interscript 0.1.3 → 0.1.9

data/maps/alalc-kan-Kana-Latn-2011.yaml

@@ -0,0 +1,63 @@
+---
+authority_id: alalc
+id: 2011
+language: iso-639-2:kan
+source_script: Kana
+destination_script: Latn
+name: Kannada Romanization, 2011
+url: http://catdir.loc.gov/catdir/cpso/romanization/kannada.pdf
+creation_date: 2011
+description: |
+  ALA-LC Romanization table for Kannada
+
+notes:
+
+  - Only the vowel forms that appear at the beginning of a syllable are listed; the forms used for
+    vowels following a consonant can be found in grammars; no distinction between the two is
+    made in transliteration.
+
+  - |
+    The vowel a is implicit after all consonants and consonant clusters and is supplied in
+    transliteration, with the following exceptions:
+
+    a) when another vowel is indicated by its appropriate sign; and
+    b) when the absence of any vowel is indicated by the superscript sign (◌್).
+
+  - |
+    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: "ಕರ್ಣಾಟಕ"
+    expected: "karṇāṭaka"
+  - source: "ಬೆಂಗಳೂರು"
+    expected: "beṅgaḷūru"
+  - source: "ಭಾರತದಲ್ಲಿ ಗಾಳಿ ಕಲುಷಿತವಾಗಿದೆ: ಹವಾಮಾನ ಬದಲಾವಣೆ ಸಮರ್ಥನೆಗೆ ಭಾರತವನ್ನು ಟೀಕಿಸಿದ ಟ್ರಂಪ್"
+    expected: "bhāratadalli gāḷi kaluṣitavāgide: havāmāna badalāvaṇe samarthanege bhāratavannu ṭīkisida ṭraṃp"
+  - source: "ಅಮೆರಿಕ ಅಧ್ಯಕ್ಷೀಯ ಚುನಾವಣೆ ಅಂತಿಮ ಚರ್ಚೆ: ಭಾರತದ ವಿರುದ್ಧ ಟ್ರಂಪ್ ಆರೋಪವೇನು?!"
+    expected: "amerika adhyakṣīya cunāvaṇe aṃtima carce: bhāratada viruddha ṭraṃp ārōpavēnu?!"
+  - source: "ಹೇಗಿದೆ ಅಮೆರಿಕನ್‌ ಚುನಾವಣ ಕಣ?"
+    expected: "hēgide amerikan cunāvaṇa kaṇa?"
+  - source: "ಫ್ರೀಜರ್ ನಲ್ಲಿಟ್ಟ ನೂಡಲ್ಸ್ ತಿಂದು ಒಂದೇ ಕುಟುಂಬದ ೯ ಮಂದಿ ಸಾವು: ೩ ಮಕ್ಕಳು ಅಪಾಯದಿಂದ ಪಾರು"
+    expected: "phrījar nalliṭṭa nūḍals tiṃdu oṃdē kuṭuṃbada 9 maṃdi sāvu: 3 makkaḷu apāyadinda pāru"
+  - source: "ಉಡುಪಿಯಲ್ಲಿ ಪ್ರಪ್ರಥಮ ಬಾರಿಗೆ ಪ್ರಾರಂಭವಾಗಿರುವ ದೇಶಿ ಉತ್ಪನ್ನಗಳ ಮಳಿಗೆ"
+    expected: "uḍupiyalli praprathama bārige prāraṃbhavāgiruva dēśi utpannagaḷa maḷige"
+  - source: "ಚಿಕ್ಕಮಗಳೂರು : ಪುಷ್ಪ ಸಮರ್ಪಣೆ ವೇಳೆ ಮಗಳನ್ನ ನೆನೆದು ಕಣ್ಣೀರಿಟ್ಟ ಮೃತ ಪೇದೆ ತಾಯಿ"
+    expected: "cikkamagaḷūru : puṣpa samarpaṇe vēḷe magaḷanna nenedu kaṇṇīriṭṭa mṛta pēde tāyi"
+  - source: "ಸಮಂಗಳೂರು: ಡ್ರಗ್ಸ್ ಜಾಗೃತಿ ಬರಹದಿಂದ ಗಮನಸೆಳೆಯುತ್ತಿದೆ ಸಿಟಿ ಬಸ್"
+    expected: "samaṅgaḷūru: ḍrags jāgṛti barahadinda gamanaseḷeyuttide siṭi bas"
+  - source: "ಪುರಸಭೆ, ಪಪಂ ಅಧ್ಯಕ್ಷ-ಉಪಾಧ್ಯಕ್ಷ ಚುನಾವಣೆಗೆ ಹೈಕೋರ್ಟ್‌ ಅಸ್ತು"
+    expected: "purasabhe, papaṃ adhyakṣa-upādhyakṣa cunāvaṇege haikōrṭ astu"
+  - source: "ಅಮೆರಿಕ ಅಧ್ಯಕ್ಷೀಯ ಚುನಾವಣೆ ಅಂತಿಮ ಚರ್ಚೆ: ಭಾರತದ ವಿರುದ್ಧ ಟ್ರಂಪ್ ಆರೋಪವೇನು?"
+    expected: "amerika adhyakṣīya cunāvaṇe aṃtima carce: bhāratada viruddha ṭraṃp ārōpavēnu?"
+  - source: "ಮನೆ ಕುಸಿದು ತಂದೆ ಮತ್ತು ಮಗ ಸಾವು, ಇನ್ನಿಬ್ಬರಿಗೆ ಗಾಯ: ಸ್ಥಳಕ್ಕೆ ಶಾಸಕರ ಭೇಟಿ"
+    expected: "mane kusidu taṃde mattu maga sāvu, innibbarige gāya: sthaḷakke śāsakara bhēṭi"
+
+map:
+  inherit: 'alalc-kan-Kana-Latn-1997'

