interscript 0.1.5 → 0.1.6

data/maps/bis-knd-Knda-Latn-13194-1991.yaml

@@ -0,0 +1,173 @@
+---
+authority_id: bis
+id: 1991
+language: knd
+source_script: Knda
+destination_script: Latn
+name: Indian script code for information interchange - ISCII - Kannada 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: "ಈಗ ವೈರಲ್ ಆಗುತ್ತಿದೆ ಕಂಗನಾ ರಣಾವುತ್ ಹಳೇಯ ವಿಡಿಯೋ"
+    expected: "īg vairl āguttide kṅgnā rṇāvut hḷēy viḍiyō"
+  - source: "ಸಂಕಷ್ಟ ಎದುರಾದರೆ ಬಿಎಸ್‌ವೈ ಬೆನ್ನಿಗೆ ಎಚ್‌ಡಿಕೆ ?"
+    expected: "sṅkṣṭ edurādre biesvai bennige ecḍike ?"
+  - source: "ಶಾಸಕರಿಂದಲೂ ಒತ್ತಡ?"
+    expected: "śāskrindlū ottḍ?"
+  - source: "ಏಕೆಂದರೆ, ಇವರ ಹೆಸರೇ ಕೊರೊನಾ!"
+    expected: "ēkendre, ivr hesrē keūronā!"
+  - source: "ಕೊರೊನಾಕ್ಕಿಂತಲೂ ಮುಂಚೆಯೇ ಅವರು ಕೊರೊನಾ ಆಗಿದ್ದವರು!"
+    expected: "keūronākkintlū muñceyē avru keūronā āgiddvru!"
+  - source: "ಕೇರಳದ ಕೊಟ್ಟಾಯಂನ ಮಹಿಳೆಯೊಬ್ಬರು ಈಗ ತಮ್ಮ ಹೆಸರು ಹೇಳಲು ಮುಜುಗರ ಪಡುವಂತಾಗಿದೆ"
+    expected: "kērḷd keūṭṭāynn mhiḷeyobbru īg tmm hesru hēḷlu mujugr pḍuvntāgide"
+  - source: "ಬೇರೆ ಬೆಳವಣಿಗೆಗೆ ಸಾಕ್ಷಿ ಸಾಧ್ಯತೆ"
+    expected: "bēre beḷvṇigege sākṣi sādhyte"
+  - source: "ಗುರು ಶನಿ ಗ್ರಹಗಳ ನಡುವೆ 3 ಜನರ ಪ್ರಯಾಣ"
+    expected: "guru śni grhgḷ nḍuve 3 jnr pryāṇ"
+  - source: "ಕೊರೊನಾ ಬಿಕ್ಕಟ್ಟಿನ ಕಾಲದಲ್ಲಿ “ಮಿಸೆಸ್‌ ಕೊರೊನಾ’ಗೆ ಸಮಸ್ಯೆ!"
+    expected: "keūronā bikkṭṭin kāldlli “mises keūronā’ge smsye!"
+  - source: "ಕೆಲವು ತಿಂಗಳಿಂದ ರಷ್ಯಾ ದೇಶದ ಏನಾಟೊಲಿ ಇವ್ಯಾನಿಶಿನ್‌ ಮತ್ತು ಇವಾನ್‌ ವ್ಯಾಗನರ್‌ ಹಾಗೂ ಅಮೆರಿಕಾದ ಕ್ರಿಸ್‌ ಕ್ಯಾಸಿಡಿ ಈ ಉಪಗ್ರಹದಲ್ಲಿ ವಾಸಿಸುತ್ತಿದ್ದಾರೆ"
+    expected: "kelvu tiṅgḷind rṣyā dēśd ēnāṭeūli ivyāniśin mttu ivān vyāgnr hāgū amerikād kris kyāsiḍi ī upgrhdlli vāsisuttiddāre"
+
+
+map:
+
+  rules:
+    # note
+    - pattern: \u0C82(?=[ಕಖಗಘಙ])
+      result: ṅ
+    - pattern: \u0C82(?=[ಚಛಜಝಞ])
+      result: ñ
+    - pattern: \u0C82(?=[ಟಠಡಢಣ])
+      result: ṇ
+    - pattern: \u0C82(?=[ತಥದಧನ])
+      result: n
+    - pattern: \u0C82(?=[ಪಫಬಭಮ])
+      result: m
+
+  characters:
+    'ಅ': 'a'
+    'ಆ': 'ā'
+    'ಇ': 'i'
+    'ಈ': 'ī'
+    'ಉ': 'u'
+    'ಊ': 'ū'
+    'ಋ': 'ṛ'
+    'ಌ': 'ḻ'
+
+    'ಎ': 'e'
+    'ಏ': 'ē'
+    'ಐ': 'ai'
+
+    'ಒ': 'o'
+    'ಓ': 'ŏ'
