sdb-reader 0.9.0__py3-none-any.whl
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- sdb_reader/__init__.py +157 -0
- sdb_reader/ask.py +437 -0
- sdb_reader/ask_record.schema.json +388 -0
- sdb_reader/cli.py +1079 -0
- sdb_reader/clp_statements_de.json +997 -0
- sdb_reader/compliance.py +546 -0
- sdb_reader/current.py +134 -0
- sdb_reader/diff.py +520 -0
- sdb_reader/embedded.py +250 -0
- sdb_reader/extraction.py +506 -0
- sdb_reader/layout.py +894 -0
- sdb_reader/line_breaks.py +40 -0
- sdb_reader/messages.py +394 -0
- sdb_reader/messages_data/de.toml +146 -0
- sdb_reader/messages_data/en.toml +141 -0
- sdb_reader/model.py +321 -0
- sdb_reader/parser.py +4601 -0
- sdb_reader/pictograms.py +374 -0
- sdb_reader/presets.py +110 -0
- sdb_reader/presets.toml +23 -0
- sdb_reader/py.typed +0 -0
- sdb_reader/read_record.schema.json +792 -0
- sdb_reader/reading.py +94 -0
- sdb_reader/scan.py +265 -0
- sdb_reader/schema.py +96 -0
- sdb_reader/serialise.py +463 -0
- sdb_reader/show.py +370 -0
- sdb_reader/statements.py +1011 -0
- sdb_reader/verification.py +322 -0
- sdb_reader/versions.py +31 -0
- sdb_reader-0.9.0.dist-info/METADATA +117 -0
- sdb_reader-0.9.0.dist-info/RECORD +37 -0
- sdb_reader-0.9.0.dist-info/WHEEL +5 -0
- sdb_reader-0.9.0.dist-info/entry_points.txt +2 -0
- sdb_reader-0.9.0.dist-info/licenses/LICENSE +661 -0
- sdb_reader-0.9.0.dist-info/licenses/NOTICE +40 -0
- sdb_reader-0.9.0.dist-info/top_level.txt +1 -0
|
@@ -0,0 +1,40 @@
|
|
|
1
|
+
"""A word or a name that a line's end breaks in two (SDB-32, SDB-54)."""
|
|
2
|
+
|
|
3
|
+
from __future__ import annotations
|
|
4
|
+
|
|
5
|
+
import re
|
|
6
|
+
|
|
7
|
+
# A hyphen at a line's end with the word going on below. Not before "und" or
|
|
8
|
+
# "oder": there the hyphen stands for the shared part of a word ("Haut-" /
|
|
9
|
+
# "und Augenschutz"), and the line break is a space.
|
|
10
|
+
_BROKEN_AT_HYPHEN = re.compile(r"([^\W_]|[)\]/])-\n(?!(?:und|oder)\b)([^\W_]|[(\[])")
|
|
11
|
+
# A name broken before the bracket of an indicated hydrogen, which a hyphen
|
|
12
|
+
# ties to what follows: "2-Methyl-1,2-benzothiazol-3" / "(2H)-on". Not any
|
|
13
|
+
# bracket: "(R)-p-Mentha-1,8-dien" begins a name of its own.
|
|
14
|
+
_BROKEN_BEFORE_BRACKET = re.compile(r"(\d)\n(\(\d+H\)-[^\W_])")
|
|
15
|
+
|
|
16
|
+
|
|
17
|
+
def _in_a_word(letter: str) -> bool:
|
|
18
|
+
"""Whether *letter* is a lower-case letter of a word, not a Greek locant."""
|
|
19
|
+
return letter.islower() and not "Ͱ" <= letter <= "Ͽ"
|
|
20
|
+
|
|
21
|
+
|
|
22
|
+
def join_broken_words(text: str) -> str:
|
|
23
|
+
"""*text* with the words its line ends break joined back.
|
|
24
|
+
|
|
25
|
+
The hyphen goes only between two lower-case letters: "Reakti-" / "onen"
|
|
26
|
+
is "Reaktionen". Beside a digit, a capital, a bracket, a slash or a Greek
|
|
27
|
+
letter it is the name's own, and so is a break before the bracket of an
|
|
28
|
+
indicated hydrogen: "5-Chlor-2-methyl-2H-" / "isothiazol-3-on",
|
|
29
|
+
"tert-butyl-" / "4-hydroxyphenyl", "…-5-" / "(1,1-dimethylethyl)",
|
|
30
|
+
"propionyl-ω-" / "hydroxypoly…", "Augenschädigung/-" / "reizung". A line
|
|
31
|
+
break that breaks nothing stays.
|
|
32
|
+
"""
|
|
33
|
+
|
|
34
|
+
def joined(match: re.Match[str]) -> str:
|
|
35
|
+
before, after = match.groups()
|
|
36
|
+
if _in_a_word(before) and _in_a_word(after):
|
|
37
|
+
return before + after
|
|
38
|
+
return f"{before}-{after}"
|
|
39
|
+
|
|
40
|
+
return _BROKEN_BEFORE_BRACKET.sub(r"\1\2", _BROKEN_AT_HYPHEN.sub(joined, text))
|
sdb_reader/messages.py
ADDED
|
@@ -0,0 +1,394 @@
|
|
|
1
|
+
"""What the library notes about a file, as codes; the sentences come from catalogs.
|
|
2
|
+
|
|
3
|
+
Every warning, every reason a file could not be read and every finding is a
|
|
4
|
+
``Message``: a fixed code and named values (BIB-10). A program decides by the
|
|
5
|
+
code, which is the same in every language; the sentence a person reads is
|
|
6
|
+
looked up in a catalog, one text file per language (BIB-11). Nothing in the
|
|
7
|
+
library reads a sentence back (BIB-12).
