scripts / renomme /
Newer Older
206 lines | 7.406kb
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
1
#!/bin/bash
2

            
3
# script pour renommer des personnages ou lieux dans un document Manuskript
4
# ./renomme <document manuskript> <ancien nom> <nouveau nom> [ins=poids] [del=poids] [rep=poids]
5
#
6
# Le document d'origine est sauvegardé (voir variable $backup)
7
#
8
# Si <nouveau nom> est "check", ou "prox" ou "leven", une étude de proximité est alors effectuée
9
# sur l'algorithme Levenshtein. Les paramètres de poids sont des nombres entiers, et permettent
10
# de pondérer l'ajout (ins=), la suppression (del=) et le remplacement (rep=) de caractère.
11
# par défaut chacun des trois paramètres est égal à 1.
12
# Il n'y a pas d'ordre obligatoire pour le paramétrage, et si un paramétrage est effectué plusieurs fois
13
# c'est le plus à gauche qui prend la priorité. Il n'y a pas de backup effectué pour l'opération de vérification de la proximité
14
# crédit algo: https://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Levenshtein_distance
15

            
16
set -e
17

            
18
manuscrit=${1:?}
19
ancien=${2:?}
20
nouveau=${3:?}
21

            
22
if test "${manuscrit:0:1}" != '/'; then
23
    manuscrit="$PWD/$manuscrit"
24
fi
25
test -r "$manuscrit" || exit 1
26
test $(file --brief --mime-type --dereference "$manuscrit") == 'application/zip' || exit 2
27

            
28
backup="${manuscrit/%.msk} (avant renommage de «${ancien}» en «${nouveau}»).msk"
29

            
30
function trap_exit () {
31
    rm -fr $temp
32
    cd - > /dev/null
33
}
34

            
35
function determinant () {
36
    eval "local nom=\"\$$1\""
37
    if [[ ${nom:0:1} == @(A|E|H|I|O|U) \
38
       || ${nom:0:1} == @(Â|Ê|H|Î|Ô|Û) \
39
       || ${nom:0:1} == @(Ä|Ë|H|Ï|Ö|Ü) \
40
       || ${nom:0:1} == @(À|È|H|Ì|Ò|Ù) \
41
       || ${nom:0:1} == @(Á|É|H|Í|Ó|Ú) \
42
    ]]; then
43
        eval "determinant_$1=\"d'\""
44
        eval "determinant_$1_formatted=\"d-\""
45
    else
46
        eval "determinant_$1=\"de \""
47
        eval "determinant_$1_formatted=\"de-\""
48
    fi
49
}
50

            
51
function format () {
52
    eval "$1_formatted=\$(tr --complement --squeeze-repeats 'A-Za-z-_\n' - <<< \"\${$1// /_}\")"
53
}
54

            
55
function renomme_fichiers () {
56
    for char in $(find characters -type f -regex "characters/[0-9]+-$1.txt"); do
57
        local new_char=$(sed "s/$1/$2/" <<< $char)
58
        echo "character: $char -> $new_char"
59
        mv $char $new_char
60
        break
61
    done
62

            
63
    for chapter in $(find outline -type d -regex "outline/.*$1.*"); do
64
        local new_chapter=$(sed "s/$1/$2/g" <<< $chapter)
65
        echo "chapter: $chapter -> $new_chapter"
66
        mv $chapter $new_chapter
67
    done
68

            
69
    for part in $(find outline -type f -regex "outline/[^/]*$1[^/]*.md"); do
70
        local new_part=$(sed "s/$1/$2/g" <<< $part)
71
        echo "part: $part -> $new_part"
72
        mv $part $new_part
73
    done
74
}
75

            
76
trap trap_exit EXIT
77

            
simplification
Sébastien MARQUE authored on 2021-08-19
78
temp=$(mktemp --directory /dev/shm/XXXXXXXXX)
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
79
cd $temp
80

            
81
if [[ $nouveau = @(check|prox|leven) ]]; then
82
    unzip -qq "$manuscrit"
83
    for param in $(seq 4 $#); do
meilleure gestion des valeur...
Sébastien MARQUE authored on 2021-08-19
84
        for dst in ins del rep max; do
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
85
            eval "if test -n '\$$param' && [[ \"\$$param\" =~ $dst=[0-9]+ ]]; then cost_$dst=\${$param#*=}; fi"
86
        done
87
    done
meilleure gestion des valeur...
Sébastien MARQUE authored on 2021-08-19
88
    for dst in ins del rep; do
89
        eval "cost_$dst=\${cost_$dst:-1}"
90
    done
91
    cost_max=${cost_max:-$(($cost_ins + $cost_del + $cost_rep))}
92
    if test $cost_max -ge ${#ancien}; then
93
        cost_max=$(( ${#ancien} - 1 ))
94
    fi
95

