interscript 0.1.3 → 0.1.9

data/maps/bgnpcgn-uzb-Cyrl-Latn-1979.yaml

@@ -0,0 +1,127 @@
+---
+authority_id: bgnpcgn
+id: 1979
+language: iso-639-2:uzb
+source_script: Cyrl
+destination_script: Latn
+name: BGN/PCGN Romanization System -- Uzbek Cyrillic (1979)
+url: http://transliteration.eki.ee/pdf/Uzbek.pdf
+creation_date: 1979
+
+notes:
+  - At the beginning of a syllable, after a vowel, ъ or ь.
+
+tests:
+  # https://ru.wikipedia.org/wiki/Узбекский_язык
+  - source: Ўзбек ёзуви
+    expected: Ŭzbek yozuwi
+  - source: Ўзбек тили
+    expected: Ŭzbek tili
+  - source: катта
+    expected: katta
+  - source: куп
+    expected: kup
+  - source: кальта
+    expected: kalʼta
+  - source: Бори элға яхшилик қилғилки, мундин яхши йўқ Ким, дегайлар даҳр аро қолди фалондин яхшилик
+    expected: Bori elgha yakhshilik qilghilki, mundin yakhshi yŭq Kim, degaylar dahr aro qoldi falondin yakhshilik
+  - source: Бахр ул-худо
+    expected: Bakhr ul-khudo
+  - source: Рисале-йи маариф-и Шейбани
+    expected: Risale-yi maarif-i Sheybani
+  - source: Карами Хакка нихоят йукдур
+    expected: Karami Khakka nikhoyat yukdur
+  - source: Йахши
+    expected: Yakhshi
+  - source: Тутук белгись
+    expected: Tutuk belgisʼ
+  - source: |
+      Барча одамлар эркин, қадр-қиммат ва ҳуқуқларда тенг бўлиб туғиладилар.
+      Улар ақл ва виждон соҳибидирлар ва бир-бирлари ила биродарларча муомала қилишлари зарур.
+    expected: |
+      Barcha odamlar erkin, qadr-qimmat wa huquqlarda teng bŭlib tughiladilar.
+      Ular aql wa wizhdon sohibidirlar wa bir-birlari ila birodarlarcha muomala qilishlari zarur.
+  - source: ПАПАПАЧУКА Респект!
+    expected: PAPAPACHUKA Respekt!
+
+map:
+  rules:
+    # note[1]
+    - pattern: (?<=[АаЕеЁёИиОоУуЭэЮюЯяЪъЬь])\u0415
+      result: Ye
+    - pattern: (?<=[АаЕеЁёИиОоУуЭэЮюЯяЪъЬь])\u0435
+      result: ye
+
+  characters:
+    '\u0410': 'A'        # А
+    '\u0411': 'B'        # Б
+    '\u0412': 'W'        # В
+    '\u0413': 'G'        # Г
+    '\u0492': 'Gh'       # Ғ
+    '\u0414': 'D'        # Д
+    '\u0415': 'E'        # Е
+    '\u0401': 'Yo'       # Ё
+    '\u0416': 'Zh'       # Ж
+    '\u0417': 'Z'        # З
+    '\u0418': 'I'        # И
+    '\u0419': 'Y'        # Й
+    '\u041A': 'K'        # К
+    '\u049A': 'Q'        # Қ
+    '\u041B': 'L'        # Л
+    '\u041C': 'M'        # М
+    '\u041D': 'N'        # Н
+    '\u041E': 'O'        # О
+    '\u041F': 'P'        # П
+    '\u0420': 'R'        # Р
+    '\u0421': 'S'        # С
+    '\u0422': 'T'        # Т
+    '\u0423': 'U'        # У
+    '\u040E': 'Ŭ'        # Ў
+    '\u0424': 'F'        # Ф