|
|
8
|
+
"""
|
|
9
|
+
|
|
10
|
+
from __future__ import annotations
|
|
11
|
+
|
|
12
|
+
import string
|
|
13
|
+
import tomllib
|
|
14
|
+
from collections.abc import Mapping
|
|
15
|
+
from dataclasses import dataclass, field
|
|
16
|
+
from datetime import date
|
|
17
|
+
from functools import cache
|
|
18
|
+
from importlib import resources
|
|
19
|
+
from pathlib import Path
|
|
20
|
+
from typing import Any
|
|
21
|
+
|
|
22
|
+
# Every code and the names of its values. A code never changes its meaning,
|
|
23
|
+
# and one that goes is not given out again (BIB-10): the codes that have gone
|
|
24
|
+
# are listed in tests/test_messages.py, which refuses one that comes back.
|
|
25
|
+
MESSAGE_CODES: Mapping[str, tuple[str, ...]] = {
|
|
26
|
+
# Reading the text of a PDF.
|
|
27
|
+
"read-by-ocr-no-text-layer": (),
|
|
28
|
+
"read-by-ocr-single-characters": (),
|
|
29
|
+
"pages-read-by-ocr": ("pages",),
|
|
30
|
+
"short-text": (),
|
|
31
|
+
# Why no text could be read.
|
|
32
|
+
"pdf-not-found": (),
|
|
33
|
+
"pdf-too-large": ("size_bytes", "limit_bytes"),
|
|
34
|
+
"pdf-unreadable": ("detail",),
|
|
35
|
+
"no-text-layer": ("pages",),
|
|
36
|
+
"no-text": ("pages", "extractor"),
|
|
37
|
+
"ocr-unavailable": (),
|
|
38
|
+
"ocr-too-old": ("version", "minimum"),
|
|
39
|
+
"ocr-language-missing": ("language",),
|
|
40
|
+
"ocr-timeout": (),
|
|
41
|
+
"ocr-failed": ("detail",),
|
|
42
|
+
# Judging what kind of document the text is.
|
|
43
|
+
"no-title-keywords": (),
|
|
44
|
+
"no-section-marker": (),
|
|
45
|
+
"no-regulation-reference": (),
|
|
46
|
+
"no-hazard-codes-in-text": (),
|
|
47
|
+
"short-sample": (),
|
|
48
|
+
"safety-information": ("sections",),
|
|
49
|
+
"leaflet-title": (),
|
|
50
|
+
"other-language": (),
|
|
51
|
+
"cover-only": (),
|
|
52
|
+
"title-in-running-text": (),
|
|
53
|
+
"no-safety-data-sheet": (),
|
|
54
|
+
# The reading as a whole.
|
|
55
|
+
"not-a-sheet": (),
|
|
56
|
+
"unreadable": (),
|
|
57
|
+
# Parsing the sheet.
|
|
58
|
+
"no-label-section": (),
|
|
59
|
+
"several-sheets": ("count",),
|
|
60
|
+
"classified-before-clp": ("basis",),
|
|
61
|
+
"no-hazard-codes": (),
|
|
62
|
+
"label-undetermined": (),
|
|
63
|
+
"no-precautionary-codes": (),
|
|
64
|
+
"euh-wording-outside-label": ("statement", "sentence"),
|
|
65
|
+
"signal-word-not-taken": ("signal_word",),
|
|
66
|
+
"pictograms-derived": ("pictograms",),
|
|
67
|
+
"signal-word-derived": (),
|
|
68
|
+
"no-identification-section": (),
|
|
69
|
+
"no-supplier-name": (),
|
|
70
|
+
"no-supplier-address": (),
|
|
71
|
+
"no-supplier-phone": (),
|
|
72
|
+
"no-emergency-phone": (),
|
|
73
|
+
# Findings: what is wrong with the sheet as a document.
|
|
74
|
+
"wording-deviates": ("statement", "sheet", "regulation"),
|
|
75
|
+
"undated": (),
|
|
76
|
+
"predates-annex-ii": ("revised",),
|
|
77
|
+
"revised-in-future": ("revised", "today"),
|
|
78
|
+
"classification-undetermined": (),
|
|
79
|
+
"old-classification": (),
|
|
80
|
+
"old-format": ("revised",),
|
|
81
|
+
"classification-not-stated": (),
|
|
82
|
+
"classification-contradicts-label": (),
|
|
83
|
+
"different-products": ("products",),
|
|
84
|
+
"country-editions-differ": ("fields",),
|
|
85
|
+
"euh-outside-label": ("statement", "sentence"),
|
|
86
|
+
"not-german": (),
|
|
87
|
+
# The eSDScom file embedded in a PDF.
|
|
88
|
+
"embedded-too-large": ("limit_bytes",),
|
|
89
|
+
"embedded-doctype": (),
|
|
90
|
+
"embedded-not-xml": ("detail",),
|
|
91
|
+
"embedded-wrong-root": ("root",),
|
|
92
|
+
"embedded-no-datasheet": (),
|
|
93
|
+
# Asking a language model (ask).
|
|
94
|
+
"model-http-error": ("status",),
|
|
95
|
+
"model-unreachable": ("reason",),
|
|
96
|
+
"model-reply-not-json": (),
|
|
97
|
+
"model-reply-without-message": (),
|
|
98
|
+
"model-reply-empty": (),
|
|
99
|
+
"model-answer-unreadable": ("detail",),
|
|
100
|
+
"model-not-asked": (),
|
|
101
|
+
# What the command line says on stderr.
|
|
102
|
+
"cli-file-failed": ("path", "reason"),
|
|
103
|
+
"cli-file-broke": ("path", "error"),
|
|
104
|
+
"cli-no-embedded-file": ("path",),
|
|
105
|
+
"cli-embedded-not-handed-out": ("path", "filename", "reason"),
|
|
106
|
+
"cli-saved": ("path", "target"),
|
|
107
|
+
"cli-half-line-removed": ("output",),
