generate_dictionaries.sh

   1 #!/bin/sh
   2 DE_DICTS=true
   3 #DE_DICTS=false
   4 EN_DICTS=true
   5 #EN_DICTS=false
   6 FR_DICTS=true
   7 #FR_DICTS=false
   8 IT_DICTS=true
   9 #IT_DICTS=false
  10 EN_TRANS_DICTS=true
  11 #EN_TRANS_DICTS=false
  12 # Spanish is unfortunately not yet working
  13 SINGLE_DICTS="en de fr it es pt"
  14 #SINGLE_DICTS=""
  15
  16 VERSION=v007
  17
  18 #./run.sh --lang1=EN --dictOut=test --dictInfo=test --input0=data/inputs/wikiSplit/en/EN.data  --input0Name=enwikitionary --input0Format=enwiktionary --input0LangPattern=English --input0LangCodePattern=en --input0EnIndex=1 --input0WiktionaryType=EnEnglish
  19
  20 if $EN_DICTS; then
  21 # Note: using input1 seems to hang for ZH currently!
  22 while read langcode langname enlangname ; do
  23 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  24 test "$lang" = "CY" && lang=CI
  25 test "$lang" = "CMN" && lang=cmn
  26 test "$lang" = "GRC" && lang=grc
  27 test "$lang" = "HAW" && lang=haw
  28 test "$lang" = "YUE" && lang=yue
  29
  30 reverse_dicts=""
  31 if test "$lang" = "DE" -o "$lang" = "FR" -o "$lang" = "IT" ; then
  32 reverse_dicts="--input3=data/inputs/wikiSplit/$langcode/EN.data --input3Format=WholeSectionToHtmlParser --input3Name=${langcode}wikitionary --input3WiktionaryLang=$lang --input3TitleIndex=1 --input3WebUrlTemplate=http://${langcode}.wiktionary.org/wiki/%s"
  33 #reverse_dicts="$reverse_dicts --input4=data/inputs/wikiSplit/$langcode/EN.data --input4Name=${langcode}wikitionary --input4Format=enwiktionary --input4LangPattern=${enlangname} --input4LangCodePattern=en --input4EnIndex=1 --input4WiktionaryType=EnForeign"
  34 fi
  35
  36 stoplist=""
  37 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
  38 ./run.sh --lang1=EN --lang2=$lang --lang1Stoplist=data/inputs/stoplists/en.txt $stoplist --dictOut=data/outputs/EN-${lang}.quickdic --dictInfo="(EN)Wiktionary-based EN-$lang dictionary." --input0=data/inputs/wikiSplit/en/${lang}.data  --input0Name=enwikitionary --input0Format=enwiktionary --input0LangPattern=${langname} --input0LangCodePattern=${langcode} --input0EnIndex=1 --input0WiktionaryType=EnForeign --input1=data/inputs/wikiSplit/en/EN.data --input1Name=enwikitionary --input1Format=enwiktionary --input1LangPattern=${langname} --input1LangCodePattern=${langcode} --input1EnIndex=1 --input1WiktionaryType=EnToTranslation --input2=data/inputs/wikiSplit/en/${lang}.data --input2Format=WholeSectionToHtmlParser --input2Name=enwikitionary --input2WiktionaryLang=EN --input2TitleIndex=2 --input2WebUrlTemplate=http://en.wiktionary.org/wiki/%s $reverse_dicts
  39 rm -f data/outputs/EN-${lang}.quickdic.${VERSION}.zip
  40 7z a -mx=9 data/outputs/EN-${lang}.quickdic.${VERSION}.zip ./data/outputs/EN-${lang}.quickdic
  41
  42 done < EN-foreign-dictlist.txt
  43 fi
  44
  45 # EnEnglish only makes the dictionary cluttered
  46 #./run.sh --lang1=EN --lang1Stoplist=data/inputs/stoplists/en.txt --dictOut=data/outputs/EN.quickdic --dictInfo="Wiktionary-based EN dictionary." --input0=data/inputs/wikiSplit/en/EN.data  --input0Name=enwikitionary --input0Format=enwiktionary --input0LangPattern=English --input0LangCodePattern=en --input0EnIndex=1 --input0WiktionaryType=EnEnglish --input2=data/inputs/wikiSplit/en/EN.data --input2Format=WholeSectionToHtmlParser --input2Name=enwikitionary --input2WiktionaryLang=EN --input2TitleIndex=1 --input2WebUrlTemplate=http://en.wiktionary.org/wiki/%s
  47 #rm -f data/outputs/EN.quickdic.${VERSION}.zip
  48 #7z a -mx=9 data/outputs/EN.quickdic.${VERSION}.zip ./data/outputs/EN.quickdic
  49
  50 for langcode in $SINGLE_DICTS ; do
