Uživatel:Stardust85/statistika

Z Wikislovníku
Skočit na navigaci Skočit na vyhledávání

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

tabulka[editovat]

počet hesel získaný pomocí makra PAGESINCATEGORY
jazyk / druh subst. adjekt. zájm. čísl. slovesa příslovce předložky spojky částice citosl. celkem
Afrikánština 23 2 - - - - - - - - 25
Angličtina 6 665 1 505 47 35 1 776 209 40 34 4 35 10350
Arabština 73 - - - - - - - - - 73
Asturština 4 - - - - - - - - - 4
Běloruština 18 - - - - - - 1 - - 19
Bosenština 6 - - - - - - - - - 6
Bretonština 16 - - - - - - - - - 16
Bulharština 21 - - - - - - 1 - - 22
Čečenština 8 - - - - - - - - - 8
Čeština 18 618 6 519 119 156 2 599 962 85 111 101 284 29554
Dánština 82 29 3 19 2 - - - - - 135
Esperanto 557 - 9 - - 12 - - - - 578
Estonština 102 6 - - - - - - - - 108
Fidžijština - - - - 1 - - - - - 1
Finština 1 749 306 - - - 115 - - - - 2170
Francouzština 5 287 2 606 48 32 2 027 176 - 18 - 38 10232
Fríština - 1 - - - - - - - - 1
Galicijština 10 - - - - - - - - - 10
Hebrejština 509 - - - - - - - - - 509
Chorvatština 37 - - - - - - - - - 37
Interlingua - - - - - - - - - - '
Irština 14 - - - - - - - - - 14
Islandština 44 - - 1 - - - - - - 45
Italština 1 294 173 9 - 118 31 - 8 - - 1633
Japonština 1 971 - - - - - - - - - 1971
Kašubština 128 - - - - - - - - - 128
Katalánština 27 2 - - - - - - - - 29
Kečuánština 5 - - - - - - - - - 5
Krymská tatarština 4 - - - - - - - - - 4
Latina 1 369 364 26 13 374 - - 26 - - 2172
Litevština 101 - - - - - - - 4 - 105
Lotyština 64 - - - - - - - - - 64
Maďarština 379 70 - - 62 - - - - - 511
Makedonština - - - - - - - 1 - - 1
Němčina 6 720 1 534 42 88 572 193 35 24 5 - 9213
Nizozemština 279 45 7 - 71 - - - - - 402
Norština 12 1 1 0 - - - - - - 14
Okcitánština 80 - - - - - - - - - 80
Oshiwambo 0 - 0 - 0 - - - - - 0
Polština 3 232 162 22 - - 29 - 12 5 - 3462
Portugalština 233 - - - 40 - - 6 - - 279
Romština 177 - 11 - - - - - - - 188
Rumunština 30 - - - - - 2 - - - 32
Ruština 1 023 641 13 - 195 - - 6 - - 1878
Řečtina 831 - - - - - - - - - 831
Sanskrt 20 - - - - - - - - - 20
Skotská gaelština 12 - - - - - - - - - 12
Slovenština 936 374 31 12 60 57 15 16 - - 1501
Slovinština 51 3 - - - 7 - - - - 61
Slovio 0 - - - - - - 0 - - 0
Srbština 1 560 - - - - - - 3 - - 1563
Stará angličtina 26 - - - - - - 3 - - 29
Staroslověnština - - - - - - - 2 - - 2
Svahilština 87 - - - - - - - - - 87
Španělština 1 370 110 41 53 169 28 9 9 3 - 1792
Švédština 633 127 49 70 230 90 34 24 7 10 1274
Tádžičtina - - - - - - 1 - - - 1
Tofalarština - - 1 - - - - - - - 1
Turečtina 269 - - - - - - - - - 269
Ukrajinština 59 - - - - - - 2 - - 61
Velština 14 - 3 - - - - - - - 17

kód skriptu[editovat]

#!/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