+    '\u0425': 'Kh'       # Х
+    '\u04B2': 'H'        # Ҳ
+    '\u0426': 'Ts'       # Ц
+    '\u0427': 'Ch'       # Ч
+    '\u0428': 'Sh'       # Ш
+    '\u042a': "\u02BC"   # Ъ
+    '\u042c': "\u02BC"   # Ь
+    '\u042D': 'E'        # Э
+    '\u042E': 'Yu'       # Ю
+    '\u042F': 'Ya'       # Я
+
+    '\u0430': 'a'        # а
+    '\u0431': 'b'        # б
+    '\u0432': 'w'        # в
+    '\u0433': 'g'        # г
+    '\u0493': 'gh'       # ғ
+    '\u0434': 'd'        # д
+    '\u0435': 'e'        # e
+    '\u0451': 'yo'       # ё
+    '\u0436': 'zh'       # ж
+    '\u0437': 'z'        # з
+    '\u0438': 'i'        # и
+    '\u0439': 'y'        # й
+    '\u043A': 'k'        # к
+    '\u049B': 'q'        # қ
+    '\u043B': 'l'        # л
+    '\u043C': 'm'        # м
+    '\u043D': 'n'        # н
+    '\u043E': 'o'        # о
+    '\u043F': 'p'        # п
+    '\u0440': 'r'        # р
+    '\u0441': 's'        # с
+    '\u0442': 't'        # т
+    '\u0443': 'u'        # у
+    '\u045E': 'ŭ'        # ў
+    '\u0444': 'f'        # ф
+    '\u0445': 'kh'       # х
+    '\u04B3': 'h'        # ҳ
+    '\u0446': 'ts'       # ц
+    '\u0447': 'ch'       # ч
+    '\u0448': 'sh'       # ш
+    '\u044a': "\u02BC"   # ъ
+    '\u044c': "\u02BC"   # ь
+    '\u044D': 'e'        # э
+    '\u044F': 'ya'       # я
+    '\u044E': 'yu'       # ю
+

data/maps/bgnpcgn-uzb-Cyrl-Latn-2000.yaml

@@ -0,0 +1,82 @@
+---
+authority_id: bgnpcgn
+id: 2000
+language: iso-639-2:uzb
+source_script: Cyrl
+destination_script: Latn
+name: TABLE OF CORRESPONDENCES CYRILLIC - ROMAN BGN/PCGN 2000 Agreement
+description: |
+  In 1995, the Uzbek government adopted the Roman alphabet to replace the existing Cyrillic alphabet.
+  The presentation below provides a table of correspondences between the former Cyrillic alphabet and the
+  current Roman alphabet. When Uzbek Roman-alphabet spellings are not available, this table can be used to
+  convert Uzbek Cyrillic spellings. This table of correspondences supersedes the BGN/PCGN 1979 romanization
+  system for Uzbek.
+url: http://transliteration.eki.ee/pdf/Uzbek.pdf
+creation_date: 2000
+confirmation_date: 2017-11
+
+notes:
+  - The letter sequence ye is used initially, after the vowel characters 1, 6, 7, 10, 16, 21, 29, 30, 31, and 32, and after characters 11 and 28.
+  - The Unicode encoding of the apostrophe appearing in rows 27 and 28 is U+2019. The inverted apostrophe appearing in rows 32 (o‘) and 34 (g‘) is U+2018.
+  - The Roman-script columns show only lowercase forms but, when applying the table, uppercase and lowercase Roman letters as appropriate should be used.
