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	33	5	-	-	-	-	-	-	-	-	38
Angličtina	8 327	2 357	52	38	2 190	272	48	36	6	58	13384
Arabština	142	-	-	-	-	-	-	-	-	-	142
Asturština	4	-	-	-	-	-	-	-	-	-	4
Běloruština	28	-	-	-	-	-	-	1	-	-	29
Bosenština	9	-	-	-	-	-	-	-	-	-	9
Bretonština	18	-	-	-	-	-	-	-	-	-	18
Bulharština	38	-	-	-	-	-	-	2	-	-	40
Čečenština	10	-	-	-	-	-	-	-	-	-	10
Čeština	24 988	9 919	188	224	3 558	1 381	94	135	121	380	40988
Dánština	147	47	3	24	9	-	-	-	-	-	230
Esperanto	658	-	9	-	-	12	-	-	-	-	679
Estonština	150	16	-	-	-	-	-	-	-	-	166
Fidžijština	-	-	-	-	1	-	-	-	-	-	1
Finština	1 818	314	-	-	-	116	-	-	-	-	2248
Francouzština	6 482	3 258	57	34	2 192	199	-	19	-	46	12287
Fríština	-	1	-	-	-	-	-	-	-	-	1
Galicijština	47	-	-	-	-	-	-	-	-	-	47
Hebrejština	623	-	-	-	-	-	-	-	-	-	623
Chorvatština	56	-	-	-	-	-	-	-	-	-	56
Interlingua	-	-	-	-	-	-	-	-	-	-
Irština	334	-	-	-	-	-	-	-	-	-	334
Islandština	162	-	-	2	-	-	-	-	-	-	164
Italština	1 857	258	14	-	164	38	-	11	-	-	2342
Japonština	3 193	-	-	-	-	-	-	-	-	-	3193
Kašubština	138	-	-	-	-	-	-	-	-	-	138
Katalánština	146	12	-	-	-	-	-	-	-	-	158
Kečuánština	5	-	-	-	-	-	-	-	-	-	5
Krymská tatarština	11	-	-	-	-	-	-	-	-	-	11
Latina	1 433	461	28	18	402	-	-	26	-	-	2368
Litevština	305	-	-	-	-	-	-	-	5	-	310
Lotyština	257	-	-	-	-	-	-	-	-	-	257
Maďarština	668	94	-	-	87	-	-	-	-	-	849
Makedonština	-	-	-	-	-	-	-	1	-	-	1
Němčina	8 831	1 993	44	90	861	269	40	37	9	-	12174
Nizozemština	850	171	16	-	165	-	-	-	-	-	1202
Norština	12	2	2	2	-	-	-	-	-	-	18
Okcitánština	86	-	-	-	-	-	-	-	-	-	86
Oshiwambo	0	-	0	-	0	-	-	-	-	-	0
Polština	4 294	246	23	-	-	40	-	14	6	-	4623
Portugalština	386	-	-	-	56	-	-	6	-	-	448
Romština	185	-	11	-	-	-	-	-	-	-	196
Rumunština	91	-	-	-	-	-	2	-	-	-	93
Ruština	1 686	1 372	20	-	303	-	-	7	-	-	3388
Řečtina	1 170	-	-	-	-	-	-	-	-	-	1170
Sanskrt	31	-	-	-	-	-	-	-	-	-	31
Skotská gaelština	15	-	-	-	-	-	-	-	-	-	15
Slovenština	1 777	825	31	12	221	88	20	18	-	-	2992
Slovinština	230	17	-	-	-	12	-	-	-	-	259
Slovio	0	-	-	-	-	-	-	0	-	-	0
Srbština	1 601	-	-	-	-	-	-	3	-	-	1604
Stará angličtina	29	-	-	-	-	-	-	3	-	-	32
Staroslověnština	-	-	-	-	-	-	-	2	-	-	2
Svahilština	92	-	-	-	-	-	-	-	-	-	92
Španělština	1 655	170	46	53	209	29	9	9	3	-	2183
Švédština	707	135	50	69	251	93	34	24	8	15	1386
Tádžičtina	-	-	-	-	-	-	1	-	-	-	1
Tofalarština	-	-	1	-	-	-	-	-	-	-	1
Turečtina	453	-	-	-	-	-	-	-	-	-	453
Ukrajinština	480	-	-	-	-	-	-	2	-	-	482
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