|
|
108
|
+
"cli-progress": ("done", "total", "failed"),
|
|
109
|
+
"cli-interrupted": ("done", "total"),
|
|
110
|
+
"cli-summary-read": ("files", "skipped", "excluded", "failed"),
|
|
111
|
+
"cli-summary-ask": (
|
|
112
|
+
"files",
|
|
113
|
+
"skipped",
|
|
114
|
+
"excluded",
|
|
115
|
+
"asked",
|
|
116
|
+
"failed",
|
|
117
|
+
"prompt_tokens",
|
|
118
|
+
"completion_tokens",
|
|
119
|
+
),
|
|
120
|
+
# What diff says about two runs.
|
|
121
|
+
"diff-run": ("side", "path", "kind", "files"),
|
|
122
|
+
"diff-files": ("both", "only_a", "only_b", "not_compared"),
|
|
123
|
+
"diff-differing": ("differing", "counted_only"),
|
|
124
|
+
"diff-none": (),
|
|
125
|
+
"diff-field": ("field", "gained", "lost", "changed"),
|
|
126
|
+
"diff-field-counted-only": ("field", "gained", "lost", "changed"),
|
|
127
|
+
"diff-stages-differ": ("a", "b"),
|
|
128
|
+
"diff-models-differ": ("a", "b"),
|
|
129
|
+
"diff-questions-differ": ("a", "b"),
|
|
130
|
+
# The report of show: its labels, what a file is, and its closing line.
|
|
131
|
+
"show-kind-sheet": ("sheets",),
|
|
132
|
+
"show-kind-other-language": (),
|
|
133
|
+
"show-kind-safety-information": (),
|
|
134
|
+
"show-kind-document": (),
|
|
135
|
+
"show-kind-unreadable": (),
|
|
136
|
+
"show-kind-broke": (),
|
|
137
|
+
"show-cover-page": (),
|
|
138
|
+
"show-cover-page-display": ("term",),
|
|
139
|
+
"show-line-cover-page": (),
|
|
140
|
+
"show-line-cover-page-display": ("term",),
|
|
141
|
+
"show-sheet-of": ("number", "count"),
|
|
142
|
+
"show-whole-file": (),
|
|
143
|
+
"show-label-product": (),
|
|
144
|
+
"show-label-supplier": (),
|
|
145
|
+
"show-label-contact": (),
|
|
146
|
+
"show-label-emergency": (),
|
|
147
|
+
"show-label-revised": (),
|
|
148
|
+
"show-label-issued": (),
|
|
149
|
+
"show-label-labelling": (),
|
|
150
|
+
"show-label-notes": (),
|
|
151
|
+
"show-date": ("date",),
|
|
152
|
+
"show-information-email": ("email",),
|
|
153
|
+
"show-product-dated": ("product", "dated"),
|
|
154
|
+
"show-with-version": ("value", "version"),
|
|
155
|
+
"show-not-stated": (),
|
|
156
|
+
"show-no-labelling": (),
|
|
157
|
+
"show-no-signal-word": (),
|
|
158
|
+
"show-no-pictograms": (),
|
|
159
|
+
"show-no-statements": (),
|
|
160
|
+
"show-needs-sheet": (),
|
|
161
|
+
"show-needs-no-sheet": (),
|
|
162
|
+
"show-stated-voluntary": (),
|
|
163
|
+
"show-stated-article": (),
|
|
164
|
+
"show-no-notes": (),
|
|
165
|
+
"show-no-product": (),
|
|
166
|
+
"show-undated": (),
|
|
167
|
+
"show-notes": ("notes",),
|
|
168
|
+
"show-summary": ("files", "sheets", "others", "failed", "with_notes", "excluded"),
|
|
169
|
+
"show-interrupted": ("done", "total"),
|
|
170
|
+
# A warning kept from before messages had codes, as it was written.
|
|
171
|
+
"unknown": ("text",),
|
|
172
|
+
}
|
|
173
|
+
|
|
174
|
+
# The values that count something: a catalog may give such a message one
|
|
175
|
+
# sentence for exactly one and another for any other number (BIB-11).
|
|
176
|
+
MESSAGE_COUNTS: Mapping[str, str] = {
|
|
177
|
+
"pages-read-by-ocr": "pages",
|
|
178
|
+
"no-text-layer": "pages",
|
|
179
|
+
"no-text": "pages",
|
|
180
|
+
"safety-information": "sections",
|
|
181
|
+
"several-sheets": "count",
|
|
182
|
+
"show-kind-sheet": "sheets",
|
|
183
|
+
"show-notes": "notes",
|
|
184
|
+
}
|
|
185
|
+
# The values that are dates. A message carries them in ISO form; a sentence
|
|
186
|
+
# shows them the way its catalog writes dates (BIB-10, BIB-11).
|
|
187
|
+
MESSAGE_DATES: Mapping[str, tuple[str, ...]] = {
|
|
188
|
+
"predates-annex-ii": ("revised",),
|
|
189
|
+
"revised-in-future": ("revised", "today"),
|
|
190
|
+
"old-format": ("revised",),
|
|
191
|
+
"show-date": ("date",),
|
|
192
|
+
}
|
|
193
|
+
|
|
194
|
+
DEFAULT_LANGUAGE = "de"
|
|
195
|
+
_FALLBACK_LANGUAGE = "en"
|
|
196
|
+
|
|
197
|
+
|
|
198
|
+
@dataclass(frozen=True, slots=True)
|
|
199
|
+
class Message:
|
|
200
|
+
"""One thing the library notes about a file: a code and its values.
|
|
201
|
+
|
|
202
|
+
The code is one of ``MESSAGE_CODES``; *params* holds exactly the values
|
|
203
|
+
that code names, in types that can be written as JSON. A message carries
|
|
204
|
+
no sentence: ``Catalog.render`` gives one in the language asked for.
