Sha256: 0de267e4cd5873d48edaf1b35f687050ae13dec9cfa093755be0e1c6c7ddb0a4
Contents?: true
Size: 1.43 KB
Versions: 5
Compression:
Stored size: 1.43 KB
Contents
# coding=utf-8
import codecs
import re
def expand(gentilicio):
gentilicios = []
gentilicio = gentilicio.replace(",", "").replace("/", "")
variantes = gentilicio.split(" o ")
for variante in variantes :
generos = variante.split(" ")
if len(generos) > 1:
generos[1] = generos[1].replace("-", generos[0][:-(len(generos[1])-1)])
gentilicios.extend(generos)
return "\t".join(gentilicios)
def main():
pagina = codecs.open("es.wiki", 'r', 'UTF-8').read()
todos =re.findall(r'{{bandera2.([^}]*)', pagina)
encontrados = re.findall(r'{{bandera2.([^}]*).*\n.([^\n<]*).*\n....([\w|\s]*).*\n.([^\n<]*).*\n', pagina)
print "Total:", len(todos)
print "encontrados:", len(encontrados)
print "Perdidos:", set(todos) -set([ pais[0] for pais in encontrados])
gentilicios= []
for pais,gentilicio_pais,capital,gentilicio_capital in encontrados:
if gentilicio_pais.strip():
gentilicios.append((pais.strip(),
expand(gentilicio_pais.strip())
))
if gentilicio_capital.strip():
gentilicios.append((capital.strip(),
expand(gentilicio_capital.strip())
))
output = codecs.open("gentilicios.out", 'w','UTF-8')
print "gentilicios", len(gentilicios)
for gentilicio in gentilicios:
output.write( gentilicio[0]+"\t"+gentilicio[1] + "\n")
if __name__ == "__main__":
main()
Version data entries
5 entries across 5 versions & 1 rubygems