Blame view
tools/scripts/BdlexUC.pl
2.84 KB
e6be5137b
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 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 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 |
#!/usr/bin/perl use strict; #use warnings; my %chars2bdlexMap; my %bdlex2charsMap; my $charsRegex = ""; my $bdlexRegex = ""; my $universalRegTo = ""; my $universalRegFrom = ""; if($#ARGV == 1) { initializeMapsAndRegex($ARGV[0]); if($ARGV[1] eq "-t") { readTxt(1); } elsif($ARGV[1] eq "-tw"){ readTxt(2); } else { readTxt(0); } } else { die "BAD USAGE : <rules_file> <direction> "."direction:\t-t : to \t\t-f : from \t\t-tw : to, respecting words boundaries "; } sub readTxt { (my $direction) = ($_[0]); while(<STDIN>) { if($direction == 1) { print convertToBdlex($_); } elsif($direction == 2) { print convertWord($_); } else { print convertFromBdlex($_); } } } sub initializeMapsAndRegex { #recup de l'argument (my $ruleFile) = ($_[0]); open(RULE_FILE, $ruleFile); my $universalReg = ""; while(<RULE_FILE>) { #lecture du fichier contenant les regles de convertion chop($_); my @columns = split("\t"); if($#columns == 1) { $chars2bdlexMap{$columns[0]} = $columns[1]; $bdlex2charsMap{$columns[1]} = $columns[0]; #recuperation du premier caractere du code si necessaire (pour la regle universelle) my (@firstChar) = ($columns[1] =~ /^./g); if($universalReg !~ /$firstChar[0]/){ $universalReg .= $firstChar[0]; } #construction des regex if($charsRegex eq "") { $charsRegex .= $columns[0]; $bdlexRegex .= $columns[1]; } else { $charsRegex .= "|".$columns[0]; $bdlexRegex .= "|".$columns[1]; } } } $universalRegTo = "([".$universalReg."])([0-9])"; $universalRegFrom = "([".$universalReg."])(0)"; close(RULE_FILE); } sub convertToBdlex { #recup de l'argument my $convertedString = $_[0]; #on transforme ce qui match avec l'expression universelle pour eviter les conflits $convertedString =~ s/$universalRegTo/$1.\(0\).$2/g; $convertedString =~ s/.\(0\)./0/g; #on recuperer ce qui match avec l'expression reguliere my (@match) = ($convertedString =~ /$charsRegex/g); for(my $i = 0; $i <= $#match; $i++) { $convertedString =~ s/$match[$i]/$chars2bdlexMap{$match[$i]}/; } $convertedString; } sub convertWord { #recup de l'argument my $convertedString = $_[0]; #on recuperer ce qui match avec l'expression reguliere my (@match) = ($convertedString =~ /\b($charsRegex)\b/g); for(my $i = 0; $i <= $#match; $i++) { $convertedString =~ s/\b$match[$i]\b/$chars2bdlexMap{$match[$i]}/; } $convertedString; } sub convertFromBdlex { #recup de l'argument my $convertedString = $_[0]; #on recuperer ce qui match avec l'expression reguliere my (@match) = ($convertedString =~ /$bdlexRegex/g); for(my $i = 0; $i <= $#match; $i++) { $convertedString =~ s/$match[$i]/$bdlex2charsMap{$match[$i]}/; } #on transforme ce qui match avec l'expression universelle apres pour eviter les conflits $convertedString =~ s/$universalRegFrom/$1/g; $convertedString; } |