diff options
Diffstat (limited to 'payyans/payyans/payyans')
| -rwxr-xr-x | payyans/payyans/payyans | 191 |
1 files changed, 8 insertions, 183 deletions
diff --git a/payyans/payyans/payyans b/payyans/payyans/payyans index 378ceab..5b7d00d 100755 --- a/payyans/payyans/payyans +++ b/payyans/payyans/payyans @@ -21,18 +21,10 @@ # If you find any bugs or have any suggestions email: santhosh.thottingal@gmail.com # URL: http://www.smc.org.in -''' -പയ്യന്‍ ആളു തരികിടയാകുന്നു. ആസ്കി വേറൊരു തരികിടയും. -തരികിടയെ തരികിടകൊണ്ടു നേരിടുന്നതാണു് ബുദ്ധി. -അമേരിക്കാ-ഇറാഖ് യുദ്ധം താഴെപ്പറയും വിധമാകുന്നു. -''' - -'''ആവശ്യത്തിനുള്ള കോപ്പുകള്‍ കൂട്ടുക ''' -import sys #കുന്തം -import codecs #കൊടച്ചക്രം -import os #ശീലക്കുട -from optparse import OptionParser #മുറുക്കാന്‍ചെല്ലം +from payyans import Payyans +from optparse import OptionParser +import sys,os def error_exit(): print ''' Payyans Malayalam Ascii <--> Unicode Converter Version 0.3 @@ -50,7 +42,6 @@ class Payyan: parser.add_option("-o", "--output-file", dest="output_filename", help="the output file name") parser.add_option("-d", "--direction", dest="direction", help="'a2u': Ascii to Unicode, 'u2a': Unicode to Ascii") parser.add_option("-m", "--mapping-file", dest="mapping_filename", help="the ascii to unicode mapping file name") - parser.add_option("-p", "--pdf-file", action="store_true", dest="pdf", help="use this option if the input is a pdf file") parser.add_option("-v", "--version", action="store_true", dest="version", help="print the version of this program") (options, args) = parser.parse_args() '''നീ ആരാകുന്നു?''' @@ -70,179 +61,13 @@ class Payyan: '''വഴി പറയൂ സഖാവേ''' print "\tInvalid direction" error_exit() - self.options = options - self.rulesDict = self.LoadRules() - if self.options.direction == 'a2u': - self.Ascii2Uni() + p=Payyans(options.input_filename ,options.output_filename, options.mapping_filename) + p.ascii2unicode() + if options.direction == 'a2u': + p.ascii2unicode() else: - self.Uni2Ascii() - - def Uni2Ascii(self): - '''പണിതുടങ്ങട്ടെ''' - if self.options.input_filename : - uni_file = codecs.open(self.options.input_filename, encoding = 'utf-8', errors = 'ignore') - else : - uni_file = codecs.open(sys.stdin, encoding = 'utf-8', errors = 'ignore') - text = "" - if self.options.output_filename : - output_file = codecs.open(self.options.output_filename, encoding = 'utf-8', errors = 'ignore', mode='w+') - while 1: - text =uni_file.readline() - if text == "": - break - index = 0 - ascii_text = "" - prebase_letter="" - while index < len(text): - '''കൂട്ടക്ഷരങ്ങള്‍ക്കൊരു കുറുക്കുവഴി''' - for charNo in [3,2,1]: - letter = text[index:index+charNo] - if