ovos-lang-parser 0.0.0__py3-none-any.whl

ovos_lang_parser/__init__.py

@@ -0,0 +1,37 @@
+import json
+import os.path
+
+from ovos_utils.parse import match_one, fuzzy_match, MatchStrategy
+from ovos_utils.lang import standardize_lang_tag
+
+
+def extract_langcode(text, lang):
+    lang = standardize_lang_tag(lang).split("-")[0]
+    resource_file = f"{os.path.dirname(__file__)}/{lang}/langs.json"
+    if not os.path.isfile(resource_file):
+        resource_file = f"{os.path.dirname(__file__)}/en/langs.json"
+    LANGUAGES = {}
+    with open(resource_file) as f:
+        for k, v in json.load(f).items():
+            if isinstance(v, str):
+                v = [v]
+            # list of spoken names for this language
+            # multiple valid spellings may exist
+            for l in v:
+                LANGUAGES[l] = k
+    return match_one(text, LANGUAGES, strategy=MatchStrategy.TOKEN_SET_RATIO)
+
+
+def pronounce_lang(lang_code, lang):
+    lang = standardize_lang_tag(lang).split("-")[0]
+    resource_file = f"{os.path.dirname(__file__)}/{lang}/langs.json"
+    if not os.path.isfile(resource_file):
+        resource_file = f"{os.path.dirname(__file__)}/en/langs.json"
+    with open(resource_file) as f:
+        LANGUAGES = json.load(f)
+    lang_code = lang_code.lower()
+    lang2 = lang_code.split("-")[0]
+    spoken_lang = LANGUAGES.get(lang_code) or LANGUAGES.get(lang2) or lang_code
+    if isinstance(spoken_lang, list):
+        spoken_lang = spoken_lang[0]
+    return spoken_lang

ovos_lang_parser/res/ca/langs.json

@@ -0,0 +1,155 @@
+{
+  "aa": "Àfar",
+  "ab": "Abkhaz",
+  "af": "Afrikaans",
+  "ak": "Àkan",
+  "am": "Amhàric",
+  "ar": "Àrab",
+  "as": "Assamès",
+  "ay": "Aimara",
+  "az": "Àzeri",
+  "ba": "Baixkir",
+  "be": "Bielorús",
+  "bg": "Búlgar",
+  "bh": "Bihari",
+  "bi": "Bislama",
+  "bn": "Bengalí",
+  "bo": "Tibetà",
+  "br": "Bretó",
+  "bs": "Serbocroat",
+  "ca": "Català",
+  "co": "Cors",
+  "cs": "Txec",
+  "cy": "Gal·Lès",
+  "da": "Danès",
+  "de": "Alemany",
+  "dv": "Divehi",
+  "dz": "Dzongka",
+  "ee": "Ewe",
+  "el": "Grec Modern",
+  "en": "Anglès",
+  "en-us": "Anglès americà",
+  "eo": "Esperanto",
+  "es": "Castellà",
+  "et": "Estonià",
+  "eu": "Basc",
+  "fa": "Persa",
+  "fi": "Finès",
+  "fj": "Fijià",
+  "fo": "Feroès",
+  "fr": "Francès",
+  "fy": "Frisó",
+  "ga": "Irlandès",
+  "gd": "Gaèlic escocès",
+  "gl": "Gallec",
+  "gn": "Guaraní",
+  "gu": "Gujarati",
+  "gv": "Manx",
+  "ha": "Haussa",
+  "hi": "Hindi",
+  "hr": "Serbocroat",
+  "ht": "Crioll haitià",