|
|
205
|
+
|
|
206
|
+
>>> message = Message("pictograms-derived", {"pictograms": ["GHS07"]})
|
|
207
|
+
>>> shipped_catalog("en").render(message)
|
|
208
|
+
'Pictograms derived from the H statements, the sheet names none: GHS07'
|
|
209
|
+
>>> shipped_catalog("de").render(message)
|
|
210
|
+
'Piktogramme aus den H-Sätzen abgeleitet, das Blatt nennt keine: GHS07'
|
|
211
|
+
"""
|
|
212
|
+
|
|
213
|
+
code: str
|
|
214
|
+
params: Mapping[str, Any] = field(default_factory=dict)
|
|
215
|
+
|
|
216
|
+
def __post_init__(self) -> None:
|
|
217
|
+
names = MESSAGE_CODES.get(self.code)
|
|
218
|
+
if names is None:
|
|
219
|
+
raise ValueError(f"unknown message code: {self.code!r}")
|
|
220
|
+
if set(self.params) != set(names):
|
|
221
|
+
raise ValueError(
|
|
222
|
+
f"message {self.code!r} takes {sorted(names)}, got {sorted(self.params)}"
|
|
223
|
+
)
|
|
224
|
+
|
|
225
|
+
def to_dict(self) -> dict[str, Any]:
|
|
226
|
+
"""Code and values, without a sentence: the form to store."""
|
|
227
|
+
return {"code": self.code, "params": dict(self.params)}
|
|
228
|
+
|
|
229
|
+
@classmethod
|
|
230
|
+
def from_dict(cls, stored: Mapping[str, Any]) -> Message:
|
|
231
|
+
"""Read back what ``to_dict`` gave."""
|
|
232
|
+
return cls(stored["code"], dict(stored.get("params") or {}))
|
|
233
|
+
|
|
234
|
+
|
|
235
|
+
_ISO_DATE = "%Y-%m-%d"
|
|
236
|
+
|
|
237
|
+
|
|
238
|
+
@dataclass(frozen=True, slots=True)
|
|
239
|
+
class Catalog:
|
|
240
|
+
"""The sentences of one language, by message code (BIB-11).
|
|
241
|
+
|
|
242
|
+
A sentence is a string with ``{name}`` for each value, or, for a message
|
|
243
|
+
that counts something, two of them: ``one`` for exactly one and ``other``
|
|
244
|
+
for any other number. *date_format* says how the catalog writes a date
|
|
245
|
+
(``strftime``); a message itself always carries dates in ISO form.
|
|
246
|
+
|
|
247
|
+
>>> german = shipped_catalog("de")
|
|
248
|
+
>>> german.render(Message("no-text-layer", {"pages": 1}))
|
|
249
|
+
'Das PDF hat keine Textschicht (1 Seite angesehen).'
|
|
250
|
+
>>> german.render(Message("no-text-layer", {"pages": 3}))
|
|
251
|
+
'Das PDF hat keine Textschicht (3 Seiten angesehen).'
|
|
252
|
+
>>> german.render(Message("predates-annex-ii", {"revised": "2019-05-02"}))[:27]
|
|
253
|
+
'Überarbeitet am 02.05.2019,'
|
|
254
|
+
"""
|
|
255
|
+
|
|
256
|
+
language: str
|
|
257
|
+
sentences: Mapping[str, str | Mapping[str, str]]
|
|
258
|
+
date_format: str = _ISO_DATE
|
|
259
|
+
|
|
260
|
+
def render(self, message: Message) -> str:
|
|
261
|
+
"""The sentence for *message*.
|
|
262
|
+
|
|
263
|
+
A code this catalog lacks is said in English: a caller's own catalog
|
|
264
|
+
need not be complete.
|
|
265
|
+
"""
|
|
266
|
+
entry = self.sentences.get(message.code)
|
|
267
|
+
if entry is None:
|
|
268
|
+
return shipped_catalog(_FALLBACK_LANGUAGE).render(message)
|
|
269
|
+
if not isinstance(entry, str):
|
|
270
|
+
counted = message.params.get(MESSAGE_COUNTS[message.code])
|
|
271
|
+
entry = entry["one"] if counted == 1 and "one" in entry else entry["other"]
|
|
272
|
+
dates = MESSAGE_DATES.get(message.code, ())
|
|
273
|
+
return entry.format(
|
|
274
|
+
**{
|
|
275
|
+
name: self._date(value) if name in dates else _shown(value)
|
|
276
|
+
for name, value in message.params.items()
|
|
277
|
+
}
|
|
278
|
+
)
|
|
279
|
+
|
|
280
|
+
def _date(self, value: Any) -> str:
|
|
281
|
+
"""An ISO date as this catalog writes dates; anything else as it is."""
|
|
282
|
+
try:
|
|
283
|
+
return date.fromisoformat(str(value)).strftime(self.date_format)
|
|
284
|
+
except ValueError:
|
|
285
|
+
return _shown(value)
|
|
286
|
+
|
|
287
|
+
def to_dict(self, message: Message) -> dict[str, Any]:
|
|
288
|
+
"""Code, values and sentence: the form the command prints (SDW-17)."""
|
|
289
|
+
return {**message.to_dict(), "message": self.render(message)}
|
|
290
|
+
|
|
291
|
+
|
|
292
|
+
def shipped_languages() -> tuple[str, ...]:
|
|
293
|
+
"""The languages a catalog ships for."""
|
|
294
|
+
return tuple(
|
|
295
|
+
sorted(
|
|
296
|
+
entry.name.removesuffix(".toml")
|
|
297
|
+
for entry in _catalog_directory().iterdir()
|
|
298
|
+
if entry.name.endswith(".toml")
|
|
299
|
+
)
|
|
300
|
+
)
|
|
301
|
+
|
|
302
|
+
|
|
303
|
+
@cache
|
|
304
|
+
def shipped_catalog(language: str = DEFAULT_LANGUAGE) -> Catalog:
|
|
305
|
+
"""The catalog the package ships for *language*; German unless asked.
|
|
306
|
+
|
|
307
|
+
The language is always named by the caller and never taken from the
|
|
308
|
+
machine, so the same file gives the same output everywhere. Raises
|
|
309
|
+
ValueError for a language no catalog ships for.
|
|
310
|
+
"""
|
|
311
|
+
if language not in shipped_languages():
|
|
312
|
+
raise ValueError(
|
|
313
|
+
f"no message catalog for {language!r}; shipped: "
|
|
314
|
+
f"{', '.join(shipped_languages())}"
|
|
315
|
+
)
|
|
316
|
+
text = _catalog_directory().joinpath(f"{language}.toml").read_text("utf-8")
|
|
317
|
+
return _catalog(language, text, f"{language}.toml")
|
|
318
|
+
|
|
319
|
+
|
|
320
|
+
def load_catalog(path: Path) -> Catalog:
|
|
321
|
+
"""A caller's own catalog: a TOML file like the shipped ones.
