Moduuli:kieliaakkostus

-- yleinen, muuttaa aksentilliset merkit niitä vastaaviksi ascii-merkeiksi
local oletus = {}
function oletus.lajittelumuotoon(isanta, sana)
    return isanta.yksinkertaista_sana(sana, "abcdefghijklmnopqrstuvwxyzабвгдежзиклмнопрстуфхцчшщъыьэюя")
end

function oletus.lajittelukirjaimiksi(isanta, sana, n)
    n = n or 2
    sana = oletus.lajittelumuotoon(isanta, sana)
    return mw.ustring.sub(sana, 1, n), mw.ustring.sub(sana, n+1)
end

--- Palauttaa annetun kielelle käytetyn aakkostajan
-- Jos kielelle on määritetty oma aakkostaja palauttaa sen muuten
-- oletusaakkostajan. Aakkostajat sijaitsevat moduulin alasivuilla.
-- Alasivun nimen tulee olla kielen kielikoodi.
-- @param lang alasivun nimi, jolla aakkostaja on
-- @return     kielelle käytettävä aakkostaja
local function lataa_aakkostaja(lang)
   local aakkostaja
   local stat

   stat, aakkostaja = pcall(require, "Moduuli:kieliaakkostus/" .. lang)

   if stat == false then
      -- Käytetään oletusaakkostajaa
      aakkostaja = oletus
   end

   return aakkostaja
end



-- Oletusmuutokset, ohitetaan kielen omalla yksinkertaista_sana-funktiolle annettavalla funktiolla.
-- Aksentilliset merkit muutetaan automaattisesti aksentittomiksi.
local merkkimuutokset = { 
  ['0'] = '#', 
  ['1'] = '#', 
  ['2'] = '#', 
  ['3'] = '#', 
  ['4'] = '#', 
  ['5'] = '#', 
  ['6'] = '#', 
  ['7'] = '#', 
  ['8'] = '#', 
  ['9'] = '#', 
  ['æ'] = 'ae', 
  ['ð'] = 'd', 
  ['ø'] = 'o',
  ['œ'] = 'oe',
  ['ŋ'] = 'n', 
  ['ß'] = 'ss',  
  ['Þ'] = 'th',  
}

local m = {}

-- Oletusmuutosfunktio, joka muuttaa annetun merkin kirjainten a-z akstentittomaan muotoon ja merkkimuutokset-taulukon 
-- antamiin muotoihin. Poistaa kaikki muut merkit.
function m.muuta_merkki(mk)
    mk = merkkimuutokset[mk] or mk
    -- poistetaan merkistä mahdollisen aksentit ja jäljellä olevasta kaikki muut merkit paitsi kirjaimet
    mk = mw.ustring.toNFD(mk)
    mk = mw.ustring.gsub(mk, "[^%a]", "")
   return mk
end

-- Parametrit:
--   sana, joka muutetaan, täytyy olla muutettu pieniksi kirjaimiksi
--   aakkosto, ne kirjaimet jotka ovat mukana aakkostuksessa, järjestyksellä ei ole väliä
--   f (valinnainen), kielen oma funktio, joka on muotoa f(merkki) -> merkki/merkkejä, jos 
--     ei annettu, käytetään `isanta.muuta_merkki`ä
function m.yksinkertaista_sana(sana, aakkosto, f)
    local a = 1
    local usana = ''
    
    -- Poistetaan mahdolliset #-merkit, koska numerot muutetaan niiksi.
    -- Muut erikoismerkit poistetaan lopussa.
    sana = mw.ustring.gsub(sana, "#", "")
    
    -- oletusfunktio palauttaa oletustaulukosta arvon
    f = f or m.muuta_merkki
    
    -- etsitään merkit, jotka eivät kuulu aakkostoon ja korvataan ne aakkostoon kuuluvilla
    repeat 
        s, e = mw.ustring.find(sana, "[^" .. aakkosto .. "]", a)
        if s ~= nil then
            if s == 1 then -- (koska mw.ustring.sub(sana, 1, 0) palauttaa jostain syystä ensimmäisen merkin)
                usana = f(mw.ustring.sub(sana, s, e))
            else
	            usana = usana .. mw.ustring.sub(sana, a, s-1) .. f(mw.ustring.sub(sana, s, e))
            end
	        a = e + 1
	    end	      
    until s == nil
    usana = usana .. mw.ustring.sub(sana, a, #sana)
    return usana
end    

-- Muuttaa annetun tektin lajittelumuotoon eli muuttaa kirjasintyypin pieneksi, poistaa väliviivat 
-- ja muuttaa kirjaimet, jotka lajitellaan toisten kirjanten alle, esim. suomenkielisissä 
-- sanoissa w, š ja ž -> v, s, z.
function m.lajittelumuotoon(kieli, sana)
    local k = mw.language.new(kieli)
    local aakkostaja = lataa_aakkostaja(kieli)
    
    if k then
        sana = k:lc(sana)		-- isot kirjaimet pieniksi
	return aakkostaja.lajittelumuotoon(m, sana)
    end
end


-- Muuttaa annetun tekstin lajittelumuotoon ja palauttaa sanan jaettuna alun n:nen (oletus 2) kirjaimen
-- kohdalta kieliakkostuksen mukaisesti annetulle kielelle. Palauttaa siis kaksi arvoa a, b, jossa a
-- on kirjaimet 1–n ja b n+1–loppuun. N:n lopullinen arvo riippuu kielikohtaisesta aakkostuksesta, esim.
-- parametreilla "csomó", "hu" (unkari), "2" palautetaan "cso|mo".
-- http://fi.wiktionary.org/wiki/Wikisanakirja:Sanojen_aakkosellinen_luokittelu
function m.lajittelukirjaimiksi(kieli, sana, n)
    local k = mw.language.new(kieli)
    local aakkostaja = lataa_aakkostaja(kieli)
    
    if k then
	    sana = k:lc(sana)		-- isot kirjaimet pieniksi
	    return aakkostaja.lajittelukirjaimiksi(m, sana, n)
    end
end

-- Muuttaa `sanan` sellaiseen muotoon, että kahden muutetun sanan aakkosjärjestyksen 
-- voi todeta <, > -operaattoreilla.
function m.vertailumuotoon(kieli, sana)
    local aakkostaja = lataa_aakkostaja(kieli)
    if aakkostaja.vertailumuotoon then
	    return aakkostaja.vertailumuotoon(m, sana)
    end
    return nil
end

-- Parametrit:
--  1. teksti
--  2. kielikoodi
function m.Lajittelumuotoon(frame)
    return m.lajittelukirjaimiksi(frame.args[1], frame.args[2])
end

-- Parametrit:
--  1. teksti
--  2. kielikoodi
--- n  alkukirjainten määrä
function m.Lajittelukirjaimiksi(frame)
	if mw.ustring.sub(frame.args[1], 1, 1) == 'q' and frame.args.n == 2 then
		frame.args.n = 1
	end
    a, b = m.lajittelukirjaimiksi(frame.args[1], frame.args[2], tonumber(frame.args.n))
    return a .. "|" .. b
end

return m