+  "hu": "Hongarès",
+  "hy": "Armeni",
+  "ia": "Interlingua",
+  "id": "Indonesi",
+  "ie": "Interllengua",
+  "ig": "Igbo",
+  "ik": "Inupiak",
+  "is": "Islandès",
+  "it": "Italià",
+  "iu": "Inuktitut",
+  "iw": "Hebreu",
+  "ja": "Japonès",
+  "jw": "Javanès",
+  "ka": "Georgià",
+  "kk": "Kazakh",
+  "kl": "Grenlandès",
+  "km": "Khmer",
+  "kn": "Kannada",
+  "ko": "Coreà",
+  "ks": "Caixmiri",
+  "ku": "Kurd",
+  "ky": "Kirguís",
+  "la": "Llatí",
+  "lb": "Luxemburguès",
+  "lg": "Ganda",
+  "ln": "Lingala",
+  "lo": "Laosià",
+  "lt": "Lituà",
+  "lv": "Letó",
+  "mg": "Malgaix",
+  "mi": "Maori",
+  "mk": "Macedònic",
+  "ml": "Malaialam",
+  "mn": "Mongol",
+  "mr": "Marathi",
+  "ms": "Malai",
+  "mt": "Maltès",
+  "my": "Birmà",
+  "na": "Nauruà",
+  "ne": "Nepalès",
+  "nl": "Neerlandès",
+  "nn": "Noruec Nynorsk",
+  "no": "Noruec",
+  "nr": "Ndebele Del Sud",
+  "ny": "Nyanja",
+  "oc": "Occità",
+  "om": "Oromo",
+  "or": "Oriya",
+  "os": "Osset",
+  "pa": "Panjabi",
+  "pl": "Polonès",
+  "ps": "Paixtu",
+  "pt": "Portuguès",
+  "pt-br": "Portuguès brasiler",
+  "qu": "Quítxua",
+  "rm": "Retoromànic",
+  "rn": "Rundi",
+  "ro": "Romanès",
+  "ru": "Rus",
+  "rw": "Ruanda",
+  "sa": "Sànscrit",
+  "sd": "Sindhi",
+  "sg": "Sango",
+  "si": "Singalès",
+  "sk": "Eslovac",
+  "sl": "Eslovè",
+  "sm": "Samoà",
+  "sn": "Shona",
+  "so": "Somali",
+  "sq": "Albanès",
+  "sr": "Serbi",
+  "ss": "Swazi",
+  "st": "Sotho Del Sud",
+  "su": "Sondanès",
+  "sv": "Suec",
+  "sw": "Suahili",
+  "ta": "Tàmil",
+  "te": "Telugu",
+  "tg": "Tadjik",
+  "th": "Tailandès",
+  "ti": "Tigrinya",
+  "tk": "Turcman",
+  "tl": "Tagàlog",
+  "tn": "Tswana",
+  "to": "Tongalès",
+  "tr": "Turc",
+  "ts": "Tsonga",
+  "tt": "Tàrtar",
+  "tw": "Twi",
+  "ug": "Uigur",
+  "uk": "Ucraïnès",
+  "ur": "Urdú",
+  "uz": "Uzbek",
+  "ve": "Venda",
+  "vi": "Vietnamita",
+  "vo": "Volapük",
+  "wo": "Wòlof",
+  "xh": "Xosa",
+  "yi": "Ídix",
+  "yo": "Ioruba",
+  "za": "Zhuang",
+  "zh": "Xinès",
+  "zu": "Zulu"
+}

ovos_lang_parser/res/da/langs.json

@@ -0,0 +1,155 @@
+{
+  "aa": "afar",
+  "ab": "abkhasisk",
+  "af": "Afrikaans",
+  "ak": "akan",
+  "am": "amharisk",
+  "ar": "arabisk",
+  "as": "assamisk",
+  "ay": "Aymara",
+  "az": "aserbajdsjansk",
+  "ba": "basjkirsk",
+  "be": "hviderussisk",
+  "bg": "bulgarsk",
+  "bh": "bihari",
+  "bi": "Bislama",
+  "bn": "bengalsk",
+  "bo": "tibetansk",
+  "br": "bretonsk",
+  "bs": "bosnisk",
+  "ca": "catalansk",
+  "co": "korsikansk",
+  "cs": "tjekkisk",
+  "cy": "walisisk",
