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	34	5	-	-	-	-	-	-	-	-	39
Angličtina	8 406	2 393	52	38	2 218	273	48	36	6	59	13529
Arabština	144	-	-	-	-	-	-	-	-	-	144
Asturština	4	-	-	-	-	-	-	-	-	-	4
Běloruština	30	-	-	-	-	-	-	1	-	-	31
Bosenština	9	-	-	-	-	-	-	-	-	-	9
Bretonština	18	-	-	-	-	-	-	-	-	-	18
Bulharština	41	-	-	-	-	-	-	2	-	-	43
Čečenština	10	-	-	-	-	-	-	-	-	-	10
Čeština	25 318	10 019	188	224	3 622	1 404	94	135	122	384	41510
Dánština	147	47	3	24	9	-	-	-	-	-	230
Esperanto	664	-	9	-	-	12	-	-	-	-	685
Estonština	287	37	-	-	-	-	-	-	-	-	324
Fidžijština	-	-	-	-	1	-	-	-	-	-	1
Finština	1 862	316	-	-	-	117	-	-	-	-	2295
Francouzština	6 561	3 282	57	34	2 202	211	-	19	-	47	12413
Fríština	-	1	-	-	-	-	-	-	-	-	1
Galicijština	46	-	-	-	-	-	-	-	-	-	46
Hebrejština	625	-	-	-	-	-	-	-	-	-	625
Chorvatština	57	-	-	-	-	-	-	-	-	-	57
Interlingua	-	-	-	-	-	-	-	-	-	-
Irština	339	-	-	-	-	-	-	-	-	-	339
Islandština	167	-	-	2	-	-	-	-	-	-	169
Italština	1 949	299	14	-	221	46	-	11	-	-	2540
Japonština	3 300	-	-	-	-	-	-	-	-	-	3300
Kašubština	139	-	-	-	-	-	-	-	-	-	139
Katalánština	149	12	-	-	-	-	-	-	-	-	161
Kečuánština	5	-	-	-	-	-	-	-	-	-	5
Krymská tatarština	11	-	-	-	-	-	-	-	-	-	11
Latina	1 432	465	28	18	403	-	-	26	-	-	2372
Litevština	314	-	-	-	-	-	-	-	6	-	320
Lotyština	265	-	-	-	-	-	-	-	-	-	265
Maďarština	855	118	-	-	126	-	-	-	-	-	1099
Makedonština	-	-	-	-	-	-	-	1	-	-	1
Němčina	8 902	2 027	44	90	876	270	42	38	9	-	12298
Nizozemština	898	227	16	-	167	-	-	-	-	-	1308
Norština	12	2	2	2	-	-	-	-	-	-	18
Okcitánština	86	-	-	-	-	-	-	-	-	-	86
Oshiwambo	0	-	0	-	0	-	-	-	-	-	0
Polština	4 418	255	23	-	-	42	-	15	7	-	4760
Portugalština	390	-	-	-	56	-	-	6	-	-	452
Romština	185	-	11	-	-	-	-	-	-	-	196
Rumunština	93	-	-	-	-	-	2	-	-	-	95
Ruština	1 704	1 379	21	-	309	-	-	7	-	-	3420
Řečtina	1 186	-	-	-	-	-	-	-	-	-	1186
Sanskrt	31	-	-	-	-	-	-	-	-	-	31
Skotská gaelština	15	-	-	-	-	-	-	-	-	-	15
Slovenština	1 829	838	31	12	227	89	21	18	-	-	3065
Slovinština	235	17	-	-	-	12	-	-	-	-	264
Slovio	0	-	-	-	-	-	-	0	-	-	0
Srbština	1 601	-	-	-	-	-	-	3	-	-	1604
Stará angličtina	30	-	-	-	-	-	-	3	-	-	33
Staroslověnština	-	-	-	-	-	-	-	2	-	-	2
Svahilština	92	-	-	-	-	-	-	-	-	-	92
Španělština	1 667	173	46	53	210	30	9	10	3	-	2201
Švédština	710	134	50	69	251	93	34	24	8	15	1388
Tádžičtina	-	-	-	-	-	-	1	-	-	-	1
Tofalarština	-	-	1	-	-	-	-	-	-	-	1
Turečtina	458	-	-	-	-	-	-	-	-	-	458
Ukrajinština	546	-	-	-	-	-	-	2	-	-	548
Velština	22	-	4	-	-	-	-	-	-	-	26

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