Uživatel:Stardust85/statistika

Kód wikitabulky vygenerován skriptem - počítá pouze existující kategorie. Vznikne-li nová kategorie, musí se sem ručně doplnit (nebo spustit znovu skript).

tabulka

počet hesel získaný pomocí makra PAGESINCATEGORY

jazyk / druh	subst.	adjekt.	zájm.	čísl.	slovesa	příslovce	předložky	spojky	částice	citosl.	celkem
Afrikánština	29	4	-	-	-	-	-	-	-	-	33
Angličtina	8 101	2 254	49	38	2 143	265	48	36	5	54	12993
Arabština	139	-	-	-	-	-	-	-	-	-	139
Asturština	4	-	-	-	-	-	-	-	-	-	4
Běloruština	26	-	-	-	-	-	-	1	-	-	27
Bosenština	9	-	-	-	-	-	-	-	-	-	9
Bretonština	18	-	-	-	-	-	-	-	-	-	18
Bulharština	36	-	-	-	-	-	-	2	-	-	38
Čečenština	10	-	-	-	-	-	-	-	-	-	10
Čeština	24 225	9 357	169	214	3 340	1 311	94	131	119	369	39329
Dánština	141	46	3	24	6	-	-	-	-	-	220
Esperanto	641	-	9	-	-	12	-	-	-	-	662
Estonština	126	8	-	-	-	-	-	-	-	-	134
Fidžijština	-	-	-	-	1	-	-	-	-	-	1
Finština	1 802	314	-	-	-	116	-	-	-	-	2232
Francouzština	6 364	3 225	56	34	2 179	198	-	19	-	45	12120
Fríština	-	1	-	-	-	-	-	-	-	-	1
Galicijština	47	-	-	-	-	-	-	-	-	-	47
Hebrejština	619	-	-	-	-	-	-	-	-	-	619
Chorvatština	54	-	-	-	-	-	-	-	-	-	54
Interlingua	-	-	-	-	-	-	-	-	-	-	'
Irština	307	-	-	-	-	-	-	-	-	-	307
Islandština	151	-	-	2	-	-	-	-	-	-	153
Italština	1 840	252	14	-	163	38	-	11	-	-	2318
Japonština	2 694	-	-	-	-	-	-	-	-	-	2694
Kašubština	136	-	-	-	-	-	-	-	-	-	136
Katalánština	143	9	-	-	-	-	-	-	-	-	152
Kečuánština	5	-	-	-	-	-	-	-	-	-	5
Krymská tatarština	9	-	-	-	-	-	-	-	-	-	9
Latina	1 422	458	28	18	401	-	-	26	-	-	2353
Litevština	288	-	-	-	-	-	-	-	5	-	293
Lotyština	254	-	-	-	-	-	-	-	-	-	254
Maďarština	548	89	-	-	85	-	-	-	-	-	722
Makedonština	-	-	-	-	-	-	-	1	-	-	1
Němčina	8 713	1 962	44	90	831	265	40	37	9	-	11991
Nizozemština	634	111	15	-	110	-	-	-	-	-	870
Norština	10	2	2	2	-	-	-	-	-	-	16
Okcitánština	85	-	-	-	-	-	-	-	-	-	85
Oshiwambo	0	-	0	-	0	-	-	-	-	-	0
Polština	4 100	217	23	-	-	36	-	14	6	-	4396
Portugalština	377	-	-	-	55	-	-	6	-	-	438
Romština	185	-	11	-	-	-	-	-	-	-	196
Rumunština	86	-	-	-	-	-	2	-	-	-	88
Ruština	1 615	1 359	20	-	287	-	-	7	-	-	3288
Řečtina	1 012	-	-	-	-	-	-	-	-	-	1012
Sanskrt	31	-	-	-	-	-	-	-	-	-	31
Skotská gaelština	15	-	-	-	-	-	-	-	-	-	15
Slovenština	1 688	801	31	12	171	78	19	17	-	-	2817
Slovinština	148	15	-	-	-	12	-	-	-	-	175
Slovio	0	-	-	-	-	-	-	0	-	-	0
Srbština	1 599	-	-	-	-	-	-	3	-	-	1602
Stará angličtina	29	-	-	-	-	-	-	3	-	-	32
Staroslověnština	-	-	-	-	-	-	-	2	-	-	2
Svahilština	91	-	-	-	-	-	-	-	-	-	91
Španělština	1 642	159	42	53	202	29	9	9	3	-	2148
Švédština	701	134	49	69	250	93	34	24	8	14	1376
Tádžičtina	-	-	-	-	-	-	1	-	-	-	1
Tofalarština	-	-	1	-	-	-	-	-	-	-	1
Turečtina	438	-	-	-	-	-	-	-	-	-	438
Ukrajinština	261	-	-	-	-	-	-	2	-	-	263
Velština	21	-	4	-	-	-	-	-	-	-	25