+  "da": "dansk",
+  "de": "tysk",
+  "dv": "maldivisk",
+  "dz": "Dzongkha",
+  "ee": "Moderfår",
+  "el": "græsk",
+  "en": "engelsk",
+  "en-us": "Amerikansk engelsk",
+  "eo": "Esperanto",
+  "es": "spansk",
+  "et": "estisk",
+  "eu": "baskisk",
+  "fa": "persisk",
+  "fi": "finsk",
+  "fj": "fijiansk",
+  "fo": "færøsk",
+  "fr": "fransk",
+  "fy": "frisisk",
+  "ga": "irsk",
+  "gd": "skotsk gælisk",
+  "gl": "galicisk",
+  "gn": "Guarani",
+  "gu": "Gujarati",
+  "gv": "Manx",
+  "ha": "Hausa",
+  "hi": "hindi",
+  "hr": "kroatisk",
+  "ht": "haitisk kreol",
+  "hu": "ungarsk",
+  "hy": "armensk",
+  "ia": "Interlingua",
+  "id": "indonesisk",
+  "ie": "Interlingue",
+  "ig": "Igbo",
+  "ik": "Inupiak",
+  "is": "islandsk",
+  "it": "italiensk",
+  "iu": "Inuktitut",
+  "iw": "hebraisk",
+  "ja": "japansk",
+  "jw": "javanesisk",
+  "ka": "georgisk",
+  "kk": "kasakhisk",
+  "kl": "grønlandsk",
+  "km": "Khmer",
+  "kn": "Kannada",
+  "ko": "koreansk",
+  "ks": "Kashmiri",
+  "ku": "kurdisk",
+  "ky": "kirgisisk",
+  "la": "latin",
+  "lb": "luxembourgsk",
+  "lg": "Ganda",
+  "ln": "Lingala",
+  "lo": "Laothian",
+  "lt": "litauisk",
+  "lv": "lettisk",
+  "mg": "madagaskisk",
+  "mi": "Maori",
+  "mk": "makedonsk",
+  "ml": "Malayalam",
+  "mn": "mongolsk",
+  "mr": "Marathi",
+  "ms": "malaysisk",
+  "mt": "maltesisk",
+  "my": "burmesisk",
+  "na": "Nauru",
+  "ne": "nepalesisk",
+  "nl": "hollandsk",
+  "nn": "nynorsk",
+  "no": "norsk",
+  "nr": "Ndebele",
+  "ny": "Nyanja",
+  "oc": "occitansk",
+  "om": "Oromo",
+  "or": "Oriya",
+  "os": "ossetisk",
+  "pa": "Punjabi",
+  "pl": "Polere",
+  "ps": "Pashto",
+  "pt": "portugisisk",
+  "pt-br": "brasiliansk portugisisk",
+  "qu": "Quechua",
+  "rm": "Rhaeto-romantik",
+  "rn": "Rundi",
+  "ro": "rumænsk",
+  "ru": "russisk",
+  "rw": "Kinyarwanda",
+  "sa": "Sanskrit",
+  "sd": "Sindhi",
+  "sg": "Sango",
+  "si": "singalesisk",
+  "sk": "slovakisk",
+  "sl": "slovensk",
+  "sm": "samoansk",
+  "sn": "Shona",
+  "so": "Somali",
+  "sq": "albansk",
+  "sr": "serbisk",
+  "ss": "Siswant",
+  "st": "Sesotho",
+  "su": "sundanesisk",
+  "sv": "svensk",
+  "sw": "Swahili",
+  "ta": "Tamil",
+  "te": "Telugu",
+  "tg": "tadsjikisk",
+  "th": "Thai",
+  "ti": "Tigrinya",
+  "tk": "turkmenske",
+  "tl": "Tagalog",
+  "tn": "Tswana",
+  "to": "Tonga",
+  "tr": "tyrkisk",
+  "ts": "Tsonga",
+  "tt": "tatarisk",
+  "tw": "Twi",
+  "ug": "Uighur",
+  "uk": "ukrainsk",
+  "ur": "Urdu",
+  "uz": "usbekisk",
+  "ve": "Venda",
+  "vi": "vietnamesisk",