  51 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  52 ./run.sh --lang1=$lang --lang1Stoplist=data/inputs/stoplists/${langcode}.txt --dictOut=data/outputs/${lang}.quickdic --dictInfo="Wiktionary-based ${lang} dictionary." --input1=data/inputs/wikiSplit/${langcode}/${lang}.data --input1Format=WholeSectionToHtmlParser --input1Name=${langcode}wikitionary --input1WiktionaryLang=$lang --input1TitleIndex=1 --input1WebUrlTemplate=http://${langcode}.wiktionary.org/wiki/%s
  53 rm -f data/outputs/${lang}.quickdic.${VERSION}.zip
  54 7z a -mx=9 data/outputs/${lang}.quickdic.${VERSION}.zip ./data/outputs/${lang}.quickdic
  55
  56 done
  57
  58 if $DE_DICTS; then
  59 while read langcode langname ; do
  60 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  61 test "$lang" = "CY" && lang=CI
  62 test "$lang" = "CMN" && lang=cmn
  63 test "$lang" = "GRC" && lang=grc
  64 test "$lang" = "HAW" && lang=haw
  65 test "$lang" = "YUE" && lang=yue
  66
  67 reverse_dicts=""
  68 if test "$lang" = "FR" -o "$lang" = "IT" ; then
  69 reverse_dicts="--input3=data/inputs/wikiSplit/$langcode/DE.data --input3Format=WholeSectionToHtmlParser --input3Name=${langcode}wikitionary --input3WiktionaryLang=$lang --input3TitleIndex=1 --input3WebUrlTemplate=http://${langcode}.wiktionary.org/wiki/%s"
  70 fi
  71
  72 stoplist=""
  73 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
  74 input0=""
  75 test -e data/inputs/wikiSplit/de/${lang}.data && input0="--input0=data/inputs/wikiSplit/de/${lang}.data --input0Name=dewikitionary --input0Format=enwiktionary --input0LangPattern=${langname} --input0LangCodePattern=${langcode} --input0EnIndex=1 --input0WiktionaryType=EnForeign"
  76 input2=""
  77 test -e data/inputs/wikiSplit/de/${lang}.data && input2="--input2=data/inputs/wikiSplit/de/${lang}.data --input2Format=WholeSectionToHtmlParser --input2Name=dewikitionary --input2WiktionaryLang=DE --input2TitleIndex=2 --input2WebUrlTemplate=http://de.wiktionary.org/wiki/%s"
  78 ./run.sh --lang1=DE --lang2=$lang --lang1Stoplist=data/inputs/stoplists/de.txt $stoplist --dictOut=data/outputs/DE-${lang}.quickdic --dictInfo="(DE)Wiktionary-based DE-$lang dictionary." $input0 --input1=data/inputs/wikiSplit/en/EN.data --input1Name=enwikitionary --input1Format=EnTranslationToTranslation --input1LangPattern1=de --input1LangPattern2=${langcode} $input2 $reverse_dicts
  79 rm -f data/outputs/DE-${lang}.quickdic.${VERSION}.zip
  80 7z a -mx=9 data/outputs/DE-${lang}.quickdic.${VERSION}.zip ./data/outputs/DE-${lang}.quickdic
  81
  82 done < DE-foreign-dictlist.txt
  83 fi
  84
  85 if $FR_DICTS; then
  86 while read langcode langname ; do
  87 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  88 test "$lang" = "CY" && lang=CI
  89 test "$lang" = "CMN" && lang=cmn
  90 test "$lang" = "GRC" && lang=grc
  91 test "$lang" = "HAW" && lang=haw
  92 test "$lang" = "YUE" && lang=yue
  93
  94 reverse_dicts=""
  95 if test "$lang" = "DE" -o "$lang" = "IT" ; then
  96 reverse_dicts="--input3=data/inputs/wikiSplit/$langcode/FR.data --input3Format=WholeSectionToHtmlParser --input3Name=${langcode}wikitionary --input3WiktionaryLang=$lang --input3TitleIndex=1 --input3WebUrlTemplate=http://${langcode}.wiktionary.org/wiki/%s"
  97 fi
  98
  99 stoplist=""
 100 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
 101 ./run.sh --lang1=FR --lang2=$lang --lang1Stoplist=data/inputs/stoplists/fr.txt $stoplist --dictOut=data/outputs/FR-${lang}.quickdic --dictInfo="(FR)Wiktionary-based FR-$lang dictionary." --input0=data/inputs/wikiSplit/fr/${lang}.data --input0Name=frwikitionary --input0Format=enwiktionary --input0LangPattern=${langname} --input0LangCodePattern=${langcode} --input0EnIndex=1 --input0WiktionaryType=EnForeign --input1=data/inputs/wikiSplit/en/EN.data --input1Name=enwikitionary --input1Format=EnTranslationToTranslation --input1LangPattern1=fr --input1LangPattern2=${langcode} --input2=data/inputs/wikiSplit/fr/${lang}.data --input2Format=WholeSectionToHtmlParser --input2Name=frwikitionary --input2WiktionaryLang=FR --input2TitleIndex=2 --input2WebUrlTemplate=http://fr.wiktionary.org/wiki/%s $reverse_dicts