+    'ಔ': 'au'
+
+    # II. Consonants (see Note 2)
+    # Gutturals
+    'ಕ': 'k'
+    'ಖ': 'kh'
+    'ಗ': 'g'
+    'ಘ': 'gh'
+    'ಙ': 'ṅ'
+
+    # Palatals
+    'ಚ': 'c'
+    'ಛ': 'ch'
+    'ಜ': 'j'
+    'ಝ': 'jh'
+    'ಞ': 'ñ'
+
+    # Cerebrals
+    'ಟ': 'ṭ'
+    'ಠ': 'ṭh'
+    'ಡ': 'ḍ'
+    'ಢ': 'ḍh'
+    'ಣ': 'ṇ'
+
+    # Dentals
+    'ತ': 't'
+    'ಥ': 'th'
+    'ದ': 'd'
+    'ಧ': 'dh'
+    'ನ': 'n'
+
+    # Labials
+    'ಪ': 'p'
+    'ಫ': 'ph'
+    'ಬ': 'b'
+    'ಭ': 'bh'
+    'ಮ': 'm'
+
+    # Semivowels
+    'ಯ': 'y'
+    'ರ': 'r'
+    'ಱ': 'ṟ'
+    'ಲ': 'l'
+    'ಳ': 'ḷ'
+ #   'ऴ': 'ẕ'
+
+
+    'ವ': 'v'
+
+    # Sibilants
+    'ಶ': 'ś'
+    'ಷ': 'ṣ'
+    'ಸ': 's'
+
+
+    # Aspirate
+    'ಹ': 'h'
+
+
+    # Chandrabindu
+    '\u0C80': 'm'
+    '\u0C81': 'm'
+
+    # Bisarga
+    'ಃ': 'ḥ'
+
+    # Anusvāra
+    'ಂ': 'ṃ'
+
+    '$಼': '' #nukta
+
+    # Medials # Needed for connecting constants
+    'ಾ': "ā"
+    'ಿ': "i"
+    'ೀ': "ī"
+    'ು': "u"
+    'ೂ': "ū"
+    'ೃ': "ṛ"
+    'ೄ': "ṛr"
+
+
+    'ೆ': "e"
+    'ೇ': "ē"
+    'ೈ': "ai"
+
+
+    'ೊ': 'o'
+    'ೋ': 'ō'
+    'ೌ': 'au'
+
+    '्': ''
+    '़': ''
+    '್': ''
+    "‍": '' # no need for zero with joiner
+    "‌": '' # no need for zero with non joiner

data/maps/bis-mlm-Mlym-Latn-13194-1991.yaml

@@ -0,0 +1,176 @@
+---
+authority_id: bis
+id: 1991
+language: mlm
+source_script: Mlym
+destination_script: Latn
+name: Indian script code for information interchange - ISCII - Malayalam 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: "സ്വപ്നയ്ക്കൊപ്പം ഹോട്ടലിൽ മന്ത്രിപുത്രൻ, ചിത്രങ്ങൾ; 4 കോടി കമ്മിഷനിലും പങ്കുപറ്റി"
+    expected: "svpnykkeāppṃ hōṭṭlil mntriputrṇ, citrṅṅḷ; 4 kōṭi kmmiṣniluṃ pṅkupṟṟi"
+  - source: "വിവാദങ്ങളിൽ മാപ്പില്ല, ആദ്യമായി ഐപിഎൽ കമന്ററിക്കില്ലാതെ മ‍ഞ്ജരേക്കര്‍; പുറത്ത് തന്നെ"
+    expected: "vivādṅṅḷil māppill, ādymāyi aipiel kmnṟṟikkillāte mñjrēkkr; puṟtt tnne"
+  - source: "പരമാവധി ഊറ്റിയെടുത്തു; എല്ലാം കഴിഞ്ഞ് ഉപേക്ഷിച്ചു: വിങ്ങലോടെ റംസിയുടെ സഹോദരി"
+    expected: "prmāvdhi ūṟṟiyeṭuttu; ellāṃ kẕiññ upēkṣiccu: viṅṅlōṭe ṟṃsiyuṭe shōdri"
