decoratedstr.py

   1 #!/usr/bin/env python
   2 # -*- encoding: utf-8 -*-
   3
   4 from __future__ import print_function, unicode_literals
   5 import six
   6
   7 __all__ = ['remove_decoration', 'decorated_match']
   8
   9 # for range \u00c0 \u0179
  10 char_to_alternatives_lower = {
  11     'a': 'àáâãäåāăą',
  12     'c': 'çćĉċč',
  13     'd': 'ďđ',
  14     'e': 'èéêëēĕėęě',
  15     'g': 'ĝğġģ',
  16     'h': 'ĥħ',
  17     'i': 'ìíîïĩīĭįı',
  18     'j': 'ĵ',
  19     'k': 'ķ',
  20     'l': 'ĺļľŀł',
  21     'n': 'ñńņňŉŋ',
  22     'o': 'òóôöøōŏő',
  23     'r': 'ŕŗř',
  24     's': 'śŝşš',
  25     't': 'ţťŧ',
  26     'u': 'ùúûüũūŭůűų',
  27     'w': 'ŵ',
  28     'y': 'ýÿŷ',
  29     'z': 'źżž',
  30 }
  31
  32 # This chars lower() function doesn't work
  33 char_to_alternatives_upper = {
  34     'I': 'İ',
  35 }
  36 char_to_alternatives = {} # idem, but with upper case too
  37 for char, alternatives in six.iteritems(char_to_alternatives_lower):
  38     char_to_alternatives[char] = alternatives
  39     char_to_alternatives[char.upper()] = alternatives.upper()
  40 for char, alternatives in six.iteritems(char_to_alternatives_upper):
  41     char_to_alternatives[char] = alternatives
  42
  43 alternative_to_char = {} # reverse
  44 for char, alternatives in six.iteritems(char_to_alternatives_lower):
  45     for alternative in alternatives:
  46         alternative_to_char[alternative] = char
  47         alternative_to_char[alternative.upper()] = char.upper()
  48 for char, alternatives in six.iteritems(char_to_alternatives_upper):
  49     for alternative in alternatives:
  50         alternative_to_char[alternative] = char
  51
  52 # ligatures (only two chars supported)
  53 ligatures_expansions_lower = {
  54     'æ': 'ae',
  55     # 'ĳ': 'ij', buggy: see http://en.wikipedia.org/wiki/Typographic_ligature
  56     'œ': 'oe',
  57 }
  58
  59 ligatures_expansions = {} # idem, but with upper case too
  60 for ligature, expansion in six.iteritems(ligatures_expansions_lower):
  61     ligatures_expansions[ligature] = expansion
  62     ligatures_expansions[ligature.upper()] = expansion[0].upper()+expansion[1:]
  63
  64 ligatures_contractions = {} # reverse
  65 for ligature, expansion in six.iteritems(ligatures_expansions_lower):
  66     ligatures_contractions[expansion] = ligature
  67     ligatures_contractions[expansion[0].upper()+expansion[1:]] = ligature.upper()
  68
  69 def remove_decoration(txt):
  70     result = ''
  71     for l in txt:
  72         l = alternative_to_char.get(l, l)
  73         l = ligatures_expansions.get(l, l)
  74         result += l
  75     return result
  76
  77 def decorated_match_single_char(c, casesensitive=False):
  78     assert type(c) == type('')
  79     if not casesensitive:
  80         c = c.lower()
  81     result = c + char_to_alternatives.get(c, '')
  82     if not casesensitive:
  83         u = result.upper()
  84         if result != u:
  85             result += u
  86     if len(result) > 1:
  87         return '['+result+']'
  88     else:
  89         return result
  90
  91 def decorated_match(txt, casesensitive=False):
  92     assert type(txt) == type('')
  93     result = ''
  94     txt = remove_decoration(txt)
  95     if not casesensitive:
  96         txt = txt.lower()
  97     i = 0
  98     while i < len(txt):
  99         c1 = txt[i] # current character
 100         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
 101         ligature = ligatures_contractions.get(c12, None)
 102         if ligature:
 103             result += '('+ligature
 104             if not casesensitive:
 105                 result += '|'+ligature.upper()
 106             result += '|'+decorated_match_single_char(c12[0], casesensitive) \
 107                           +decorated_match_single_char(c12[1], casesensitive) \
 108                    +')'
 109             i += 1 # skip next character, we allready did both
 110         else:
 111             result += decorated_match_single_char(c1, casesensitive)
 112         i += 1
 113     return result
 114
 115
 116 if __name__ == '__main__':
 117     import sys
 118     from optparse import OptionParser
 119     parser = OptionParser(usage='%prog [options] string')
 120     parser.add_option('--charset', help="set charset. default=%default", action='store', dest='charset', default='utf-8')
 121     parser.add_option('-r', '--regexp', help="generate regular expression.", action='store_true', dest='regexp')
 122     parser.add_option('-i', help="used with -r, make regexp case insensitive.", action='store_false', dest='casesensitive', default=True)
 123     (options, args) = parser.parse_args()
 124
 125     if not args:
 126         print('Missing required parameter. Try "Œuf"', file=sys.stderr)
 127         sys.exit(1)
 128     if six.PY2:
 129         input = unicode(b' '.join(args), options.charset)
 130     else:
 131         input = ' '.join(args)
 132     #print("input:", input)                            # Œuf
 133     #print("undecorated:", remove_decoration(input))   # Oeuf
 134     #print("regex:", decorated_match(input))           # (œ|Œ|[oòóôöøōŏőOÒÓÔÖØŌŎŐ][eèéêëēĕėęěEÈÉÊËĒĔĖĘĚ])[uùúûüũūŭůűųUÙÚÛÜŨŪŬŮŰŲ][fF]
 135     if options.regexp:
 136         if six.PY2:
 137             print(decorated_match(input, options.casesensitive).encode(options.charset))
 138         else:
 139             print(decorated_match(input, options.casesensitive))
 140     else:
 141         if six.PY2:
 142             print(remove_decoration(input).encode(options.charset))
 143         else:
 144             print(remove_decoration(input))