 102 rm -f data/outputs/FR-${lang}.quickdic.${VERSION}.zip
 103 7z a -mx=9 data/outputs/FR-${lang}.quickdic.${VERSION}.zip ./data/outputs/FR-${lang}.quickdic
 104
 105 done < FR-foreign-dictlist.txt
 106 fi
 107
 108 if $IT_DICTS; then
 109 while read langcode langname ; do
 110 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
 111 test "$lang" = "CY" && lang=CI
 112 test "$lang" = "CMN" && lang=cmn
 113 test "$lang" = "GRC" && lang=grc
 114 test "$lang" = "HAW" && lang=haw
 115 test "$lang" = "YUE" && lang=yue
 116
 117 reverse_dicts=""
 118 if test "$lang" = "FR" -o "$lang" = "DE" ; then
 119 reverse_dicts="--input3=data/inputs/wikiSplit/$langcode/IT.data --input3Format=WholeSectionToHtmlParser --input3Name=${langcode}wikitionary --input3WiktionaryLang=$lang --input3TitleIndex=1 --input3WebUrlTemplate=http://${langcode}.wiktionary.org/wiki/%s"
 120 fi
 121
 122 stoplist=""
 123 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
 124 ./run.sh --lang1=IT --lang2=$lang --lang1Stoplist=data/inputs/stoplists/it.txt $stoplist --dictOut=data/outputs/IT-${lang}.quickdic --dictInfo="(IT)Wiktionary-based IT-$lang dictionary." --input0=data/inputs/wikiSplit/it/${lang}.data --input0Name=itwikitionary --input0Format=enwiktionary --input0LangPattern=${langname} --input0LangCodePattern=${langcode} --input0EnIndex=1 --input0WiktionaryType=EnForeign --input1=data/inputs/wikiSplit/en/EN.data --input1Name=enwikitionary --input1Format=EnTranslationToTranslation --input1LangPattern1=it --input1LangPattern2=${langcode} --input2=data/inputs/wikiSplit/it/${lang}.data --input2Format=WholeSectionToHtmlParser --input2Name=itwikitionary --input2WiktionaryLang=IT --input2TitleIndex=2 --input2WebUrlTemplate=http://it.wiktionary.org/wiki/%s $reverse_dicts
 125 rm -f data/outputs/IT-${lang}.quickdic.${VERSION}.zip
 126 7z a -mx=9 data/outputs/IT-${lang}.quickdic.${VERSION}.zip ./data/outputs/IT-${lang}.quickdic
 127
 128 done < IT-foreign-dictlist.txt
 129 fi
 130
 131 if $EN_TRANS_DICTS; then
 132 while read langcode1 langname1 langcode2 langname2 ; do
 133 lang1=$(echo $langcode1 | tr '[a-z]' '[A-Z]')
 134 lang2=$(echo $langcode2 | tr '[a-z]' '[A-Z]')
 135 test "$lang1" = "CY" && lang1=CI
 136 test "$lang1" = "CMN" && lang1=cmn
 137 test "$lang1" = "GRC" && lang1=grc
 138 test "$lang1" = "HAW" && lang1=haw
 139 test "$lang1" = "YUE" && lang1=yue
 140 test "$lang2" = "CY" && lang2=CI
 141 test "$lang2" = "CMN" && lang2=cmn
 142 test "$lang2" = "GRC" && lang2=grc
 143 test "$lang2" = "HAW" && lang2=haw
 144 test "$lang2" = "YUE" && lang2=yue
 145 stoplist1=""
 146 stoplist2=""
 147 test -e data/inputs/stoplists/${langcode1}.txt && stoplist1="--lang1Stoplist=data/inputs/stoplists/${langcode1}.txt"
 148 test -e data/inputs/stoplists/${langcode2}.txt && stoplist2="--lang2Stoplist=data/inputs/stoplists/${langcode2}.txt"
 149 ./run.sh --lang1=$lang1 --lang2=$lang2 $stoplist1 $stoplist2 --dictOut=data/outputs/${lang1}-${lang2}.quickdic --dictInfo="(EN)Wiktionary-based ${lang1}-${lang2} dictionary." --input1=data/inputs/wikiSplit/en/EN.data --input1Name=enwikitionary --input1Format=EnTranslationToTranslation --input1LangPattern1=${langcode1} --input1LangPattern2=${langcode2}
 150 rm -f data/outputs/${lang1}-${lang2}.quickdic.${VERSION}.zip
 151 7z a -mx=9 data/outputs/${lang1}-${lang2}.quickdic.${VERSION}.zip ./data/outputs/${lang1}-${lang2}.quickdic
 152 done < EN-trans-dictlist.txt
 153 fi