+  - source: "വഴിനീളെ രോഷം; യൂത്ത്‌ കോണ്‍ഗ്രസുകാരന്റെ  കയ്യൊടിഞ്ഞു, കൈവീശികാട്ടി ജലീൽ"
+    expected: "vẕinīḷe rōṣṃ; yūtt kōṇgrsukārnṟe  kyyoṭiññu, kaivīśikāṭṭi jlīl"
+  - source: "‘വികൃതിപ്പയ്യനാ’യിരുന്ന കോലി മിന്നും താരമായത് ഇന്ത്യൻ ക്രിക്കറ്റിന്റെ ഗുണം: അക്തർ"
+    expected: "‘vikṛtippyynā’yirunn kōli minnuṃ tārmāyt intyṇ krikkṟṟinṟe guṇṃ: aktr"
+  - source: "ലോകത്തിനു വാക്സീൻ വേണമെങ്കിൽ ഈ നഗരം കനിയണം; തലയുയർത്തി ഇന്ത്യ"
+    expected: "lōkttinu vāksīṇ vēṇmeṅkil ī ngrṃ kniyṇṃ; tlyuyrtti inty"
+  - source: "‘അദ്ദേഹം ഒരു മകളെപ്പോലെ എന്നെ കേട്ടു’: ഗവർണറെ കണ്ട് കങ്കണ റനൗട്ട്"
+    expected: "‘addēhṃ oru mkḷeppōle enne kēṭṭu’: gvrṇṟe kṇṭ kṅkṇ ṟnṭṭ"
+  - source: "‘എല്ലാം ഫെയ്‌സ്ബുക്കില്‍ പറയുമെന്നു ജലീല്‍; കനത്ത സുരക്ഷയില്‍ യാത്ര, കരിങ്കൊടി"
+    expected: "‘ellāṃ pheysbukkil pṟyumennu jlīl; kntt surkṣyil yātr, kriṅkoṭi"
+  - source: "ഏറ്റവും ചെറുപ്പം ജോയി; ജയലക്ഷ്മി, ദീപ്തി, ജ്യോതി; പട്ടികയിലെ നിര ഇങ്ങനെ‌"
+    expected: "ēṟṟvuṃ ceṟuppṃ jōyi; jylkṣmi, dīpti, jyōti; pṭṭikyile nir iṅṅne"
+  - source: "പരിശോധന കുറച്ച് കേരളം; കോവിഡ് ടെസ്റ്റ് പോസിറ്റിവിറ്റി നിരക്ക് എറ്റവും ഉയർന്ന്; ആശങ്ക‌"
+    expected: "priśōdhn kuṟcc kērḷṃ; kōvid̂ ṭesṟṟ pōsiṟṟiviṟṟi nirkk eṟṟvuṃ uyrnn; āśṅk"
+
+map:
+
+  rules:
+    # note
+    - pattern: \u0D02(?=[കൿഖഗഘങ])
+      result: ṅ
+    - pattern: \u0D02(?=[ചഛജഝഞ])
+      result: ñ
+    - pattern: \u0D02(?=[ടഠഡഢണ])
+      result: ṇ
+    - pattern: \u0D02(?=[തഥദധന])
+      result: n
+    - pattern: \u0D02(?=[പഫബഭമ])
+      result: m
+
+
+  characters:
+    'അ': 'a'
+    'ആ': 'ā'
+    'ഇ': 'i'
+    'ഈ': 'ī'
+    'ഉ': 'u'
+    'ഊ': 'ū'
+    'ഋ': 'ṛ'
+    'ഌ': 'ḻ'
+
+
+    'എ': 'e'
+    'ഏ': 'ē'
+    'ഐ': 'ai'
+
+    'ഒ': 'o'
+    'ഓ': 'ŏ'
+    'ഔ': 'au'
+
+    # II. Consonants (see Note 2)
+    # Gutturals
+    'ക': 'k'
+    'ൿ': 'k'
+    'ഖ': 'kh'
+    'ഗ': 'g'
+    'ഘ': 'gh'
+    'ങ': 'ṅ'
+
+    # Palatals
+    'ച': 'c'
+    'ഛ': 'ch'
+    'ജ': 'j'
+    'ഝ': 'jh'
+    'ഞ': 'ñ'
+
+    # Cerebrals
+    'ട':  'ṭ'
+    'ഠ':  'ṭh'
+    'ഡ': 'd̂'
+    'ഢ':  'ḍh'
+    'ണ':  'ṇ'
+
+    # Dentals
+    'ത': 't'
+    'ഥ': 'th'
+    'ദ': 'd'
+    'ധ': 'dh'