+
+tests:
+  # https://ru.wikipedia.org/wiki/Узбекский_язык
+  - source: Ўзбек ёзуви
+    expected: O‘zbek yozuwi
+  - source: Ўзбек тили
+    expected: O‘zbek tili
+  - source: катта
+    expected: katta
+  - source: куп
+    expected: kup
+  - source: кальта
+    expected: kal’ta
+  - source: Бори элға яхшилик қилғилки, мундин яхши йўқ Ким, дегайлар даҳр аро қолди фалондин яхшилик
+    expected: Bori elg‘a yaxshilik qilg‘ilki, mundin yaxshi yo‘q Kim, degaylar dahr aro qoldi falondin yaxshilik
+  - source: Бахр ул-худо
+    expected: Baxr ul-xudo
+  - source: Рисале-йи маариф-и Шейбани
+    expected: Risale-yi maarif-i Sheybani
+  - source: Карами Хакка нихоят йукдур
+    expected: Karami Xakka nixoyat yukdur
+  - source: Йахши
+    expected: Yaxshi
+  - source: Тутук белгись
+    expected: Tutuk belgis’
+  - source: |
+      Барча одамлар эркин, қадр-қиммат ва ҳуқуқларда тенг бўлиб туғиладилар.
+      Улар ақл ва виждон соҳибидирлар ва бир-бирлари ила биродарларча муомала қилишлари зарур.
+    expected: |
+      Barcha odamlar erkin, qadr-qimmat wa huquqlarda teng bo‘lib tug‘iladilar.
+      Ular aql wa wijdon sohibidirlar wa bir-birlari ila birodarlarcha muomala qilishlari zarur.
+  - source: ПАПАПАЧУКА Респект!
+    expected: PAPAPACHUKA Respekt!
+
+map:
+  inherit: bgnpcgn-uzb-Cyrl-Latn-1979
+
+  rules:
+    # note[1]
+    - pattern: (?<=[АаЕеЁёИиОоУуЭэЮюЯяЙйЬь])\u0415
+      result: Ye
+    - pattern: (?<=[АаЕеЁёИиОоУуЭэЮюЯяЙйЬь])\u0435
+      result: ye
+
+  characters:
+    '\u0412': 'V'        # В
+    '\u0492': "G\u2018"  # Ғ
+    '\u0416': 'J'        # Ж
+    '\u040E': "O\u2018"  # Ў
+    '\u0425': 'X'        # Х
+    '\u042a': "\u2019"   # Ъ note[2]
+    '\u042c': "\u2019"   # Ь note[2]
+
+    '\u0432': 'w'        # в
+    '\u0493': "g\u2018"  # ғ
+    '\u0436': 'j'        # ж
+    '\u045E': "o\u2018"  # ў
+    '\u0445': 'x'        # х
+    '\u044a': "\u2019"   # ъ note[2]
+    '\u044c': "\u2019"   # ь note[2]
+

data/maps/{bgnpcgn-chn-Hans-Latn-1979.yaml → bgnpcgn-zho-Hans-Latn-1979.yaml}

@@ -1,7 +1,7 @@
 ---
 authority_id: bgnpcgn
 id: pinyin
-language: chn
+language: iso-639-2:zho
 source_script: Hans
 destination_script: Latn
 name: ROMANIZATION OF CHINESE -- BGN/PCGN 1979 AGREEMENT

data/maps/bis-asm-Beng-Latn-13194-1991.yaml

@@ -0,0 +1,159 @@
+---
+authority_id: bis
+id: 1991
+language: iso-639-2:asm
+source_script: Beng
+destination_script: Latn
+name: Indian script code for information interchange - ISCII - Assamese Romanization
+#url:
+creation_date: 1991
+description: |
+  IS 13194 (1991): Indian script code for information
+  interchange - ISCII [LITD 20: Indian Language Technologies
+  and Products]
+
+notes:
+  - |
+    Exception: Anusvāra is transliterated by:
+
+    a) ṅ before gutturals,
+    b) ñ before palatals,
+    c) ṇ before cerebrals,
+    d) n before dentals, and
+    e) m before labials.