data/maps/alalc-kat-Geok-Latn-1997.yaml

@@ -1,7 +1,7 @@
 ---
 authority_id: alalc
 id: 1997
-language: kat
+language: iso-639-2:kat
 source_script: Geok
 destination_script: Latn
 name: ALA-LC Georgian System (1997)
@@ -70,7 +70,7 @@ map:
     '\u10c3' : 'W' # Ⴣ
     '\u10c4' : 'X̣' # Ⴤ
     '\u10c5' : 'Ō' # Ⴥ
-    
+
     '\u2d00' : 'a' # ⴀ
     '\u2d01' : 'b' # ⴁ
     '\u2d02' : 'g' # ⴂ
@@ -109,4 +109,3 @@ map:
     '\u2d23' : 'w' # ⴣ
     '\u2d24' : 'x̣' # ⴤ
     '\u2d25' : 'ō' # ⴥ
-    

data/maps/alalc-kat-Geor-Latn-1997.yaml

@@ -1,10 +1,14 @@
 ---
 authority_id: alalc
 id: 1997
-language: kat
+language: iso-639-2:kat
 source_script: Geor
 destination_script: Latn
 name: ALA-LC Georgian System (1997)
+alias:
+  ogc11122:
+    code: kat_Geor2Latn_ALA_1997
+    description: Georgian ALA-Library of Congress 1997 System
 url: https://www.loc.gov/catdir/cpso/romanization/georgian.pdf
 creation_date: 1997
 confirmation_date: 1997

data/maps/alalc-kor-Hang-Latn-1997.yaml

@@ -1,13 +1,17 @@
 ---
 authority_id: alalc
 id: 1997
-language: kor
+language: iso-639-2:kor
 source_script: Hang
 destination_script: Latn
 name: ALA-LC Romanization Table -- Korean (1997)
+alias:
+  ogc11122:
+    code: kor_Hang2Latn_ALA_1997
+    description: Korean ALA-Library of Congress 1997 System
 url: http://catdir.loc.gov/catdir/cpso/romanization/korean.pdf
 creation_date: 1997
-adoption_date: 
+adoption_date:
 description:
   "1. General Practice
 The Library of Congress will continue to follow the McCune-Reischauer system

