Wikipedista:Dinybot/Původní popis

Obsah této stránky není aktuální.

Robot TypoBot slouží pro automatizované typografické a jazykové korekce české wikipedie. Spravuje jej Martin Kozák. Veškeré výhrady podněty směřujte, prosím, do jeho uživatelské diskuze.

Jak robot pracuje

Bot využívá modul replace.py nástroje Python Wikipediabot Framework (verze snapshot-20060312) s doplněnými pravidly uvedenými níže. Je tedy napsaný v jazyce Python. Je spouštěn ručně přibližně jednou za čtrnáct dní až tři týdny. Zatím pracuje z dynamické IP adresy, převážně z 89.102.66.215.

Náhrady

Náhrady probíhají v celém textu článku s výjimkou obsahu v závorkách <>{}[], článků obsahujících <pre></pre><code></code>, článků kde je použito zvýraznění odsazením od začátku řádku a URL.

Typografické znaky

původní řetězec	náhrada	regularní výraz	náhrada
(r)	®	r'(?<!\[[^\]^]{300000})\(r\)(\s+|\.|,|$)(?![^\[]*\])'	u'\u00AE' + r'\1'
(tm)	™	r'(?<!\[[^\]^]{300000})\(tm\)(\s+|\.|,|$)(?![^\[]*\])'	u'\u2122' + r'\1'
""	„“	r'(?<!\[[^\]^]{300000})(\s+|\.\.\.|^)"([^"\]\[]+)"(\s+|,|\.|:|\.\.\.|$)(?![^\[]*\])'	r'\1' + u'\u201E' + r'\2' + u'\u201C' + r'\3'
...	…	r'(?<!\[[^\]^]{300000})\.\.\.(\s+|$)(?![^\[]*\])'	u'\u2026' + r'\1'
...	…	r'(?<!\[[^\]^]{300000})(\s+|^)\.\.\.(?![^\[]*\])'	r'\1' + u'\u2026'
-	–	r'(?<!\[[^\]^]{300000})([^\W\d]{4,}\s+)-(\s+[^\W\d]{4,})(?![^\[]*\])'	r'\1' + u'\u2013' + r'\2'

Textové náhrady

původní řetězec	náhrada	regularní výraz	náhrada
viz.	viz	r'(?<!\[[^\]^]{300000})(\s+|^)(V|v)iz\.(\s+)(?![^\[]*\])'	r'\1\2iz\3'

Zatím nerealizované náhrady

Textové náhrady

• Bc.->Bc. 
• BcA.->BcA. 
• Mgr.->Mgr. 
• MgA.->MgA. 
• Ing.->Ing. 
• Ing.->Ing. 
• arch.->arch. 
• JUDr.->JUDr. 
• ICDr.->ICDr. 
• MDDr.->MDDr. 
• MSDr.->MSDr. 
• MUDr.->MUDr. 
• MVDr.->MVDr. 
• PaedDr.->PaedDr. 
• PharmDr.->PharmDr. 
• PhDr.->PhDr. 
• PhMr.->PhMr. 
• RNDr.->RNDr. 
• RSDr.->RSDr. 
• ThLic.->ThLic. 
• ThDr.->ThDr. 
• s.r.o.->s. r. o.
• a.s.->a. s.
• k.s.->k. s.
• v.o.s.->v. o. s.
• o.p.s.->o. p. s.
• ,s.r.o.->, s. r. o.
• ,k.s.->, k. s.
• ,a.s.->, a. s.
• ,v.o.s.->, v. o. s.
• ,o.p.s.->, o. p. s.

Jazykové náhrady

• křestu->křtu
• dizident->disident
• lyžiny->ližiny
• lobismus->lobbismus
• lobista->lobbista
• městysích->městysech
• mlýt->mlít
• zapomě*->zapomně*
• připomě*->připomně*
• vzpomě*->vzpomně*
• narozdíl->na rozdíl
• pracem->pracím
• pracech->pracích
• bizardní->bizarní
• terciální*->terciární*
• lombartní->lombardní
• stádium->stadium
• standartní->standardní
• standartizace->standardizace
• trojůhelník->trojúhelník
• bezezbytku->beze zbytku
• poviný->povinný
• poviná->povinná
• poviné->povinné
• povině->povinně
• povina->povinna
• povini->povinni
• vyjímk*->výjimk*
• vyjímek->výjimek
• *dení->*denní
• vyjímečn*->výjimečn*
• polyklinika->poliklinika
• expertíz*->expertiz*
• severní Amerika->Severní Amerika
• jižní Amerika->Jižní Amerika
• kdo z koho->kdo s koho
• tůr*->túr*
• deně->denně
• standarda->standarta
• standartem->standardem
• ztrávi*->strávi*
• ztráven*->stráven*
• lazer->laser
• hudebně literární*->hudebně-literární*
• dvěmi->dvěma

Pomocné operace (před a po)

Před vlastním nahrazením náhrad dojde ke konverzi nezazávorkovaných URL na závorkované:

r'(?!\[)((http|https|ftp)\://([a-zA-Z0-9\.\-]+(\:[a-zA-Z0-9\.&%\$\-]+)*@)?((25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])|([a-zA-Z0-9\-]+\.)*[a-zA-Z0-9\-]+\.[a-zA-Z]{2,4})(\:[0-9]+)?(/[^/][a-zA-Z0-9\.\,\?\'\\/\+&%\$#\=~_\-@]*)*)(?!\])'

na

r'[<!--TYPOBOT-LINK-HANDLER-->\1<!--/TYPOBOT-LINK-HANDLER-->]'

Po dokončení nahrazování dojde zpět k navrácení nezávorkovaných odkazů:

r'\[<!--TYPOBOT-LINK-HANDLER-->((http|https|ftp)\://([a-zA-Z0-9\.\-]+(\:[a-zA-Z0-9\.&%\$\-]+)*@)?((25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])|([a-zA-Z0-9\-]+\.)*[a-zA-Z0-9\-]+\.[a-zA-Z]{2,4})(\:[0-9]+)?(/[^/][a-zA-Z0-9\.\,\?\'\\/\+&%\$#\=~_\-@]*)*)<!--/TYPOBOT-LINK-HANDLER-->\]'

na

r'\1'