kód skriptu

#!/bin/bash

# Generates table with detailed statistics about languages for cs.wiktionary.org
# see the result at cs.wiktionary.org/wiki/Uživatel:Stardust85/statistika

# author: Michel Samia (m.samia at seznam.cz)
# usage: $ ./newstats.sh > wikitable.txt

# WARNING: this script LOADS wikimedia servers by one request per language category
# (now mid 2009 about 60 GETs), so don't run it too often

LANG= # because behaviour of sorting, greping and other things are locale-dependent
DOMAIN="http://cs.wiktionary.org/wiki"
TYPES="substantiva\nadjektiva\nzájmena\nčíslovky\nslovesa\npříslovce\npředložky\nspojky\nčástice\ncitoslovce"

mkdir langs
i=0 # counter

echo -e "\nSTEP 1: Downloading categories" >&2

# Get list of language categories
wget -q -O- http://cs.wiktionary.org/wiki/Kategorie:Jazykov%C3%A9_kategorie |grep '<span class="CategoryTreeBullet">' | 
{
	echo "Next language..." >&2
	while read line
	do
		# page containing categories by types of words of given language (nouns, verbs...)
		langHref="$DOMAIN` echo $line | sed -e 's/^.*wiki//' | sed -e 's/".*$//'`"
		# name of the language
		langName="`echo $line | cut -d'>' -f 12 | cut -d'<' -f1`"

		echo -n > "langs/${langName}"
		echo $i $langName >&2

		i=$[ i + 1 ]

		# uz mame url kategorie s jazykem, ted z nej musime ziskat vhodne podkategorie
		# ty ulozime po radcich do lang/$langname, napr lang/Afrikánština
		wget -q -O- $langHref | grep '<li><div class="CategoryTreeSection"><div class="CategoryTreeItem">' | 
		{
			sum=0
			while read line2
			do
				typeHref="` echo $line2 | sed -e 's/<[^>]*>//g' | sed -e 's/\[.*\]//' | sed -e 's/(.*$//'`"
				echo "$typeHref" >> "langs/$langName"
			done
		}
		echo -n "sleeping..." >&2
		sleep 1 
		echo "OK" >&2
	done
}


######## generating the table ######

#now we have all the data and we can generate the table
echo -e "\nSTEP 2: Creating table" >&2

cd langs/

i=0
for file in *
do
	echo "$i: $file" >&2
	i=$[ i+1 ]

	echo " | $file"
	echo -e "${TYPES}" |
	{
		while read druh
		do
			completeDruh="`grep "$druh" "$file" | sed 's/^ //'`"
			if [[ "$completeDruh" == "" ]]
			then
				echo ' | -'
			else
				
				echo " | [[:Kategorie:$completeDruh| {{PAGESINCATEGORY:$completeDruh}}]]"
			fi
		done
	}

	echo " |  '''{{#expr:"

	first="true"

	echo -e "${TYPES}" |
	{
		while read druh
		do
			completeDruh="`grep "$druh" "$file" | sed 's/^ //'`"
			if [[ $completeDruh != "" ]]
			then
				if [[ $first == "true" ]]
				then
					echo "{{PAGESINCATEGORY:$completeDruh|R}}"
					first="false"
				else
					echo "+{{PAGESINCATEGORY:$completeDruh|R}}"
				fi
			fi
		done

		echo "}}'''"
		echo " |-"
	}
done