data/maps/alalc-mal-Mlym-Latn-1997.yaml

@@ -0,0 +1,303 @@
+---
+authority_id: alalc
+id: 1997
+language: iso-639-2:mal
+source_script: Mlym
+destination_script: Latn
+name: Malayalam Romanization, 1997
+alias:
+  ogc11122:
+    code: mal_Mlym2Latn_ALA_1997
+    description: Malayalam ALA-Library of Congress 1997 System
+url: http://catdir.loc.gov/catdir/cpso/romanization/malayala.pdf
+creation_date: 1997
+description: |
+  ALA-LC Romanization table for Malayalam
+
+
+notes:
+
+  - Only the vowel forms that appear at the beginning of a syllable are listed; the forms used for
+    vowels following a consonant can be found in grammars; no distinction between the two is
+    made in transliteration.
+
+  - When  ് is used in combination with the vowel u (ഉ്), the combination is also transliterated ȧ.
+
+  - |
+    The vowel a is implicit after all consonants and consonant clusters and is supplied in transliteration, with the following exceptions:
+    a) when another vowel is indicated by its appropriate sign
+    b) when the absence of any vowel is indicated by the superscript sign  ് (also used for the vowel ȧ); and
+    c) when the following modified consonantal forms are used:
+      ൿ  k
+      ൻ  n
+      ൾ  ḷ
+      ൺ  ṇ
+      ൽ  l
+      ർ   r
+  - When റ റ appears as a subscript in a cluster (റ്റ), it is transliterated ta.
+
+  - |
+    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: "ചൈനയ്ക്കെതിരെ ലഡാക്കിൽ സദാസജ്ജം; യുഎസിൽനിന്ന് ൭൨,൫൦൦ സിഗ്–൧൬ റൈഫിൾ"
+    expected: "cainayŭkŭketire lad̂ākŭkil sadāsajŭjaṃ; yuesilninŭnŭ 72,500 sigŭ–16 ṟaiphiḷ"
+  - source: "സർഗഭൂമിക’യ്ക്കില്ല; ലളിതച്ചേച്ചി അങ്ങനെ പറഞ്ഞിട്ടുണ്ടാവില്ല: ആർഎൽവി രാമകൃഷ്ണൻ"
+    expected: "sargabhūmika’yŭkŭkilŭla; laḷitacŭcēcŭci aṅŭṅane paṟañŭñiṭŭṭuṇŭṭāvilŭla: ārelvi rāmakṛṣŭṇan"
+  - source: "സ്വർണക്കടത്ത്‌: ഫൈസൽ ഫരീദും റബിന്‍സും ദുബായിൽ അറസ്റ്റിലായെന്ന്‌ എന്‍ഐഎ"
+    expected: "sŭvarṇakŭkaṭatŭtŭ: phaisal pharīduṃ ṟabinŭsuṃ dubāyil aṟasŭṟŭṟilāyenŭnŭ enŭaie"
+  - source: "വരുമോ ചൈനയുടെ വാക്സീൻ?; ആഗോള ഉപയോഗത്തിന് ഡബ്ല്യുഎച്ച്ഒയുമായി ചർച്ച"
+    expected: "varumō cainayuṭe vākŭsīn?; āgōḷa upayōgatŭtinŭ d̂abŭlŭyuecŭcŭoyumāyi carcŭca"
+  - source: "കുട്ടികളുടെ മാനസിക പിരിമുറുക്കം മാറ്റാൻ പരിശീലനം; ക്ലാസുമായി പോക്സോ പ്രതി"
+    expected: "kuṭŭṭikaḷuṭe mānasika pirimuṟukŭkaṃ māṟŭṟān pariśīlanaṃ; kŭlāsumāyi pōkŭsō pŭrati"
+  - source: "ആദ്യം അമിത് ഷാ, ഇപ്പോൾ മോദി; ബിജെപിയെ പുണരാൻ ജഗൻ; ആന്ധ്രയിലെ കരുനീക്കങ്ങൾ"
+    expected: "ādŭyaṃ amitŭ ṣā, ipŭpōḷ mōdi; bijepiye puṇarān jagan; ānŭdhŭrayile karunīkŭkaṅŭṅaḷ"
+  - source: "ലഹരിമരുന്ന് കേസ്: ബിനീഷ് കോടിയേരിയെ ഇഡി 6 മണിക്കൂർ ചോദ്യം ചെയ്തു"
+    expected: "laharimarunŭnŭ kēsŭ: binīṣŭ kōṭiyēriye id̂i 6 maṇikŭkūr cōdŭyaṃ ceyŭtu"
+  - source: "ഈന്തപ്പഴം വിതരണം ചെയ്തത് ശിവശങ്കര്‍ പറഞ്ഞതു പ്രകാരം: ടി.വി അനുപമയുടെ മൊഴി"
+    expected: "īnŭtapŭpaḻaṃ vitaraṇaṃ ceyŭtatŭ śivaśaṅŭkarŭ paṟañŭñatu pŭrakāraṃ: ṭi.vi anupamayuṭe moḻi"