|
|
322
|
+
|
|
323
|
+
It may hold fewer codes than there are; the rest are said in English. A
|
|
324
|
+
code or a placeholder the library does not know is refused, since nobody
|
|
325
|
+
would ever see that sentence.
|
|
326
|
+
"""
|
|
327
|
+
return _catalog(path.stem, path.read_text("utf-8"), str(path))
|
|
328
|
+
|
|
329
|
+
|
|
330
|
+
def _catalog_directory() -> resources.abc.Traversable:
|
|
331
|
+
return resources.files("sdb_reader").joinpath("messages_data")
|
|
332
|
+
|
|
333
|
+
|
|
334
|
+
def _catalog(language: str, text: str, source: str) -> Catalog:
|
|
335
|
+
data = tomllib.loads(text)
|
|
336
|
+
sentences = data.get("messages")
|
|
337
|
+
if not isinstance(sentences, dict):
|
|
338
|
+
raise ValueError(f"{source}: no [messages] table")
|
|
339
|
+
for code, entry in sentences.items():
|
|
340
|
+
if code not in MESSAGE_CODES:
|
|
341
|
+
raise ValueError(f"{source}: unknown message code {code!r}")
|
|
342
|
+
for sentence in _forms(entry, code, source):
|
|
343
|
+
unknown = placeholders(sentence) - set(MESSAGE_CODES[code])
|
|
344
|
+
if unknown:
|
|
345
|
+
raise ValueError(
|
|
346
|
+
f"{source}: {code!r} names {sorted(unknown)}, which the message "
|
|
347
|
+
"does not carry"
|
|
348
|
+
)
|
|
349
|
+
return Catalog(language, sentences, _date_format(data.get("format"), source))
|
|
350
|
+
|
|
351
|
+
|
|
352
|
+
def _forms(entry: Any, code: str, source: str) -> tuple[str, ...]:
|
|
353
|
+
"""The sentences of one catalog entry: one, or ``one`` and ``other``."""
|
|
354
|
+
if isinstance(entry, str):
|
|
355
|
+
return (entry,)
|
|
356
|
+
if (
|
|
357
|
+
isinstance(entry, dict)
|
|
358
|
+
and code in MESSAGE_COUNTS
|
|
359
|
+
and "other" in entry
|
|
360
|
+
and set(entry) <= {"one", "other"}
|
|
361
|
+
and all(isinstance(sentence, str) for sentence in entry.values())
|
|
362
|
+
):
|
|
363
|
+
return tuple(entry.values())
|
|
364
|
+
if isinstance(entry, dict) and code not in MESSAGE_COUNTS:
|
|
365
|
+
raise ValueError(f"{source}: {code!r} counts nothing and takes one sentence")
|
|
366
|
+
raise ValueError(
|
|
367
|
+
f"{source}: {code!r} is neither a sentence nor the two sentences "
|
|
368
|
+
"'one' and 'other'"
|
|
369
|
+
)
|
|
370
|
+
|
|
371
|
+
|
|
372
|
+
def _date_format(form: Any, source: str) -> str:
|
|
373
|
+
"""How the catalog writes a date: ``date`` in its [format] table, else ISO."""
|
|
374
|
+
if form is None:
|
|
375
|
+
return _ISO_DATE
|
|
376
|
+
written = form.get("date", _ISO_DATE) if isinstance(form, dict) else None
|
|
377
|
+
if not isinstance(written, str) or set(form) - {"date"}:
|
|
378
|
+
raise ValueError(f"{source}: [format] takes one entry, date, a string")
|
|
379
|
+
try:
|
|
380
|
+
date(2000, 1, 2).strftime(written)
|
|
381
|
+
except ValueError as exc:
|
|
382
|
+
raise ValueError(f"{source}: [format] date: {exc}") from exc
|
|
383
|
+
return written
|
|
384
|
+
|
|
385
|
+
|
|
386
|
+
def placeholders(sentence: str) -> set[str]:
|
|
387
|
+
"""The names a catalog sentence asks for, as in ``str.format``."""
|
|
388
|
+
return {name for _, name, _, _ in string.Formatter().parse(sentence) if name}
|
|
389
|
+
|
|
390
|
+
|
|
391
|
+
def _shown(value: Any) -> str:
|
|
392
|
+
if isinstance(value, (list, tuple)):
|
|
393
|
+
return ", ".join(str(item) for item in value)
|
|
394
|
+
return str(value)
|
|
@@ -0,0 +1,146 @@
|
|
|
1
|
+
# Die Sätze zu jedem Meldungscode, auf Deutsch.
|
|
2
|
+
# {name} steht für eine Angabe der Meldung; eine Liste wird mit Kommas verbunden.
|
|
3
|
+
# Eine Meldung, die etwas zählt, kann zwei Sätze tragen: one für genau eins,
|
|
4
|
+
# other für jede andere Zahl. [format] date sagt, wie ein Datum geschrieben wird.
|
|
5
|
+
|
|
6
|
+
[format]
|
|
7
|
+
date = "%d.%m.%Y"
|
|
8
|
+
|
|
9
|
+
[messages]
|
|
10
|
+
"read-by-ocr-no-text-layer" = "Das PDF hat keine Textschicht; seine Seiten wurden per Texterkennung gelesen, Abstände können daher falsch sein."
|
|
11
|
+
"read-by-ocr-single-characters" = "Die Textschicht des PDF besteht aus einzelnen Zeichen; seine Seiten wurden per Texterkennung gelesen, Abstände können daher falsch sein."
|
|
12
|
+
"pages-read-by-ocr" = { one = "Eine Seite ohne Textschicht wurde per Texterkennung gelesen.", other = "{pages} Seiten ohne Textschicht wurden per Texterkennung gelesen." }
|
|
13
|
+
"short-text" = "Der gelesene Text ist ungewöhnlich kurz; das Dokument ist möglicherweise unvollständig oder gescannt."
