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	28	4	-	-	-	-	-	-	-	-	32
Angličtina	7 881	2 119	49	38	2 089	256	47	35	5	54	12573
Arabština	132	-	-	-	-	-	-	-	-	-	132
Asturština	4	-	-	-	-	-	-	-	-	-	4
Běloruština	26	-	-	-	-	-	-	1	-	-	27
Bosenština	9	-	-	-	-	-	-	-	-	-	9
Bretonština	18	-	-	-	-	-	-	-	-	-	18
Bulharština	36	-	-	-	-	-	-	2	-	-	38
Čečenština	10	-	-	-	-	-	-	-	-	-	10
Čeština	23 571	9 008	144	199	3 202	1 256	94	129	118	344	38065
Dánština	139	46	3	23	6	-	-	-	-	-	217
Esperanto	633	-	9	-	-	12	-	-	-	-	654
Estonština	124	8	-	-	-	-	-	-	-	-	132
Fidžijština	-	-	-	-	1	-	-	-	-	-	1
Finština	1 797	313	-	-	-	116	-	-	-	-	2226
Francouzština	6 319	3 207	56	34	2 169	196	-	19	-	45	12045
Fríština	-	1	-	-	-	-	-	-	-	-	1
Galicijština	46	-	-	-	-	-	-	-	-	-	46
Hebrejština	609	-	-	-	-	-	-	-	-	-	609
Chorvatština	53	-	-	-	-	-	-	-	-	-	53
Interlingua	-	-	-	-	-	-	-	-	-	-	'
Irština	306	-	-	-	-	-	-	-	-	-	306
Islandština	146	-	-	2	-	-	-	-	-	-	148
Italština	1 828	251	13	-	163	36	-	11	-	-	2302
Japonština	2 632	-	-	-	-	-	-	-	-	-	2632
Kašubština	133	-	-	-	-	-	-	-	-	-	133
Katalánština	143	8	-	-	-	-	-	-	-	-	151
Kečuánština	5	-	-	-	-	-	-	-	-	-	5
Krymská tatarština	9	-	-	-	-	-	-	-	-	-	9
Latina	1 417	455	27	17	399	-	-	26	-	-	2341
Litevština	222	-	-	-	-	-	-	-	4	-	226
Lotyština	128	-	-	-	-	-	-	-	-	-	128
Maďarština	535	89	-	-	82	-	-	-	-	-	706
Makedonština	-	-	-	-	-	-	-	1	-	-	1
Němčina	8 611	1 909	44	90	818	261	40	35	9	-	11817
Nizozemština	603	103	15	-	99	-	-	-	-	-	820
Norština	8	2	2	2	-	-	-	-	-	-	14
Okcitánština	85	-	-	-	-	-	-	-	-	-	85
Oshiwambo	0	-	0	-	0	-	-	-	-	-	0
Polština	4 026	207	23	-	-	36	-	14	6	-	4312
Portugalština	365	-	-	-	54	-	-	6	-	-	425
Romština	182	-	11	-	-	-	-	-	-	-	193
Rumunština	83	-	-	-	-	-	2	-	-	-	85
Ruština	1 594	1 352	20	-	282	-	-	7	-	-	3255
Řečtina	976	-	-	-	-	-	-	-	-	-	976
Sanskrt	29	-	-	-	-	-	-	-	-	-	29
Skotská gaelština	15	-	-	-	-	-	-	-	-	-	15
Slovenština	1 601	778	31	12	139	77	19	17	-	-	2674
Slovinština	123	8	-	-	-	9	-	-	-	-	140
Slovio	0	-	-	-	-	-	-	0	-	-	0
Srbština	1 597	-	-	-	-	-	-	3	-	-	1600
Stará angličtina	29	-	-	-	-	-	-	3	-	-	32
Staroslověnština	-	-	-	-	-	-	-	2	-	-	2
Svahilština	90	-	-	-	-	-	-	-	-	-	90
Španělština	1 631	158	41	53	199	29	9	9	3	-	2132
Švédština	699	134	49	69	249	93	34	24	8	14	1373
Tádžičtina	-	-	-	-	-	-	1	-	-	-	1
Tofalarština	-	-	1	-	-	-	-	-	-	-	1
Turečtina	429	-	-	-	-	-	-	-	-	-	429
Ukrajinština	251	-	-	-	-	-	-	2	-	-	253
Velština	20	-	4	-	-	-	-	-	-	-	24

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