+  - source: "൫൦൦൦ മണിക്കൂർ കാത്തിരിക്കാൻ തയാറെന്ന് രാഹുൽ: ഒടുവിൽ വഴങ്ങി ഹരിയാന"
+    expected: "5000 maṇikŭkūr kātŭtirikŭkān tayāṟenŭnŭ rāhul: oṭuvil vaḻaṅŭṅi hariyāna"
+  - source: "കാരണം ഷോര്‍ട്ട്‌സര്‍ക്യൂട്ടല്ല; കത്തിയത് ഫയല്‍ മാത്രം, സാനിറ്റൈസര്‍ ഉള്‍പ്പെടെ കത്തിയില്ല"
+    expected: "kāraṇaṃ ṣōrŭṭŭṭŭsarŭkŭyūṭŭṭalŭla; katŭtiyatŭ phayalŭ mātŭraṃ, sāniṟŭṟaisarŭ uḷŭpŭpeṭe katŭtiyilŭla"
+  - source: "വിമൺ സയൻറിസ്റ്റ്സ് സ്കീം"
+    expected: "vimaṇ sayanṟisŭṟŭṟŭsŭ sŭkīṃ"
+
+map:
+
+  rules:
+    # note[5]
+    - pattern: \u0DCA(?=[കഖഗഘങ])
+      result: ṅ
+    - pattern: \u0DCA(?=[ചഛജഝഞ])
+      result: ñ
+    - pattern: \u0DCA(?=[ടഠഡഢണ])
+      result: ṇ
+    - pattern: \u0DCA(?=[തഥദധന])
+      result: n
+
+    # note[3(a,b)]
+    - pattern: (['ക']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'k'
+    - pattern: (['ഖ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'kh'
+    - pattern: (['ഗ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'g'
+    - pattern: (['ഘ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'gh'
+    - pattern: (['ങ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṅ'
+    - pattern: (['ച']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'c'
+    - pattern: (['ഛ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ch'
+    - pattern: (['ജ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'j'
+    - pattern: (['ഝ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'jh'
+    - pattern: (['ഞ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ñ'
+    - pattern: (['ട']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṭ'
+    - pattern: (['ഠ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṭh'
+    - pattern: (['ഡ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'd̂'
+    - pattern: (['ഢ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ḍh'
+    - pattern: (['ണ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṇ'
+    - pattern: (['ത']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 't'
+    - pattern: (['ഥ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'th'
+    - pattern: (['ദ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'd'
+    - pattern: (['ധ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'dh'
+    - pattern: (['ന']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'n'
+    - pattern: (['പ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'p'
+    - pattern: (['ഫ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ph'
+    - pattern: (['ബ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'b'
+    - pattern: (['ഭ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'bh'
+    - pattern: (['മ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'm'
+    - pattern: (['യ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'y'