+
+tests:
+    - source: "অসমীয়া কবিতা"
+      expected: "asmīẏā kbitā"
+    - source: "কবিৰ আজি জন্মদিন"
+      expected: "kbir āji jnmdin"
+    - source: "বেৰুটত এমাহৰ পাছতে পুনৰ ভয়ংকৰ অগ্নিকাণ্ড"
+      expected: "bēruṭt ēmāhr pāchtē punr bhẏṅkr agnikāṇḍ"
+    - source: "ভঙাৰ বিৰুদ্ধে আৱেদন দাখিল কংগনাৰ"
+      expected: "bhṅār biruddhē āvēdn dākhil kṅgnār"
+    - source: "আপুনি পঢ়ি ভাল পাব পৰা বাতৰি"
+      expected: "āpuni pd̂hi bhāl pāb prā bātri"
+    - source: "শ্ৰীৰামপুৰত গৰুভৰ্তি ট্ৰাক জব্দ, দুজনক আটক"
+      expected: "śrīrāmpurt grubhrti ṭrāk jbd, dujnk āṭk"
+    - source: "কেনে আছে প্ৰাক্তন"
+      expected: "kēnē āchē prāktn"
+    - source: "কমুম্বাইৰ মেয়ৰৰ দেহত কোভিড পজিটিভ"
+      expected: "kmumbāir mēẏrr dēht kŏbhiḍ pjiṭibh"
+    - source: "টুইটাৰযোগে খোদ সদৰী কৰে এই কথা"
+      expected: "ṭuiṭāryŏgē khŏd sdrī krē ēi kthā"
+    - source: "লখিমপুৰ জিলাৰ নাৰায়ণপুৰৰ বৰপথাৰত আজি প্ৰশান্তি ধাম নামেৰে এখন বৃদ্ধাশ্ৰমৰ শুভাৰম্ভ কৰা হয়"
+      expected: "lkhimpur jilār nārāẏṇpurr brpthārt āji prśānti dhām nāmērē ēkhn bṛddhāśrmr śubhārmbh krā hẏ"
+
+map:
+
+  rules:
+    # note
+    - pattern: \u0982(?=[কখগঘঙ])
+      result: ṅ
+    - pattern: \u0982(?=[চছজঝঞ])
+      result: ñ
+    - pattern: \u0982(?=[টঠডড়ঢঢ়ণ])
+      result: ṇ
+    - pattern: \u0982(?=[তৎথদধন])
+      result: n
+    - pattern: \u0982(?=[পফবভম])
+      result: m
+
+
+  characters:
+    'অ': 'a'
+    'আ': 'ā'
+    'ই': 'i'
+    'ঈ': 'ī'
+    'উ': 'u'
+    'ঊ': 'ū'
+    'ৠ': 'ṛ'
+    'ঌ': 'ḻ'
+    'এ': 'ē'
+    'ঐ': 'ai'
+    'ও': 'ŏ'
+    'ঔ': 'au'
+
+    # Consonants
+    # Gutturals
+    'ক': 'k'
+    'খ': 'kh'
+    'গ': 'g'
+    'ঘ': 'gh'
+    'ঙ': 'ṅ'
+
+    # Palatals
+    'চ': 'c'
+    'ছ': 'ch'
+    'জ': 'j'
+    'ঝ': 'jh'
+    'ঞ': 'ñ'
+
+    # Cerebrals
+    'ট':  'ṭ'
+    'ঠ':  'ṭh'
+    'ড':  'ḍ'
+    'ড়': 'd̂'
+    'ঢ':  'ḍh'
+    'ঢ়': 'd̂h'
+    'ণ':  'ṇ'
+
+    # Dentals
+    'ত': 't'
+    'ৎ': 't'
+    'থ': 'th'
+    'দ': 'd'
+    'ধ': 'dh'
+    'ন': 'n'
+
+    # Labials
+    'প': 'p'
+    'ফ': 'ph'
+    'ব': 'b'
+    'ভ': 'bh'
+    'ম': 'm'
+
+    # Semivowels
+    'য': 'y'
+    'য়': 'ẏ'
+    'য়': 'ẏ'
+    'ৰ': 'r'
+    'ল': 'l'
+    'ৱ': 'v'
+
+
+    # Sibilants
+    'শ': 'ś'
+    'ষ': 'ṣ'
+    'স': 's'
+
+
+    # Aspirate
+    'হ': 'h'
+
+    # Chandrabindu
+    'ঁ': 'm'
+
+    # Bisarga
+    'ঃ ': 'ḥ'
+
+    # Anusvāra
+    'ং': 'ṃ'
+
+    # Medials # Needed for connecting constants
+
+    '\u09be': 'ā'
+    '\u09bf': 'i'
+    '\u09c0': 'ī'
+    '\u09c1': 'u'
+    '\u09c2': 'ū'
+    '\u09c3': 'ṛ'
+    '\u09c7': 'ē'
+    '\u09c8': 'ai'
+    '\u09cb': 'ŏ'
+    '\u09cc': 'au'
+    '\u09CD': '' # Used for joining
+    '्': ''
+    '़': ''
+    '।': '.'
