decoratedstr.py

   1 # -*- encoding: utf-8 -*-
   2
   3 from __future__ import print_function, unicode_literals
   4 import six
   5
   6 __all__ = ['remove_decoration', 'decorated_match']
   7
   8 # for range \u00c0 \u0179
   9 char_to_alternatives_lower = {
  10     'a': 'àáâãäåāăą',
  11     'c': 'çćĉċč',
  12     'd': 'ďđ',
  13     'e': 'èéêëēĕėęě',
  14     'g': 'ĝğġģ',
  15     'h': 'ĥħ',
  16     'i': 'ìíîïĩīĭįı',
  17     'j': 'ĵ',
  18     'k': 'ķ',
  19     'l': 'ĺļľŀł',
  20     'n': 'ñńņňŉŋ',
  21     'o': 'òóôöøōŏő',
  22     'r': 'ŕŗř',
  23     's': 'śŝşš',
  24     't': 'ţťŧ',
  25     'u': 'ùúûüũūŭůűų',
  26     'w': 'ŵ',
  27     'y': 'ýÿŷ',
  28     'z': 'źżž',
  29 }
  30
  31 # This chars lower() function doesn't work
  32 char_to_alternatives_upper = {
  33     'I': 'İ',
  34 }
  35 char_to_alternatives = {} # idem, but with upper case too
  36 for char, alternatives in six.iteritems(char_to_alternatives_lower):
  37     char_to_alternatives[char] = alternatives
  38     char_to_alternatives[char.upper()] = alternatives.upper()
  39 for char, alternatives in six.iteritems(char_to_alternatives_upper):
  40     char_to_alternatives[char] = alternatives
  41
  42 alternative_to_char = {} # reverse
  43 for char, alternatives in six.iteritems(char_to_alternatives_lower):
  44     for alternative in alternatives:
  45         alternative_to_char[alternative] = char
  46         alternative_to_char[alternative.upper()] = char.upper()
  47 for char, alternatives in six.iteritems(char_to_alternatives_upper):
  48     for alternative in alternatives:
  49         alternative_to_char[alternative] = char
  50
  51 # ligatures (only two chars supported)
  52 ligatures_expansions_lower = {
  53     'æ': 'ae',
  54     # 'ĳ': 'ij', buggy: see http://en.wikipedia.org/wiki/Typographic_ligature
  55     'œ': 'oe',
  56 }
  57
  58 ligatures_expansions = {} # idem, but with upper case too
  59 for ligature, expansion in six.iteritems(ligatures_expansions_lower):
  60     ligatures_expansions[ligature] = expansion
  61     ligatures_expansions[ligature.upper()] = expansion[0].upper()+expansion[1:]
  62
  63 ligatures_contractions = {} # reverse
  64 for ligature, expansion in six.iteritems(ligatures_expansions_lower):
  65     ligatures_contractions[expansion] = ligature
  66     ligatures_contractions[expansion[0].upper()+expansion[1:]] = ligature.upper()
  67
  68 def remove_decoration(txt):
  69     result = ''
  70     for l in txt:
  71         l = alternative_to_char.get(l, l)
  72         l = ligatures_expansions.get(l, l)
  73         result += l
  74     return result
  75
  76 def decorated_match_single_char(c, casesensitive=False):
  77     assert type(c) == type('')
  78     if not casesensitive:
  79         c = c.lower()
  80     result = c + char_to_alternatives.get(c, '')
  81     if not casesensitive:
  82         u = result.upper()
  83         if result != u:
  84             result += u
  85     if len(result) > 1:
  86         return '['+result+']'
  87     else:
  88         return result
  89
  90 def decorated_match(txt, casesensitive=False):
  91     assert type(txt) == type('')
  92     result = ''
  93     txt = remove_decoration(txt)
  94     if not casesensitive:
  95         txt = txt.lower()
  96     i = 0
  97     while i < len(txt):
  98         c1 = txt[i] # current character
  99         c12 = txt[i:i+2] # both current and next characters. Contains a single char on last iteration so that it never matches, that is OK
 100         ligature = ligatures_contractions.get(c12, None)
 101         if ligature:
 102             result += '('+ligature
 103             if not casesensitive:
 104                 result += '|'+ligature.upper()
 105             result += '|'+decorated_match_single_char(c12[0], casesensitive) \
 106                           +decorated_match_single_char(c12[1], casesensitive) \
 107                    +')'
 108             i += 1 # skip next character, we allready did both
 109         else:
 110             result += decorated_match_single_char(c1, casesensitive)
 111         i += 1
 112     return result
 113
 114
 115 if __name__ == '__main__':
 116     import sys
 117     from optparse import OptionParser
 118     parser = OptionParser(usage='%prog [options] string')
 119     parser.add_option('--charset', help="set charset. default=%default", action='store', dest='charset', default='utf-8')
 120     parser.add_option('-r', '--regexp', help="generate regular expression.", action='store_true', dest='regexp')
 121     parser.add_option('-i', help="used with -r, make regexp case insensitive.", action='store_false', dest='casesensitive', default=True)
 122     (options, args) = parser.parse_args()
 123
 124     if not args:
 125         print('Missing required parameter. Try "Œuf"', file=sys.stderr)
 126         sys.exit(1)
 127     if six.PY3:
 128         input = ' '.join(args)
 129     else:
 130         input = unicode(b' '.join(args), options.charset)
 131     #print("input:", input)                            # Œuf
 132     #print("undecorated:", remove_decoration(input))   # Oeuf
 133     #print("regex:", decorated_match(input))           # (œ|Œ|[oòóôöøōŏőOÒÓÔÖØŌŎŐ][eèéêëēĕėęěEÈÉÊËĒĔĖĘĚ])[uùúûüũūŭůűųUÙÚÛÜŨŪŬŮŰŲ][fF]
 134     if options.regexp:
 135         if six.PY3:
 136             print(decorated_match(input, options.casesensitive))
 137         else:
 138             print(decorated_match(input, options.casesensitive).encode(options.charset))
 139     else:
 140         if six.PY3:
 141             print(remove_decoration(input))
 142         else:
 143             print(remove_decoration(input).encode(options.charset))