+    - pattern: (['ര']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'r'
+    - pattern: (['റ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṟ'
+    - pattern: (['ല']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'l'
+    - pattern: (['ള']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ḷ'
+    - pattern: (['ഴ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ḻ'
+    - pattern: (['വ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'v'
+    - pattern: (['ശ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ś'
+    - pattern: (['ഷ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṣ'
+    - pattern: (['സ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 's'
+    - pattern: (['ഩ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'ṉ'
+    - pattern: (['ഹ']=?)(?=[\u0d3e\u0d3f\u0d40\u0d41\u0d42\u0d4d\u0d43\u0d44\u0d46\u0d47\u0d48\u0d4a\u0d4b\u0d4c\u0D62\u0D63\u0d4d])
+      result: 'h'
+    
+
+
+  characters:
+
+    'അ': 'a'
+    'ആ': 'ā'
+    'ഇ': 'i'
+    'ഈ': 'ī'
+    'ഉ': 'u'
+    'ഊ': 'ū'
+    'ഋ': "ṛ"
+    'ൠ': "ṝ"
+    'ഌ': "ḷ"
+    'ൡ': "ḹ"
+
+    'എ': 'e'
+    'ഏ': 'ē'
+    'ഐ': 'ai'
+
+    'ഒ': 'o'
+    'ഓ': 'ō'
+    'ഔ': 'au'
+
+    # Consonants
+    # Gutturals
+    'ക': 'ka'
+    'ഖ': 'kha'
+    'ഗ': 'ga'
+    'ഘ': 'gha'
+    'ങ': 'ṅa'
+
+    # Palatals
+    'ച': 'ca'
+    'ഛ': 'cha'
+    'ജ': 'ja'
+    'ഝ': 'jha'
+    'ഞ': 'ña'
+
+    # Cerebrals
+    'ട':  'ṭa'
+    'ഠ':  'ṭha'
+    'ഡ': 'd̂a'
+    'ഢ':  'ḍha'
+    'ണ':  'ṇa'
+
+    # Dentals
+    'ത': 'ta'
+    'ഥ': 'tha'
+    'ദ': 'da'
+    'ധ': 'dha'
+    'ന': 'na'
+
+    # Labials
+    'പ': 'pa'
+    'ഫ': 'pha'
+    'ബ': 'ba'
+    'ഭ': 'bha'
+    'മ': 'ma'
+
+    # Semivowels
+    'യ': 'ya'
+    'ര': 'ra'
+    'റ': 'ṟa'
+    'റ്റ': 'ṯṯa' # (see Note 4)
+    'ല': 'la'
+    'ള': 'ḷa'
+    'ഴ': 'ḻa'
+    # Sibilants
+    'വ': 'va'
+    'ശ': 'śa'
+    'ഷ': 'ṣa'
+    'സ': 'sa'
+    'ഩ': 'ṉa'
+
+
+    # Aspirate
+    'ഹ': 'ha'
+
+    # Bisarga
+    'ഃ': 'ḥ'
+
+    # Anusvāra
+    'ം': 'ṃ'
+
+
+    # Abagraha
+    'ഽ': ':’' # (apostrophe)
+
+    # Medials # Needed for connecting constants
+
+    'ാ': 'ā'
+    'ി': 'i'
+    'ീ': 'ī'
+    'ു': 'u'
+    'ൂ': 'ū'
+    '്': 'ŭ'
+    'ൃ': "ṛ"
+    'ൄ': "ṝ"
+    '\u0D62': "ḷ"
+    '\u0D63': "ḹ"
+    'െ': "e"
+    'േ': "ē"
+    'ൈ': "ai"
+    'ൊ': 'o'
+    'ോ': 'ō'
+    'ൌ': 'au'
+
+    '्': ''
+    '़': ''
+    'ൗ': ''
+    "‍": '' # no need for zero with joiner
+    "‌": '' # no need for zero with non joiner
+
+
+    # numbers
+    '൦': '0'
+    '൧': '1'
+    '൨': '2'
+    '൩': '3'
+    '൪': '4'
+    '൫': '5'
+    '൬': '6'
+    '൭': '7'
+    '൮': '8'
+    '൯': '9'
+    '൰': '10'
+    '൱': '100'
+    '൲': '1000'
+
+
+    # Note 3(c)
+
+    'ൿ': 'k'
+    'ൺ': 'ṇ'
+    'ൻ': 'n'
+    'ൽ': 'l'
+    'ൾ': 'ḷ'
+    'ർ': 'r'
+    'ഉ്': 'ū'
+
+    # extended and ancient forms
+
+    'ഺ': 'ṯa'