|
|
14
|
+
|
|
15
|
+
"pdf-not-found" = "Die Datei gibt es nicht."
|
|
16
|
+
"pdf-too-large" = "Die Datei ist zu groß: {size_bytes} Bytes, gelesen werden höchstens {limit_bytes}."
|
|
17
|
+
"pdf-unreadable" = "Die Datei lässt sich nicht als PDF öffnen: {detail}"
|
|
18
|
+
"no-text-layer" = { one = "Das PDF hat keine Textschicht ({pages} Seite angesehen).", other = "Das PDF hat keine Textschicht ({pages} Seiten angesehen)." }
|
|
19
|
+
"no-text" = { one = "Aus dem PDF ließ sich kein Text lesen ({pages} Seite angesehen, gelesen mit {extractor}).", other = "Aus dem PDF ließ sich kein Text lesen ({pages} Seiten angesehen, gelesen mit {extractor})." }
|
|
20
|
+
"ocr-unavailable" = "Die Texterkennung steht nicht zur Verfügung: Das Programm tesseract ist nicht installiert. Nötig ist es mit den deutschen Sprachdaten."
|
|
21
|
+
"ocr-too-old" = "Die Texterkennung steht nicht zur Verfügung: Installiert ist tesseract {version}, nötig ist mindestens Version {minimum}."
|
|
22
|
+
"ocr-language-missing" = "Die Texterkennung steht nicht zur Verfügung: Dem Programm tesseract fehlen die Sprachdaten „{language}“."
|
|
23
|
+
"ocr-timeout" = "Die Texterkennung hat für eine Seite zu lange gebraucht und wurde abgebrochen."
|
|
24
|
+
"ocr-failed" = "Die Texterkennung ist gescheitert: {detail}"
|
|
25
|
+
|
|
26
|
+
"no-title-keywords" = "Der Text nennt kein Sicherheitsdatenblatt."
|
|
27
|
+
"no-section-marker" = "Der Text hat keine Abschnittsüberschrift wie „ABSCHNITT 1“."
|
|
28
|
+
"no-regulation-reference" = "Der Text verweist weder auf die REACH- noch auf die CLP-Verordnung."
|
|
29
|
+
"no-hazard-codes-in-text" = "Der Text nennt keinen H-Satz mit seiner Nummer (etwa H315)."
|
|
30
|
+
"short-sample" = "Der Text ist kurz für ein Sicherheitsdatenblatt; das Dokument ist möglicherweise abgeschnitten oder gescannt."
|
|
31
|
+
"safety-information" = "Keine Zeile trägt „Sicherheitsdatenblatt“ als Titel; mit {sections} der 16 Abschnitte ist das Dokument eine Sicherheitsinformation, kein Sicherheitsdatenblatt."
|
|
32
|
+
"leaflet-title" = "Das Dokument nennt sich „Sicherheitsdatenblatt zum sicheren Umgang mit …“ und nennt die Verordnung (EG) Nr. 1907/2006 nicht: ein Merkblatt zu einem Erzeugnis, kein Sicherheitsdatenblatt."
|
|
33
|
+
"other-language" = "Das Dokument ist wie ein Sicherheitsdatenblatt aufgebaut und hat keinen deutschen Titel: ein Sicherheitsdatenblatt in einer anderen Sprache."
|
|
34
|
+
"cover-only" = "Das Dokument trägt den Titel eines Sicherheitsdatenblatts und keinen seiner sechzehn Abschnitte: nur ein Deckblatt."
|
|
35
|
+
"title-in-running-text" = "Das Dokument nennt ein Sicherheitsdatenblatt nur im Fließtext; keine Zeile trägt es als Titel."
|
|
36
|
+
"no-safety-data-sheet" = "Das Dokument hat weder den Titel noch den Aufbau eines Sicherheitsdatenblatts."
|
|
37
|
+
|
|
38
|
+
"not-a-sheet" = "Die Datei ist kein deutsches Sicherheitsdatenblatt; ihr Inhalt wurde nicht ausgewertet."
|
|
39
|
+
"unreadable" = "Der Text der Datei ließ sich nicht lesen; es wurde nichts geprüft."
|
|
40
|
+
|
|
41
|
+
"no-label-section" = "Abschnitt 2.2 (Kennzeichnungselemente) wurde nicht gefunden; stattdessen wurde der ganze Abschnitt 2 gelesen."
|
|
42
|
+
"several-sheets" = "Die Datei enthält {count} Sicherheitsdatenblätter; ihre Kennzeichnungen sind zusammengeführt."
|
|
43
|
+
"classified-before-clp" = "Abschnitt 2 stuft nach den Richtlinien vor der CLP-Verordnung ein ({basis}); es wurde keine Kennzeichnung gelesen."
|
|
44
|
+
"no-hazard-codes" = "Die Kennzeichnung trägt keinen H-Satz."
|
|
45
|
+
"label-undetermined" = "Die Kennzeichnung sagt, die Einstufung sei nicht bestimmt; das Blatt nennt für das Produkt keine Kennzeichnung."
|
|
46
|
+
"no-precautionary-codes" = "Die Kennzeichnung trägt keinen P-Satz."
|
|
47
|
+
"euh-wording-outside-label" = "{statement} steht nur außerhalb der Kennzeichnung: {sentence}"
|
|
48
|
+
"signal-word-not-taken" = "Das Signalwort „{signal_word}“ wurde nicht übernommen: Abschnitt 2 nennt das Produkt nicht eingestuft, und die Kennzeichnung druckt keinen H-Satz."
|
|
49
|
+
"pictograms-derived" = "Piktogramme aus den H-Sätzen abgeleitet, das Blatt nennt keine: {pictograms}"
|
|
50
|
+
"signal-word-derived" = "Signalwort aus den Gefahrenhinweisen abgeleitet; die Kennzeichnung nennt keines."