+  "vo": "Volapuk",
+  "wo": "Wolof",
+  "xh": "Xhosa",
+  "yi": "Jiddisch",
+  "yo": "Yoruba",
+  "za": "Zhuang",
+  "zh": "kinesisk",
+  "zu": "Zulu"
+}

ovos_lang_parser/res/de/langs.json

@@ -0,0 +1,225 @@
+{
+    "ab": "Abchasisch",
+    "aa": "Afar",
+    "af": "Afrikaans",
+    "ak": "Akan",
+    "sq": "Albanisch",
+    "am": "Amharisch",
+    "ar": "Arabisch",
+    "an": "Aragonesisch",
+    "hy": "Armenisch",
+    "as": "Assamesisch",
+    "av": "Avarisch",
+    "ae": "Avestisch",
+    "ay": "Aymara",
+    "az": "Aserbaidschanisch",
+    "bm": "Bambara",
+    "ba": "Baschkirisch",
+    "eu": "Baskisch",
+    "be": "Belarussisch",
+    "bn": "Bengalisch",
+    "bh": "Bihari",
+    "bi": "Bislama",
+    "bs": "Bosnisch",
+    "br": "Bretonisch",
+    "bg": "Bulgarisch",
+    "my": "Birmanisch",
+    "ca": [
+        "Katalanisch",
+        "Valencianisch"
+    ],
+    "ch": "Chamorro",
+    "ce": "Tschetschenisch",
+    "ny": "Chichewa",
+    "zh": "Chinesisch",
+    "cv": "Tschuwaschisch",
+    "kw": "Kornisch",
+    "co": "Korsisch",
+    "cr": "Cree",
+    "hr": "Kroatisch",
+    "cs": "Tschechisch",
+    "da": "Dänisch",
+    "dv": "Dhivehi",
+    "nl": [
+        "Niederländisch",
+        "Belgisches Niederländisch"
+    ],
+    "dz": "Dzongkha",
+    "en": "Englisch",
+    "eo": "Esperanto",
+    "et": "Estnisch",
+    "ee": "Ewe",
+    "fo": "Färöisch",
+    "fj": "Fidschi",
+    "fi": "Finnisch",
+    "fr": "Französisch",
+    "ff": "Fulfulde",
+    "gl": [
+        "Galicisch",
+        "Galegisch"
+    ],
+    "ka": "Georgisch",
+    "de": "Deutsch",
+    "el": "Griechisch",
+    "gn": "Guaraní",
+    "gu": "Gujarati",
+    "ht": "Haitianisch",
+    "ha": "Hausa",
+    "he": "Hebräisch",
+    "hz": "Otjiherero",
+    "hi": "Hindi",
+    "ho": "Hiri Motu",
+    "hu": "Ungarisch",
+    "ia": "Interlingua",
+    "id": "Indonesisch",
+    "ie": "Interlingue",
+    "ga": "Irisch",
+    "ig": "Igbo",
+    "ik": "Inupiaq",
+    "io": "Ido",
+    "is": "Isländisch",
+    "it": "Italienisch",
+    "iu": "Inuktitut",
+    "ja": "Japanisch",
+    "jv": "Javanisch",
+    "kl": [
+        "Grönländisch",
+        "Kalaallisut"
+    ],
+    "kn": "Kannada",
+    "kr": "Kanuri",
+    "ks": "Kashmiri",
+    "kk": "Kasachisch",
+    "km": "Khmer",
+    "ki": "Kikuyu",
+    "rw": [
+        "Kinyarwanda",
+        "Ruandisch"
+    ],
+    "ky": "Kirgisisch",
+    "kv": "Komi",
+    "kg": "Kikongo",
+    "ko": "Koreanisch",
+    "ku": "Kurdisch",
+    "kj": "Oshikwanyama",
+    "la": "Latein",
+    "lb": "Luxemburgisch",