letter in self.rulesDict: - ascii_letter = self.rulesDict[letter] - letter = letter.encode('utf8') - '''കിട്ടിയ അക്ഷരങ്ങളുടെ അപ്പുറത്തും ഇപ്പുറത്തും സ്വരചിഹ്നങ്ങള്‍ ഫിറ്റ് ചെയ്യാനുള്ള ബദ്ധപ്പാട്''' - if letter == 'ൈ': # പിറകില്‍ രണ്ടു സാധനം പിടിപ്പിക്കുക - ascii_text = ascii_text[:-1] + ascii_letter*2 + ascii_text[-1:] - elif (letter == 'ോ') | (letter == 'ൊ') | (letter == 'ൌ'): #മുമ്പിലൊന്നും പിറകിലൊന്നും - ascii_text = ascii_text[:-1] + ascii_letter[0] + ascii_text[-1:] + ascii_letter[1] - elif (letter == 'െ') | (letter == 'േ') |(letter == '്ര'): #പിറകിലൊന്നുമാത്രം - ascii_text = ascii_text[:-1] + ascii_letter + ascii_text[-1:] - else: - ascii_text = ascii_text + ascii_letter - index = index+charNo - break - else: - '''നോക്കിയിട്ടു കിട്ടുന്നില്ല ബായി''' - ascii_letter = letter - ascii_text = ascii_text + ascii_letter - index = index + 1 - - if self.options.output_filename : - output_file.write(ascii_text) - else: - print ascii_text.encode('utf-8') - return "പയ്യന്‍ നല്ലോരു യൂണിക്കോട് ഫയലില്‍ കേറി നെരങ്ങി ആസ്ക്കിയാക്കി. ദൈവമേ, ഈ പയ്യനു നല്ലബുദ്ധി തോന്നിക്കണേ..." - - def Ascii2Uni(self): - if self.options.pdf : - command = "pdftotext '" + self.options.input_filename +"'" - process = os.popen(command, 'r') - status = process.close() - if status: - print "The input file is a PDF file. To convert this the pdftotext utility is required. " - print "This feature is available only for GNU/Linux Operating system." - '''ഊഹും. കൊന്നാലും ഇനി മുന്നോട്ടില്ല. മുന്നില്‍ മറ്റവനാകുന്നു. ഏതു്? ''' - sys.exit(1) - else: - self.options.input_filename = self.options.input_filename.split(".") [0]+ ".txt" - if self.options.input_filename : - ascii_file = codecs.open(self.options.input_filename, encoding = 'utf-8', errors = 'ignore') - else : - ascii_file = codecs.open(sys.stdin, encoding = 'utf-8', errors = 'ignore') - - text = "" - if self.options.output_filename : - output_file = codecs.open(self.options.output_filename, encoding = 'utf-8', errors = 'ignore', mode='w+') - - '''സത്യമുള്ളടത്തോളം... അതുകൊണ്ടു തന്നെ ടെര്‍മിനേഷന്‍ ഉറപ്പു്''' - while 1: - text =ascii_file.readline() - if text == "": - break - index = 0 - unicode_text = "" - prebase_letter="" - while index < len(text): - letter = text[index] - if letter in self.rulesDict: - unicode_letter = self.rulesDict[letter] - else: - unicode_letter = letter - if(self.isPrebase(unicode_letter)) : - prebase_letter = unicode_letter - else: - if ((unicode_letter.encode('utf-8') == "എ") | ( unicode_letter.encode('utf-8') == "ഒ" )): - unicode_text = unicode_text + self.getVowelSign(prebase_letter , unicode_letter) - else: - unicode_text = unicode_text + unicode_letter+ prebase_letter - prebase_letter="" - - index = index + 1 - if self.options.output_filename : - output_file.write(unicode_text) - else: - print unicode_text.encode('utf-8') - - return "പയ്യന്റെ അവതാരോദ്ദേശ്യം പൂര്‍ണ്ണമായിരിക്കുന്നു. ഇനി മടക്കം. റിട്ടേണ്‍...!" - - def getVowelSign(self, vowel_letter, vowel_sign_letter): - vowel= vowel_letter.encode('utf-8') - vowel_sign= vowel_sign_letter.encode('utf-8') - if vowel == "എ": - if vowel_sign == "െ": - return "ഐ" - if vowel == "ഒ": - if vowel_sign == "ാ": - return "ഓ" - if vowel_sign =="ൗ": - return "ഔ" - return (vowel_letter+ vowel_sign_letter) - - def isPrebase(self, letter): - ''' - ഇതെന്തിനാന്നു ചോദിച്ചാ, ഈ അക്ഷരങ്ങളുടെ ഇടതു വശത്തെഴുതുന്ന സ്വര ചിഹ്നങ്ങളുണ്ടല്ലോ? - അവ ആസ്കി തരികിടയില്‍ എഴുതുന്നതു് ഇടതു വശത്തു തന്നെയാ. യൂണിക്കോഡില്‍ അക്ഷരത്തിനു ശേഷവും - അപ്പൊ ആ വക സംഭവങ്ങളെ തിരിച്ചറിയാനാണു് ഈ സംഭവം. - "തരികിട തരികിടോ ധീംതരികിട" (തരികിട തരികിടയാല്‍) എന്നു പയ്യന്റെ ഗുരു പയ്യഗുരു പയ്യെ മൊഴിഞ്ഞിട്ടുണ്ടു്. - ''' - unicode_letter = letter.encode('utf-8') - if( ( unicode_letter == "േ" ) | ( unicode_letter == "ൈ" ) | ( unicode_letter == "ൊ" ) | ( unicode_letter == "ോ" ) | ( unicode_letter == "ൌ" ) - | ( unicode_letter == "്ര" ) | ( unicode_letter == "െ" ) - ): - return "ഇതു സത്യം... അ...സത്യം.... അസത്യം...!" - - - def LoadRules(self): - ''' - ഈ സംഭവമാണു് മാപ്പിങ്ങ് ഫയല്‍ എടുത്തു് വായിച്ചു പഠിക്കുന്നതു്. - ''' - rules_dict = dict() - line = [] - line_number = 0 - rules_file = codecs. open(self.options.mapping_filename,encoding='utf-8', errors='ignore') - while 1: - ''' ലൈന്‍ നമ്പര്‍ , മാപ്പിങ്ങ് ഫയലില്‍ തെറ്റുണ്ടെങ്കില്‍ പറയാന്‍ ആവശ്യാണു് ''' - line_number = line_number +1 - text = unicode( rules_file.readline()) - if text == "": - break - '''കമന്റടിച്ചേ മത്യാവൂന്നു വെച്ചാ ആവാം. ഒട്ടും മുഷിയില്ല്യ''' - if text[0] == '#': - continue - ''' കമന്റടി പതിവുപോലെ മൈന്റ് ചെയ്യണ്ട ഒന്നും കണ്ടില്യാ കേട്ടില്യാന്നു വെച്ചു നടന്നോളൂ(മനസ്സില്‍ ചിരിച്ചോളൂ) ''' - line = text.strip() - if(line == ""): - continue - '''ലൈനൊന്നും ല്യാ, മോശം.. ങും പോട്ടെ. വേറെ ലൈന്‍ പിടിക്കാം''' - if(len(line.split("=")) != 2): - '''എന്തോ പ്രശ്നണ്ടു്. ന്നാ അതങ്ങടു തുറന്നു പറഞ്ഞേക്കാം''' - print "Error: Syntax Error in the Ascii to Unicode Map in line number ", line_number - print "Line: "+ text - '''പരിപാടി നിര്‍ത്താം ''' - sys.exit(2) - '''ഇടതന്‍''' - lhs = line.split("=") [ 0 ] - '''വലതന്‍''' - rhs = line.split("=") [ 1 ] - '''ഇതിനിടക്കിനി മൂന്നാമനു സ്കോപ്പിണ്ടോ? ''' - '''മറക്കാതെ ഇരിക്കട്ടെ. ആവശ്യം വരും ''' - if self.options.direction == 'a2u': - rules_dict[lhs]=rhs - else: - rules_dict[rhs]=lhs - return rules_dict + p.unicode2ascii() - if __name__ == "__main__": '''ഒരു പയ്യന്‍ അവതരിക്കുന്നു. ''' rule= Payyan() |