|
|
51
|
+
"no-identification-section" = "Abschnitt 1 wurde nicht gefunden; der Lieferant lässt sich nicht lesen."
|
|
52
|
+
"no-supplier-name" = "In Abschnitt 1 wurde kein Name des Lieferanten gefunden."
|
|
53
|
+
"no-supplier-address" = "In Abschnitt 1 wurde keine Anschrift des Lieferanten gefunden."
|
|
54
|
+
"no-supplier-phone" = "In Abschnitt 1 wurde keine Telefonnummer des Lieferanten gefunden."
|
|
55
|
+
"no-emergency-phone" = "In Abschnitt 1 wurde keine Notrufnummer gefunden."
|
|
56
|
+
|
|
57
|
+
"wording-deviates" = "{statement}: Das Blatt druckt „{sheet}“, die Verordnung sagt „{regulation}“."
|
|
58
|
+
"undated" = "Das Blatt trägt kein lesbares Überarbeitungs- oder Ausgabedatum."
|
|
59
|
+
"predates-annex-ii" = "Überarbeitet am {revised}, vor dem 01.01.2021: Das Blatt kann Anhang II der REACH-Verordnung in der Fassung der Verordnung (EU) 2020/878 nicht erfüllen."
|
|
60
|
+
"revised-in-future" = "Überarbeitet am {revised}, nach dem {today}, dem Tag der Prüfung: Das Datum kann nicht stimmen und zählt nicht für das Alter des Blatts."
|
|
61
|
+
"classification-undetermined" = "Die Kennzeichnung sagt, die Einstufung sei nicht bestimmt."
|
|
62
|
+
"old-classification" = "Abschnitt 2 stuft nach der Richtlinie 67/548/EWG oder 1999/45/EG ein (R-Sätze, Gefahrensymbole) und trägt keine Kennzeichnung nach der CLP-Verordnung; Gemische sind seit dem 1. Juni 2015 nach der Verordnung (EG) Nr. 1272/2008 einzustufen."
|
|
63
|
+
"old-format" = "Überarbeitet am {revised}, aber aufgebaut wie vor der Verordnung (EU) 2020/878: keine endokrinschädlichen Eigenschaften, kein Unterabschnitt 11.2, kein Unterabschnitt 12.7."
|
|
64
|
+
"classification-not-stated" = "Abschnitt 2 nennt weder eine Gefahrenklasse noch sagt er, das Produkt sei nicht eingestuft, und die Kennzeichnung trägt weder H-Satz noch Signalwort noch Piktogramm."
|
|
65
|
+
"classification-contradicts-label" = "Abschnitt 2 nennt das Produkt nicht eingestuft, und die Kennzeichnung trägt einen H-Satz, ein Signalwort oder ein Piktogramm: Das Blatt widerspricht sich, oder eine der beiden Stellen ist falsch gelesen."
|
|
66
|
+
"different-products" = "Die Datei enthält Sicherheitsdatenblätter verschiedener Produkte: {products}"
|
|
67
|
+
"country-editions-differ" = "Die Blätter desselben Produkts für verschiedene Länder weichen voneinander ab: {fields}"
|
|
68
|
+
"euh-outside-label" = "{statement} steht nur außerhalb der Kennzeichnung: {sentence}"
|
|
69
|
+
"not-german" = "Ein Sicherheitsdatenblatt in einer anderen Sprache: Für den Verkauf in Deutschland muss das Blatt deutsch sein (REACH Art. 31 Abs. 5)."
|
|
70
|
+
|
|
71
|
+
"embedded-too-large" = "Die eingebettete Datei ist größer als {limit_bytes} Bytes."
|
|
72
|
+
"embedded-doctype" = "Die eingebettete Datei trägt eine Dokumenttyp-Deklaration."
|
|
73
|
+
"embedded-not-xml" = "Die eingebettete Datei ist kein wohlgeformtes XML: {detail}"
|
|
74
|
+
"embedded-wrong-root" = "Die eingebettete Datei ist keine eSDScom-Datei: Ihr Wurzelelement ist {root}."
|
|
75
|
+
"embedded-no-datasheet" = "Die eingebettete Datei enthält kein Element Datasheet."
|
|
76
|
+
|
|
77
|
+
"model-http-error" = "Der Endpunkt hat mit HTTP {status} geantwortet."
|
|
78
|
+
"model-unreachable" = "Der Endpunkt hat nicht geantwortet: {reason}"
|
|
79
|
+
"model-reply-not-json" = "Die Antwort des Endpunkts ist kein JSON."
|
|
80
|
+
"model-reply-without-message" = "Die Antwort des Endpunkts enthält keine Nachricht."
|
|
81
|
+
"model-reply-empty" = "Die Nachricht des Modells ist leer."
|
|
82
|
+
"model-answer-unreadable" = "Die Antwort des Modells lässt sich nicht als Antwort lesen: {detail}"
|
|
83
|
+
"model-not-asked" = "Kein deutsches Sicherheitsdatenblatt: Das Modell wird nicht gefragt."
|
|
84
|
+
|
|
85
|
+
"cli-file-failed" = "[sdb-reader] FEHLER: {path}: {reason}"
|
|
86
|
+
"cli-file-broke" = "[sdb-reader] FEHLER: {path}: {error}"
|
|
87
|
+
"cli-no-embedded-file" = "[sdb-reader] {path}: keine eingebettete eSDScom-Datei"
|
|
88
|
+
"cli-embedded-not-handed-out" = "[sdb-reader] FEHLER: {path}: Die eingebettete Datei „{filename}“ wird nicht herausgegeben. {reason}"
|
|
89
|
+
"cli-saved" = "[sdb-reader] {path}: gespeichert als {target}"
|
|
90
|
+
"cli-half-line-removed" = "[sdb-reader] {output}: Die letzte Zeile war unvollständig und ist entfernt; ihre Datei wird neu gelesen."
|
|
91
|
+
"cli-progress" = "[sdb-reader] {done} von {total} Dateien fertig, gescheitert: {failed}"
|
|
92
|
+
"cli-interrupted" = "[sdb-reader] Abgebrochen nach {done} von {total} Dateien. Mit --output und --resume setzt derselbe Aufruf den Lauf fort."