+    "‍": ''# Used for joining

data/maps/bis-ben-Beng-Latn-13194-1991.yaml

@@ -0,0 +1,156 @@
+---
+authority_id: bis
+id: 1991
+language: iso-639-2:ben
+source_script: Beng
+destination_script: Latn
+name: Indian script code for information interchange - ISCII - Bengali Romanization
+#url:
+creation_date: 1991
+description: |
+  IS 13194 (1991): Indian script code for information
+  interchange - ISCII [LITD 20: Indian Language Technologies
+  and Products]
+
+notes:
+  - |
+    Exception: Anusvāra is transliterated by:
+
+    a) ṅ before gutturals,
+    b) ñ before palatals,
+    c) ṇ before cerebrals,
+    d) n before dentals, and
+    e) m before labials.
+
+tests:
+  - source: "টিকা"
+    expected: "ṭikā"
+  - source: "শুরু"
+    expected: "śuru"
+  - source: "করোনাভাইরাসের উপসর্গ রয়েছে এমন ভ্রমণকারীদের শনাক্ত করতেই এ ব্যবস্থা নেওয়া হয়"
+    expected: "krŏnābhāirāsēr upsrg rẏēchē ēmn bhrmṇkārīdēr śnākt krtēi ē bybsthā nēŏẏā hẏ"
+  - source: "চীন এ ভাইরাসের সংক্রমণ ছড়িয়ে পড়ার বিষয়টি নিশ্চিত করার পর এ অঞ্চলের দেশগুলো নিজেদের বন্দরগুলোতে নজরদারি শুরু করে"
+    expected: "cīn ē bhāirāsēr sṅkrmṇ chd̂iẏē pd̂ār biṣẏṭi niścit krār pr ē añclēr dēśgulŏ nijēdēr bndrgulŏtē njrdāri śuru krē"
+  - source: "আপনার কি মনে হয়, দক্ষিণ এশিয়ার দেশগুলো সফলভাবে এ সুযোগের সদ্ব্যবহার করতে পেরেছে?"
+    expected: "āpnār ki mnē hẏ, dkṣiṇ ēśiẏār dēśgulŏ sphlbhābē ē suyŏgēr sdbybhār krtē pērēchē?"