data/maps/alalc-mal-Mlym-Latn-2012.yaml

@@ -0,0 +1,73 @@
+---
+authority_id: alalc
+id: 2012
+language: iso-639-2:mal
+source_script: Mlym
+destination_script: Latn
+name: Malayalam Romanization, 2012
+alias:
+  ogc11122:
+    code: mal_Mlym2Latn_ALA_2012
+    description: Malayalam ALA-Library of Congress 2012 System
+url: https://www.loc.gov/catdir/cpso/romanization/malayalam.pdf
+creation_date: 2012
+description: |
+  ALA-LC Romanization table for Malayalam
+
+
+notes:
+
+  - Only the vowel forms that appear at the beginning of a syllable are listed; the forms used for
+    vowels following a consonant can be found in grammars; no distinction between the two is
+    made in transliteration.
+
+  - When  ് is used in combination with the vowel u (ഉ്), the combination is also transliterated ȧ.
+
+  - |
+    The vowel a is implicit after all consonants and consonant clusters and is supplied in transliteration, with the following exceptions:
+    a) when another vowel is indicated by its appropriate sign
+    b) when the absence of any vowel is indicated by the superscript sign  ് (also used for the vowel ȧ); and
+    c) when the following modified consonantal forms are used:
+      ൿ  k
+      ൻ  n
+      ൾ  ḷ
+      ൺ  ṇ
+      ൽ  l
+      ർ   r
+  - When റ റ appears as a subscript in a cluster (റ്റ), it is transliterated ta.
+
+  - |
+    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: "ബാർ കോഴ ആവിയായി; മകൻ മാണിയെ വ്യക്തിഹത്യ നടത്തിയവരുടെ കൂടാരത്തിൽ"
+    expected: "bār kōḻa āviyāyi; makan māṇiye vŭyakŭtihatŭya naṭatŭtiyavaruṭe kūṭāratŭtil"
+  - source: "മിഷൻ ശക്തി, ഓപറേഷൻ ശക്തി'; മുഖം മിനുക്കാൻ സ്ത്രീസുരക്ഷാ പദ്ധതികളുമായി"
+    expected: "miṣan śakŭti, ōpaṟēṣan śakŭti'; mukhaṃ minukŭkān sŭtŭrīsurakŭṣā padŭdhatikaḷumāyi"
+  - source: "സംസ്ഥാനത്ത് ബുധനാഴ്ച 6,244 പേര്‍ക്ക് കോവിഡ്; ൫൭൪൫ പേര്‍ക്ക് രോഗം സമ"
+    expected: "saṃsŭthānatŭtŭ budhanāḻŭca 6,244 pērŭkŭkŭ kōvid̂ŭ; 5745 pērŭkŭkŭ rēāgaṃ sama"
+  - source: "ശബരിമല തീര്‍ഥാടനം: സ്‌പെഷല്‍ കമ്മീഷ്ണറുടെ റിപ്പോര്‍ട്ട് ഹൈകോടതിയില്‍"
+    expected: "śabarimala tīrŭthāṭanaṃ: sŭpeṣalŭ kamŭmīṣŭṇaṟuṭe ṟipŭpōrŭṭŭṭŭ haikōṭatiyilŭ"
+  - source: "സജ്‌ന ഷാജിക്ക് ഐക്യദാര്‍ഢ്യവുമായി സന്തോഷ് കീഴാറ്റൂര്‍ ബിരിയാണി വില്‍ക്കും"
+    expected: "sajŭna ṣājikŭkŭ aikŭyadārŭḍhŭyavumāyi sanŭtōṣŭ kīḻāṟŭṟūrŭ biriyāṇi vilŭkŭkuṃ"
+  - source: "ആനപ്പുറത്തിരുന്ന് യോഗാഭ്യാസത്തിനിടെ ബാബ രാംദേവ് നിലത്തുവീണു"
+    expected: "ānapŭpuṟatŭtirunŭnŭ yēāgābhŭyāsatŭtiniṭe bāba rāṃdēvŭ nilatŭtuvīṇu"
+  - source: "സാധാരണക്കാരെൻറ ദീപാവലി നിങ്ങളുടെ കൈയിൽ; മൊറട്ടോറിയം കേസിൽ കേന്ദ്രത്തോട് സുപ്രീംകോടതി"
+    expected: "sādhāraṇakŭkārenṟa dīpāvali niṅŭṅaḷuṭe kaiyil; meāṟaṭŭṭēāṟiyaṃ kēsil kēnŭdŭratŭtēāṭŭ supŭrīṃkēāṭati"
+  - source: "മാണി ഉണ്ടായിരുന്നെങ്കിൽ ഇത്തരമൊരു തീരുമാനം എടുക്കില്ല, ഈ രാഷ്ട്രീയ വഞ്ചന അദ്ദേഹത്തിന്‍റെ ആത്മാവ് പൊറുക്കില്ല"
+    expected: "māṇi uṇŭṭāyirunŭneṅŭkil itŭtaramoru tīrumānaṃ eṭukŭkilŭla, ī rāṣŭṭŭrīya vañŭcana adŭdēhatŭtinŭṟe ātŭmāvŭ poṟukŭkilŭla"
+  - source: "ധാർമികത വിളമ്പണ്ട, എം.പി, എം.എൽ.എ സ്ഥാനങ്ങൾ രാജിവെക്കൂ എന്ന് ജോസ് കെ. മാണിയോട് ഷാഫി"
+    expected: "dhārmikata viḷamŭpaṇŭṭa, eṃ.pi, eṃ.el.e sŭthānaṅŭṅaḷ rājivekŭkū enŭnŭ jōsŭ ke. māṇiyōṭŭ ṣāphi"
+  - source: "ഞങ്ങൾ ബോക്സിൽ നിന്നും ഒന്നും ഒഴിവാക്കില്ല; ആപ്പിളിനെ ട്രോളി ഷവോമി"
+    expected: "ñaṅŭṅaḷ bēākŭsil ninŭnuṃ onŭnuṃ oḻivākŭkilŭla; āpŭpiḷine ṭŭrēāḷi ṣavēāmi"
+
+
+map:
+
+  inherit: 'alalc-mal-Mlym-Latn-1997'