|
|
93
|
+
"cli-summary-read" = "[sdb-reader] Dateien: {files}; früher erledigt: {skipped}; ausgenommen: {excluded}; gescheitert: {failed}"
|
|
94
|
+
"cli-summary-ask" = "[sdb-reader] Dateien: {files}; früher erledigt: {skipped}; ausgenommen: {excluded}; gefragt: {asked}; gescheitert: {failed}; Token gesendet: {prompt_tokens}, empfangen: {completion_tokens}"
|
|
95
|
+
|
|
96
|
+
"diff-run" = "{side}: {path} ({kind}), Dateien: {files}"
|
|
97
|
+
"diff-files" = "Dateien in beiden: {both}; nur in A: {only_a}; nur in B: {only_b}; nicht vergleichbar: {not_compared}"
|
|
98
|
+
"diff-differing" = "Dateien mit Abweichung: {differing}; nur gezählt: {counted_only}"
|
|
99
|
+
"diff-none" = "Keine Abweichung."
|
|
100
|
+
"diff-field" = "{field}: dazugekommen {gained}, weggefallen {lost}, geändert {changed}"
|
|
101
|
+
"diff-field-counted-only" = "{field}, nur gezählt: dazugekommen {gained}, weggefallen {lost}, geändert {changed}"
|
|
102
|
+
"diff-stages-differ" = "[sdb-reader] WARNUNG: Die Läufe stammen aus verschiedenen Lese-Stufen (A: {a}; B: {b}): Abweichungen können vom Text der PDF-Dateien kommen statt vom Lesen."
|
|
103
|
+
"diff-models-differ" = "[sdb-reader] WARNUNG: Die Läufe haben verschiedene Modelle gefragt (A: {a}; B: {b})."
|
|
104
|
+
"diff-questions-differ" = "[sdb-reader] WARNUNG: Die Läufe haben nicht dieselbe Frage gestellt (A: {a}; B: {b}): Die Antworten gelten verschiedenen Fragen."
|
|
105
|
+
|
|
106
|
+
"show-kind-sheet" = { one = "Sicherheitsdatenblatt, deutsch, 1 Blatt", other = "Sicherheitsdatenblatt, deutsch, {sheets} Blätter" }
|
|
107
|
+
"show-kind-other-language" = "Sicherheitsdatenblatt in einer anderen Sprache"
|
|
108
|
+
"show-kind-safety-information" = "Sicherheitsinformation, kein Sicherheitsdatenblatt"
|
|
109
|
+
"show-kind-document" = "Kein Sicherheitsdatenblatt"
|
|
110
|
+
"show-kind-unreadable" = "Nicht lesbar"
|
|
111
|
+
"show-kind-broke" = "Beim Lesen ist ein Fehler aufgetreten; Näheres steht in der Fehlerausgabe."
|
|
112
|
+
"show-cover-page" = "Vor den Blättern steht ein Deckblatt; es wird nicht gelesen."
|
|
113
|
+
"show-cover-page-display" = "Vor den Blättern steht ein Deckblatt; es nennt ein Display: „{term}“."
|
|
114
|
+
"show-line-cover-page" = "mit Deckblatt"
|
|
115
|
+
"show-line-cover-page-display" = "mit Deckblatt (Display: „{term}“)"
|
|
116
|
+
"show-sheet-of" = "Blatt {number} von {count}"
|
|
117
|
+
"show-whole-file" = "Die Datei als Ganzes"
|
|
118
|
+
"show-label-product" = "Produkt"
|
|
119
|
+
"show-label-supplier" = "Lieferant"
|
|
120
|
+
"show-label-contact" = "Kontakt"
|
|
121
|
+
"show-label-emergency" = "Notruf"
|
|
122
|
+
"show-label-revised" = "Überarbeitet"
|
|
123
|
+
"show-label-issued" = "Ausgegeben"
|
|
124
|
+
"show-label-labelling" = "Kennzeichnung"
|
|
125
|
+
"show-label-notes" = "Hinweise"
|
|
126
|
+
"show-date" = "{date}"
|
|
127
|
+
"show-information-email" = "Auskunft: {email}"
|
|
128
|
+
"show-product-dated" = "{product} ({dated})"
|
|
129
|
+
"show-with-version" = "{value} (Version {version})"
|
|
130
|
+
"show-not-stated" = "nicht genannt"
|
|
131
|
+
"show-no-labelling" = "keine"
|
|
132
|
+
"show-no-signal-word" = "kein Signalwort"
|
|
133
|
+
"show-no-pictograms" = "keine Piktogramme"
|
|
134
|
+
"show-no-statements" = "keine H-, P- oder EUH-Sätze"
|
|
135
|
+
"show-needs-sheet" = "Braucht ein Sicherheitsdatenblatt: ja"
|
|
136
|
+
"show-needs-no-sheet" = "Braucht ein Sicherheitsdatenblatt: nein"
|
|
137
|
+
"show-stated-voluntary" = "Das Blatt nennt sich freiwillig ausgestellt oder nicht vorgeschrieben."
|
|
138
|
+
"show-stated-article" = "Das Blatt nennt sein Produkt ein Erzeugnis."
|
|
139
|
+
"show-no-notes" = "keine"
|
|
140
|
+
"show-no-product" = "Produkt nicht genannt"
|
|
141
|
+
"show-undated" = "ohne Datum"
|
|
142
|
+
"show-notes" = { one = "1 Hinweis", other = "{notes} Hinweise" }
|
|
143
|
+
"show-summary" = "Dateien: {files}; Sicherheitsdatenblätter: {sheets}; andere Dokumente: {others}; nicht lesbar: {failed}; mit Hinweisen: {with_notes}; ausgenommen: {excluded}"
|
|
144
|
+
"show-interrupted" = "[sdb-reader] Abgebrochen nach {done} von {total} Dateien."
|
|
145
|
+
|
|
146
|
+
"unknown" = "{text}"
|