+  - source: "এরপর এ ভাইরাসের সংক্রমণ দক্ষিণ এশিয়ায় ছড়িয়ে পড়ার আগে এ অঞ্চলের দেশগুলো চলতি বছরের শুরুর দিকে মহামারি মোকাবিলায় কয়েক মাস সময় পেয়েছিল"
+    expected: "ērpr ē bhāirāsēr sṅkrmṇ dkṣiṇ ēśiẏāẏ chd̂iẏē pd̂ār āgē ē añclēr dēśgulŏ clti bchrēr śurur dikē mhāmāri mŏkābilāẏ kẏēk mās smẏ pēẏēchil"
+  - source: "ন্যূনতম শেয়ার না থাকলে ছাড়তেই হবে পরিচালক পদ"
+    expected: "nyūntm śēẏār nā thāklē chād̂tēi hbē pricālk pd"
+  - source: "বিজন কুমার শীলের ‘ওয়ার্ক পারমিট’ পেতে অনিশ্চয়তা"
+    expected: "bijn kumār śīlēr ‘ŏẏārk pārmiṭ’ pētē aniścẏtā"
+  - source: "বাংলাদেশে হার্ড ইমিউনিটি তৈরি হওয়ার তথ্য–প্রমাণ মেলেনি"
+    expected: "bāṃlādēśē hārḍ imiuniṭi tairi hŏẏār tthy–prmāṇ mēlēni"
+  - source: "চীনে গত বছর করোনাভাইরাসের মহামারির সূত্রপাত হয়"
+    expected: "cīnē gt bchr krŏnābhāirāsēr mhāmārir sūtrpāt hẏ"
+map:
+
+  rules:
+    # note
+    - pattern: \u0982(?=[কখগঘঙ])
+      result: ṅ
+    - pattern: \u0982(?=[চছজঝঞ])
+      result: ñ
+    - pattern: \u0982(?=[টঠডড়ঢঢ়ণ])
+      result: ṇ
+    - pattern: \u0982(?=[তৎথদধন])
+      result: n
+    - pattern: \u0982(?=[পফবভম])
+      result: m
+
+
+  characters:
+    'অ': 'a'
+    'আ': 'ā'
+    'ই': 'i'
+    'ঈ': 'ī'
+    'উ': 'u'
+    'ঊ': 'ū'
+    'ৠ': 'ṛ'
+    'ঌ': 'ḻ'
+    'এ': 'ē'
+    'ঐ': 'ai'
+    'ও': 'ŏ'
+    'ঔ': 'au'
+
+    # II. Consonants (see Note 2)
+    # Gutturals
+    'ক': 'k'
+    'খ': 'kh'
+    'গ': 'g'
+    'ঘ': 'gh'
+    'ঙ': 'ṅ'
+
+    # Palatals
+    'চ': 'c'
+    'ছ': 'ch'
+    'জ': 'j'
+    'ঝ': 'jh'
+    'ঞ': 'ñ'
+
+    # Cerebrals
+    'ট':  'ṭ'
+    'ঠ':  'ṭh'
+    'ড':  'ḍ'
+    'ড়': 'd̂'
+    'ঢ':  'ḍh'
+    'ঢ়': 'd̂h'
+    'ণ':  'ṇ'
+
+    # Dentals
+    'ত': 't'
+    'ৎ': 't'
+    'থ': 'th'
+    'দ': 'd'
+    'ধ': 'dh'
+    'ন': 'n'
+
+    # Labials
+    'প': 'p'
+    'ফ': 'ph'
+    'ব': 'b'
+    'ভ': 'bh'
+    'ম': 'm'
+
+    # Semivowels
+    'য': 'y'
+    'য়': 'ẏ'
+    'য়': 'ẏ'
+    'র': 'r'
+    'ল': 'l'
+
+    # Sibilants
+    'শ': 'ś'
+    'ষ': 'ṣ'
+    'স': 's'
+
+
+    # Aspirate
+    'হ': 'h'
+
+    # Chandrabindu
+    'ঁ': 'm'
+
+    # Bisarga
+    'ঃ ': 'ḥ'
+
+    # Anusvāra
+    'ং': 'ṃ'
+
+    # Medials # Needed for connecting constants
+
+    '\u09be': 'ā'
+    '\u09bf': 'i'
+    '\u09c0': 'ī'
+    '\u09c1': 'u'
+    '\u09c2': 'ū'
+    '\u09c3': 'ṛ'
+    '\u09c7': 'ē'
+    '\u09c8': 'ai'
+    '\u09cb': 'ŏ'
+    '\u09cc': 'au'
+    '\u09CD': '' # Used for joining
+    '्': ''
+    '़': ''
+    '।': '.'
+    "‍": ''# Used for joining