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"
  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 $EN_DICTS; then
  21 # Note: using input1 seems to hang for ZH currently!
  22 while read langcode langname ; do
  23 lang=$(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://${langcode}.wiktionary.org/wiki/%s"
  33 fi
  34
  35 stoplist=""
  36 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
  37 ./run.sh --lang1=EN --lang2=$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 $reverse_dicts
  38 rm -f data/outputs/EN-${lang}.quickdic.${VERSION}.zip
  39 7z a -mx=9 data/outputs/EN-${lang}.quickdic.${VERSION}.zip ./data/outputs/EN-${lang}.quickdic
  40
  41 done < EN-foreign-dictlist.txt
  42 fi
  43
  44 # EnEnglish only makes the dictionary cluttered
  45 #./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
  46 #rm -f data/outputs/EN.quickdic.${VERSION}.zip
  47 #7z a -mx=9 data/outputs/EN.quickdic.${VERSION}.zip ./data/outputs/EN.quickdic
  48
  49 for langcode in $SINGLE_DICTS ; do
  50 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  51 ./run.sh --lang1=$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
  52 rm -f data/outputs/${lang}.quickdic.${VERSION}.zip
  53 7z a -mx=9 data/outputs/${lang}.quickdic.${VERSION}.zip ./data/outputs/${lang}.quickdic
  54
  55 done
  56
  57 if $DE_DICTS; then
  58 while read langcode langname ; do
  59 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  60 test "$lang" = "CY" && lang=CI
  61 test "$lang" = "CMN" && lang=cmn
  62 test "$lang" = "GRC" && lang=grc
  63 test "$lang" = "HAW" && lang=haw
  64 test "$lang" = "YUE" && lang=yue
  65
  66 reverse_dicts=""
  67 if test "$lang" = "FR" -o "$lang" = "IT" ; then
  68 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"
  69 fi
  70
  71 stoplist=""
  72 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
  73 input0=""
  74 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"
  75 input2=""
  76 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"
  77 ./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 $reverse_dicts
  78 rm -f data/outputs/DE-${lang}.quickdic.${VERSION}.zip
  79 7z a -mx=9 data/outputs/DE-${lang}.quickdic.${VERSION}.zip ./data/outputs/DE-${lang}.quickdic
  80
  81 done < DE-foreign-dictlist.txt
  82 fi
  83
  84 if $FR_DICTS; then
  85 while read langcode langname ; do
  86 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
  87 test "$lang" = "CY" && lang=CI
  88 test "$lang" = "CMN" && lang=cmn
  89 test "$lang" = "GRC" && lang=grc
  90 test "$lang" = "HAW" && lang=haw
  91 test "$lang" = "YUE" && lang=yue
  92
  93 reverse_dicts=""
  94 if test "$lang" = "DE" -o "$lang" = "IT" ; then
  95 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"
  96 fi
  97
  98 stoplist=""
  99 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
 100 ./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 $reverse_dicts
 101 rm -f data/outputs/FR-${lang}.quickdic.${VERSION}.zip
 102 7z a -mx=9 data/outputs/FR-${lang}.quickdic.${VERSION}.zip ./data/outputs/FR-${lang}.quickdic
 103
 104 done < FR-foreign-dictlist.txt
 105 fi
 106
 107 if $IT_DICTS; then
 108 while read langcode langname ; do
 109 lang=$(echo $langcode | tr '[a-z]' '[A-Z]')
 110 test "$lang" = "CY" && lang=CI
 111 test "$lang" = "CMN" && lang=cmn
 112 test "$lang" = "GRC" && lang=grc
 113 test "$lang" = "HAW" && lang=haw
 114 test "$lang" = "YUE" && lang=yue
 115
 116 reverse_dicts=""
 117 if test "$lang" = "FR" -o "$lang" = "DE" ; then
 118 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"
 119 fi
 120
 121 stoplist=""
 122 test -e data/inputs/stoplists/${langcode}.txt && stoplist="--lang2Stoplist=data/inputs/stoplists/${langcode}.txt"
 123 ./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 $reverse_dicts
 124 rm -f data/outputs/IT-${lang}.quickdic.${VERSION}.zip
 125 7z a -mx=9 data/outputs/IT-${lang}.quickdic.${VERSION}.zip ./data/outputs/IT-${lang}.quickdic
 126
 127 done < IT-foreign-dictlist.txt
 128 fi
 129
 130 if $EN_TRANS_DICTS; then
 131 while read langcode1 langname1 langcode2 langname2 ; do
 132 lang1=$(echo $langcode1 | tr '[a-z]' '[A-Z]')
 133 lang2=$(echo $langcode2 | tr '[a-z]' '[A-Z]')
 134 test "$lang1" = "CY" && lang1=CI
 135 test "$lang1" = "CMN" && lang1=cmn
 136 test "$lang1" = "GRC" && lang1=grc
 137 test "$lang1" = "HAW" && lang1=haw
 138 test "$lang1" = "YUE" && lang1=yue
 139 test "$lang2" = "CY" && lang2=CI
 140 test "$lang2" = "CMN" && lang2=cmn
 141 test "$lang2" = "GRC" && lang2=grc
 142 test "$lang2" = "HAW" && lang2=haw
 143 test "$lang2" = "YUE" && lang2=yue
 144 stoplist1=""
 145 stoplist2=""
 146 test -e data/inputs/stoplists/${langcode1}.txt && stoplist1="--lang1Stoplist=data/inputs/stoplists/${langcode1}.txt"
 147 test -e data/inputs/stoplists/${langcode2}.txt && stoplist2="--lang2Stoplist=data/inputs/stoplists/${langcode2}.txt"
 148 ./run.sh --lang1=$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}
 149 rm -f data/outputs/${lang1}-${lang2}.quickdic.${VERSION}.zip
 150 7z a -mx=9 data/outputs/${lang1}-${lang2}.quickdic.${VERSION}.zip ./data/outputs/${lang1}-${lang2}.quickdic
 151 done < EN-trans-dictlist.txt
 152 fi