+    "lg": "Luganda",
+    "li": [
+        "Limburgisch",
+        "Südniederfränkisch"
+    ],
+    "ln": "Lingála",
+    "lo": "Laotisch",
+    "lt": "Litauisch",
+    "lu": "Kiluba",
+    "lv": "Lettisch",
+    "gv": "Manx,Manx-Gälisch",
+    "mk": "Mazedonisch",
+    "mg": [
+        "Malagasy",
+        "Malagassi"
+    ],
+    "ms": "Malaiisch",
+    "ml": "Malayalam",
+    "mt": "Maltesisch",
+    "mi": "Maori",
+    "mr": "Marathi",
+    "mh": "Marshallesisch",
+    "mn": "Mongolisch",
+    "na": "Nauruisch",
+    "nv": "Navajo",
+    "nd": "Nord-Ndebele",
+    "ne": "Nepali",
+    "ng": "Ndonga",
+    "nb": "Bokmål",
+    "nn": "Nynorsk",
+    "no": "Norwegisch",
+    "ii": "Yi",
+    "nr": "Süd-Ndebele",
+    "oc": "Okzitanisch",
+    "oj": "Ojibwe",
+    "cu": [
+        "Kirchenslawisch",
+        "Altkirchenslawisch"
+    ],
+    "om": "Oromo",
+    "or": "Oriya",
+    "os": "Ossetisch",
+    "pa": [
+        "Panjabi",
+        "Pandschabi"
+    ],
+    "pi": "Pali",
+    "fa": "Persisch",
+    "pl": "Polnisch",
+    "ps": "Paschtunisch",
+    "pt": "Portugiesisch",
+    "qu": "Quechua",
+    "rm": [
+        "Bündnerromanisch",
+        "Romanisch"
+    ],
+    "rn": "Kirundi",
+    "ro": "Rumänisch",
+    "ru": "Russisch",
+    "sa": "Sanskrit",
+    "sc": "Sardisch",
+    "sd": "Sindhi",
+    "se": "Nordsamisch",
+    "sm": "Samoanisch",
+    "sg": "Sango",
+    "sr": "Serbisch",
+    "gd": "Schottisch-Gälisch",
+    "sn": "Shona",
+    "si": "Singhalesisch",
+    "sk": "Slowakisch",
+    "sl": "Slowenisch",
+    "so": "Somali",
+    "st": [
+        "Sesotho",
+        "Süd-Sotho"
+    ],
+    "es": [
+        "Spanisch",
+        "Kastilisch"
+    ],
+    "su": "Sundanesisch",
+    "sw": "Swahili",
+    "ss": "Siswati",
+    "sv": "Schwedisch",
+    "ta": "Tamil",
+    "te": "Telugu",
+    "tg": "Tadschikisch",
+    "th": "Thai",
+    "ti": "Tigrinya",
+    "bo": "Tibetisch",
+    "tk": "Turkmenisch",
+    "tl": "Tagalog",
+    "tn": "Setswana",
+    "to": "Tongaisch",
+    "tr": "Türkisch",
+    "ts": "Xitsonga",
+    "tt": "Tatarisch",
+    "tw": "Twi",
+    "ty": [
+        "Tahitianisch",
+        "Tahitisch"
+    ],
+    "ug": "Uigurisch",
+    "uk": "Ukrainisch",
+    "ur": "Urdu",
+    "uz": "Usbekisch",
+    "ve": "Tshivenda",
+    "vi": "Vietnamesisch",
+    "vo": "Volapük",
+    "wa": "Wallonisch",
+    "cy": "Walisisch",
+    "wo": "Wolof",
+    "fy": "Westfriesisch",
+    "xh": "Isixhosa",
+    "yi": "Jiddisch",
+    "yo": "Yoruba",
+    "za": "Zhuang",
+    "zu": "Isizulu"
+}