(","), DeutscherAusdruck)))
    LateinischeBedeutung = Series(LAT, Option(ZW), LateinischerAusdruck, ZeroOrMore(Series(Token(","), LateinischerAusdruck)))
    Interpretamente = Series(LateinischeBedeutung, Alternative(LZ, Token(" "), Token("--")), DeutscheBedeutung, Option(Token(":")), mandatory=2)
396
    Bedeutungskategorie = Series(ZeroOrMore(Series(EINZEILER, Option(LZ), Option(Zusatz), Option(LZ))), Token(":"), mandatory=1)
di68kap's avatar
di68kap committed
397
    UntersteBedeutung = Series(Interpretamente, Option(BelegPosition))
di68kap's avatar
di68kap committed
398
    Bedeutung = Series(Alternative(Interpretamente, Bedeutungskategorie), Option(BelegPosition))
399
400
401
    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
402
403
    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
404
    BedeutungsPosition = OneOrMore(Series(ZWW, Token("BEDEUTUNG"), Option(LZ), Bedeutung, Option(U1Bedeutung), mandatory=3))
di68kap's avatar
di68kap committed
405
    Gegenstand = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
406
407
408
409
410
411
412
413
414
415
416
    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
417
    ArtikelKopf = SomeOf(SchreibweisenPosition, StrukturPosition, GebrauchPosition, MetrikPosition, VerwechselungPosition)
di68kap's avatar
di68kap committed
418
419
    Etymologie = Synonym(EINZEILER)
    EtymologieBesonderheit = Synonym(EINZEILER)
di68kap's avatar
di68kap committed
420
    EtymologieVariante = Alternative(LAT, Series(GRI, Option(EtymologieBesonderheit), Option(Series(Token("ETYM"), Etymologie)), DPP, Beleg))
di68kap's avatar
di68kap committed
421
    EtymologiePosition = Series(ZWW, Token("ETYMOLOGIE"), Option(LZ), OneOrMore(EtymologieVariante))
422
    GrammatikVariante = Series(Option(Series(wortart, ABS)), flexion, Option(genus), DPP, Beleg, ZeroOrMore(Series(FORTSETZUNG, Beleg)))
di68kap's avatar
di68kap committed
423
    genus.set(Alternative(Token("maskulinum"), Token("m."), Token("femininum"), Token("f."), Token("neutrum"), Token("n.")))
424
    FLEX = RE('-?[a-z]+')
di68kap's avatar
di68kap committed
425
    konjugation = Synonym(FLEX)
di68kap's avatar
di68kap committed
426
    deklination = Series(FLEX, Option(Series(Token(","), FLEX)))
di68kap's avatar
di68kap committed
427
    flexion.set(Alternative(deklination, konjugation))
428
    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
429
    Grammatik = Series(wortart, ABS, flexion, Option(genus), mandatory=1)
di68kap's avatar
di68kap committed
430
    GrammatikPosition = Series(ZWW, Token("GRAMMATIK"), Option(LZ), Grammatik, ZeroOrMore(Series(ABS, GrammatikVariante)), mandatory=3)
di68kap's avatar
di68kap committed
431
    LemmaVariante = Series(LAT_WORT, Option(Zusatz))
di68kap's avatar
di68kap committed
432
433
    LemmaVarianten = Series(LemmaVariante, ZeroOrMore(Series(Option(Alternative(Token(";"), Token(","))), Option(ZW), LemmaVariante)), Option(Series(ABS, Zusatz)))
    LemmaWort.set(Synonym(LAT_WORT))
434
435
    gesichert = Token("$")
    klassisch = Token("*")
di68kap's avatar
di68kap committed
436
    Lemma = Series(Option(SomeOf(klassisch, gesichert)), LemmaWort)
di68kap's avatar
di68kap committed
437
    LemmaPosition = Series(Option(ABS), Token("LEMMA"), Option(LZ), Lemma, TR, Option(LemmaVarianten), GrammatikPosition, Option(Zusatz), mandatory=3)
di68kap's avatar
di68kap committed
438
    Artikel = Series(Option(LZ), OneOrMore(LemmaPosition), Option(EtymologiePosition), Option(ArtikelKopf), BedeutungsPosition, Option(VerweisPosition), ZeroOrMore(UnterArtikel), ArtikelVerfasser, Option(Stellenverzeichnis), Option(LZ), DATEI_ENDE, mandatory=1)
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
    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
di68kap's avatar
di68kap committed
459
460
    "+": [remove_empty, remove_tokens,
          remove_nodes('ZWW', 'LZ', 'DPP', 'COMMENT__', 'ABS', 'SEM')],
Eckhart Arnold's avatar
Eckhart Arnold committed
461
    "Autor": [reduce_single_child],
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
    "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": [],
480
    "ArtikelKopf": [replace_by_single_child],
481
482
483
    "SchreibweisenPosition": [],
    "SWTyp": [replace_or_reduce],
    "SWVariante": [],
484
    "Schreibweise": [replace_by_single_child],
485
486
487
488
489
490
491
492
493
494
495
    "BedeutungsPosition": [],
    "Bedeutung": [],
    "Bedeutungskategorie": [],
    "Interpretamente": [],
    "LateinischeBedeutung": [],
    "DeutscheBedeutung": [],
    "Belege": [],
    "EinBeleg": [],
    "Zusatz": [],
    "ArtikelVerfasser": [],
    "Name": [],
di68kap's avatar
di68kap committed
496
    "Stelle": [collapse],
497
498
499
    "SW_LAT": [replace_or_reduce],
    "SW_DEU": [replace_or_reduce],
    "SW_GRIECH": [replace_or_reduce],
500
    "Beleg": [replace_by_single_child],
501
502
    "Verweis": [],
    "VerweisZiel": [],
Eckhart Arnold's avatar
Eckhart Arnold committed
503
    "Werk": [reduce_single_child],
504
    "ZielName": [replace_by_single_child],
505
506
    "NAMENS_ABKÜRZUNG": [],
    "NAME": [],
di68kap's avatar
di68kap committed
507
508
509
510
    "DEU_WORT": [reduce_single_child],
    "DEU_GROSS": [reduce_single_child],
    "DEU_KLEIN": [reduce_single_child],
    "LAT_WORT": [reduce_single_child],
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
    "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": [],
di68kap's avatar
di68kap committed
529
530
    ":Token": [],
    "RE": reduce_single_child,
531
    "*": replace_by_single_child
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
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
}


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]")