+    'ന': 'n'
+
+    # Labials
+    'പ': 'p'
+    'ഫ': 'ph'
+    'ബ': 'b'
+    'ഭ': 'bh'
+    'മ': 'm'
+
+    # Semivowels
+    'യ': 'y'
+    'ര': 'r'
+    'ർ': 'r'
+    'റ': 'ṟ'
+    'ൽ': 'l'
+    'ല': 'l'
+    'ള': 'ḷ'
+    'ൾ': 'ḷ'
+    'ഴ': 'ẕ'
+    # Sibilants
+    'വ': 'v'
+    'ശ': 'ś'
+    'ഷ': 'ṣ'
+    'സ': 's'
+
+
+    # Aspirate
+    'ഹ': 'h'
+
+    # Chandrabindu
+    '\u0D01': 'm'
+
+    # Bisarga
+    'ഃ': 'ḥ'
+
+    # Anusvāra
+    'ം': 'ṃ'
+
+    # Medials # Needed for connecting constants
+
+    'ാ': 'ā'
+    'ി': 'i'
+    'ീ': 'ī'
+    'ു': 'u'
+    'ൂ': 'ū'
+
+    'ൃ': "ṛ"
+    'ൄ': "ṝ"
+
+
+    'െ': "e"
+    'േ': "ē"
+    'ൈ': "ai"
+    'ൊ': 'o'
+    'ോ': 'ō'
+    'ൌ': 'au'
+
+
+    'ൺ': 'n'
+    'ൻ': 'ṇ'
+
+    '्': ''
+    '്': ''
+    '़': ''
+    'ൗ': ''
+    "‍": '' # no need for zero with joiner
+    "‌": '' # no need for zero with non joiner

data/maps/bis-ori-Orya-Latn-13194-1991.yaml

@@ -0,0 +1,160 @@
+---
+authority_id: bis
+id: 1991
+language: ori
+source_script: Orya
+destination_script: Latn
+name: Indian script code for information interchange - ISCII - Oriya 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: "ସାମ୍ପ୍ରତିକ ବିଶ୍ବ ସ୍ଥିତାବସ୍ଥାକୁ ଚାଲେଞ୍ଜ୍‌ କରୁଥିବା ଦୁଇ ମୁଖ୍ୟ ପ୍ରତିଦ୍ବନ୍ଦ୍ବୀ ହେଉଛନ୍ତି ଚୀନ୍‌ ଓ ରୁଷ୍: ଇଂଲଣ୍ଡ୍‌ ଗୁଇନ୍ଦା ଅଧିକାରୀ"
+    expected: "sāmprtik biśb sthitābsthāku cālēñj kruthibā dui mukhẏ prtidbndbī hēuchnti cīn ŏ ruṣ: iṃlṇḍ guindā adhikārī"
+  - source: "ଏଣିକି ଏହି ଗାଡ଼ି ଚଳାଇଲେ ପୁଲିସ କାଟି ପାରିବ ନାହିଁ ଫାଇନ୍"
+    expected: "ēṇiki ēhi gād̂i cḷāilē pulis kāṭi pārib nāhim phāin"
+  - source: "ପିସି କାରବାର ଘଟଣା, ନିଲମ୍ବନ ହେଲେ ପଞ୍ଚାୟତ ଅଧିକାରୀ"
+    expected: "pisi kārbār ghṭṇā, nilmbn hēlē pñcāẏt adhikārī"
+  - source: "ବରିଷ୍ଠ ଓଡ଼ିଆ ଚଳଚ୍ଚିତ୍ର ଅଭିନେତା ଅଜିତ ଦାସଙ୍କ"
+    expected: "briṣṭh ŏḍiā cḷccitr abhinētā ajit dāsṅk"
+  - source: "ସଞ୍ଚୟ କରିବାରେ କେଉଁ ରାଶି ଅଧିକ ସତର୍କ ?"
+    expected: "sñcẏ kribārē kēum rāśi adhik strk ?"
+  - source: "କର୍କଟ ରାଶିର ଅଧିକାରୀ ନିଜ ଜ୍ଞାତିପରିଜନଙ୍କ ପାଇଁ ଟଙ୍କା ଖର୍ଚ୍ଚ କରିବାକୁ ପସନ୍ଦ କରିଥାନ୍ତି।"
+    expected: "krkṭ rāśir adhikārī nij jñātiprijnṅk pāim ṭṅkā khrcc kribāku psnd krithānti."