            
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
96
    echo paramètres d\'approximation
meilleure gestion des valeur...
Sébastien MARQUE authored on 2021-08-19
97
    echo "caractère manquant (del=): $cost_del"
98
    echo "caractère inséré   (ins=): $cost_ins"
99
    echo "caractère remplacé (rep=): $cost_rep"
100
    echo "distance maximale  (max=): ${cost_max:-$(($cost_ins + $cost_del + $cost_rep))}"
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
101
    for f in $(find . -type f); do
102
        let wc+=$(wc -w < $f)
103
    done
meilleure gestion des valeur...
Sébastien MARQUE authored on 2021-08-19
104
    awk -v ancien=$ancien -v wc=$wc -v cost_ins=$cost_ins -v cost_del=$cost_del -v cost_rep=$cost_rep -v cost_max=$cost_max '
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
105
        BEGIN {
106
            RS="[[:punct:]]"
107
            progress_mod    = 10
108
            actual_progress = 0
109
            pct_progress    = 0
110
            progress        = 0
111
            found_words     = 0
112

            
fix: suppression d'une valeu...
Sébastien MARQUE authored on 2021-08-19
113
            cost_tot = cost_ins + cost_del + cost_rep
114
            cost_tot = cost_tot > cost_max ? cost_max : cost_tot
115

            
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
116
            str1_len = length(ancien)
117
            for (i=1; i<=str1_len; i++)
118
                str1_substr[i]=substr(ancien, i, 1)
119
        }
120
        function levenshtein(str2) {
121
            str2_len = length(str2)
122
            if(str2_len == 0) return str1_len * cost_del
123
            for(j = 1; j <= str2_len; j++)
124
                str2_substr[j]=substr(str2, j, 1)
125
            matrix[0, 0] = 0
126
            for(i = 1; i <= str1_len; i++) {
127
                matrix[i, 0] = i * cost_del
128
                for(j = 1; j <= str2_len; j++) {
129
                    matrix[0, j] = j * cost_ins
130
                    x = matrix[i - 1, j] + cost_del
131
                    y = matrix[i, j - 1] + cost_ins
132
                    z = matrix[i - 1, j - 1] + (str1_substr[i] == str2_substr[j] ? 0 : cost_rep)
133
                    x = x < y ? x : y
134
                    matrix[i, j] = x < z ? x : z
135
                }
136
            }
137
            return matrix[str1_len, str2_len]
138
        }
139
        {
140
            for (word=1; word<=NF; word++) {
141
                progress++
142
                lvstn = levenshtein(gensub("[[:punct:]]","","g",$word))
fix: suppression d'une valeu...
Sébastien MARQUE authored on 2021-08-19
143
                if (lvstn <= cost_tot && lvstn > 0) {
144
                    key = sprintf("%s (%d)", $word, lvstn)
145
                    approx_possibles[key]++
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
146
                    found_words++
147
                }
148
                pct_progress=int(progress / wc * 100)
149
                if (actual_progress < pct_progress && pct_progress % progress_mod == 0) {
150
                    actual_progress = pct_progress
151
                    printf("%i%\n", actual_progress)
152
                }
153
            }
154
        }
155
        END {
156
            if (found_words > 0) {
fix: pluriel quand plus de u...
Sébastien MARQUE authored on 2021-08-19
157
                printf("mot%s proche%s de «%s» (distance) [occurences]\n", found_words > 1 ? "s" : "", found_words > 1 ? "s" : "", ancien)
ajoute scriptt renomme
Sébastien MARQUE authored on 2021-08-15
158
                for (i in approx_possibles)
159
                    printf("- %s [%i]\n", i, approx_possibles[i])
160
            }
161
            else {
162
                print "aucun mot proche et différent de «" ancien "» trouvé"
163
            }
164
        }
165
    ' $(find . -type f)
166
    exit
167
fi
168

            
169
mv --backup=numbered "$manuscrit" "$backup"
170

            
171
unzip -qq "$backup"
172

            
173
for version in ancien nouveau; do
174
    format $version
175
    determinant $version
176
done
177

            
178
declare -A remplacement
179
remplacement=(
180
    [$ancien]="$nouveau"
181
    [$ancien_formatted]="$nouveau_formatted"
182
    [$determinant_ancien$ancien]="$determinant_nouveau$nouveau"
183
    [$determinant_ancien_formatted$ancien_formatted]="$determinant_nouveau_formatted$nouveau_formatted"
184
)
185

            
186
renomme_fichiers "$ancien_formatted" "$nouveau_formatted"
187
renomme_fichiers "$determinant_ancien_formatted$ancien_formatted" "$determinant_nouveau_formatted$nouveau_formatted"
188

            
189
egrep --word-regexp --only-matching --recursive --regexp="($determinant_ancien|$determinant_ancien_formatted)\?($ancien|$ancien_formatted)" . \
190
| awk -v name="$1" -F ':' '
191
    {
192
        if ($NF > 0) {
193
            file[$1]++
194
            nb++
195
        }
196
    }
197
    END {
198
        printf("remplacement de %i occurences pour %s dans %i fichiers\n", nb, name, asort(file))
199
    }'
200

            
201
for regexp in "${!remplacement[@]}"; do
202
    egrep --word-regexp --files-with-matches --recursive --regexp="$regexp" . \
203
    | xargs --no-run-if-empty sed --regexp-extended --in-place "s/(\W|^)$regexp(\W|$)/\1${remplacement[$regexp]}\2/g"
204
done
205

            
206
zip --recurse-paths --no-dir-entries -qq "${manuscrit}" *