+  - source: "ବୃଷ ରାଶିର ବ୍ୟକ୍ତିମାନେ ସ୍ବଭାବରେ କଞ୍ଜୁସ୍ କିମ୍ବା କୃପଣ ନୁହନ୍ତି"
+    expected: "bṛṣ rāśir bẏktimānē sbbhābrē kñjus kimbā kṛpṇ nuhnti"
+  - source: "ନବନିଯୁକ୍ତ ଓଡିଶା କଂଗ୍ରେସ ପ୍ରଭାରୀ ଏ.ଚେଲ୍ଲା କୁମାରଙ୍କୁ କରୋନା"
+    expected: "nbniyukt ŏḍiśā kṅgrēs prbhārī ē.cēllā kumārṅku krŏnā"
+  - source: "ଦିଲ୍ଲୀ: ଦିନ ଦ୍ବିପହରରେ ଗାଡ଼ି ଉପରକୁ ଦୁର୍ବୃତ୍ତ ଚଳାଇଲେ ୮ ରାଉଣ୍ଡ ଗୁଳି: ଚାଳକଙ୍କ ମୃତ୍ୟୁ"
+    expected: "dillī: din dbiphrrē gād̂i uprku durbṛtt cḷāilē ୮ rāuṇḍ guḷi: cāḷkṅk mṛtẏu"
+  - source: "ବୟସରେ ଆର ପାରିକୁ ଚାଲିଗଲେ କଣ୍ଠଶିଳ୍ପୀ ଅନୁରାଧା ପୋଡୱାଲଙ୍କ ପୁଅ ଆଦିତ୍ୟ"
+    expected: "bẏsrē ār pāriku cāliglē kṇṭhśiḷpī anurādhā pēāḍୱālṅk pua āditẏ"
+
+map:
+
+  rules:
+    # note
+    - pattern: \u0B02(?=[କଖଗଘଙ])
+      result: ṅ
+    - pattern: \u0B02(?=[ଚଛଜଝଞ])
+      result: ñ
+    - pattern: \u0B02(?=[ଟଠଡଡ଼ଢଣଢ଼])
+      result: ṇ
+    - pattern: \u0B02(?=[ତଥଦଧନ])
+      result: n
+    - pattern: \u0B02(?=[ପଫବଭମ])
+      result: m
+
+
+  characters:
+    'ଅ': 'a'
+    'ଆ': 'ā'
+    'ଇ': 'i'
+    'ଈ': 'ī'
+    'ଉ': 'u'
+    'ଊ': 'ū'
+    'ଋ': 'ṛ'
+    'ଌ': 'ḻ'
+    'ଏ': 'ē'
+    'ଐ': 'ai'
+    'ଓ': 'ŏ'
+    'ଔ': 'au'
+
+    # II. Consonants (see Note 2)
+    # Gutturals
+    'କ': 'k'
+    'ଖ': 'kh'
+    'ଗ': 'g'
+    'ଘ': 'gh'
+    'ଙ': 'ṅ'
+
+    # Palatals
+    'ଚ': 'c'
+    'ଛ': 'ch'
+    'ଜ': 'j'
+    'ଝ': 'jh'
+    'ଞ': 'ñ'
+
+    # Cerebrals
+    'ଟ':  'ṭ'
+    'ଠ':  'ṭh'
+    'ଡ':  'ḍ'
+    'ଡ଼':  'd̂'
+    'ଢ':  'ḍh'
+    'ଢ଼':  'd̂h'
+    'ଣ':  'ṇ'
+
+    # Dentals
+    'ତ': 't'
+    'ଥ': 'th'
+    'ଦ': 'd'
+    'ଧ': 'dh'
+    'ନ': 'n'
+
+    # Labials
+    'ପ': 'p'
+    'ଫ': 'ph'
+    'ବ': 'b'
+    'ଭ': 'bh'
+    'ମ': 'm'
+
+    # Semivowels
+    'ଯ': 'y'
+    'ୟ': 'ẏ'
+    'ର': 'r'
+    'ଲ': 'l'
+    'ଳ': 'ḷ'
+    'ଵ': 'v'
+
+    # Sibilants
+    'ଶ': 'ś'
+    'ଷ': 'ṣ'
+    'ସ': 's'
+
+
+    # Aspirate
+    'ହ': 'h'
+
+    # Chandrabindu
+    'ଁ': 'm'
+
+    # Bisarga
+    'ଃ': 'ḥ'
+
+    # Anusvāra
+    'ଂ': 'ṃ'
+
+    # Medials # Needed for connecting constants
+
+    'ା': 'ā'
+    'ି': 'i'
+    'ୀ': 'ī'
+    'ୁ': 'u'
+    'ୂ': 'ū'
+    'ୃ': 'ṛ'
+    'େ': 'ē'
+    'ୈ': 'ai'
+    'ୋ': 'ŏ'
+    'ୌ': 'au'
+
+    '्': ''
+    '୍': ''
+    '़': ''
+    '଼': ''
+    '।': '.'
+    "‍": ''# Used for joining
+    "‌": ''# Used for non joining