Szerkesztő:BinBot/munka/dátum

A Wikipédiából, a szabad enciklopédiából

Gyakoribb helyesírási javításaim BinBot segítségével[szerkesztés]

A javítások kulisszatitkairól részletesebben olvashatsz a Szerkesztő:Bináris/Bottal végzett helyesírási javítások lapon. A fő tudnivalók kivonata a dobozban látható.
  • Igen ritka esetektől eltekintve minden változtatás kézi ellenőrzéssel történik, és főként a szócikknévtérben. (2012 márciusától a javítások esetenként kiterjednek a portálnévtérre, a képleírásokra és a sablonok látható részére is.)
  • Az előkészítés többnyire automatikusan történik; ez az átvizsgálandó cikkek kigyűjtését jelenti egy állományba (korábban allapra).
  • A javításhoz a replace.py modult használom kisebb módosítással, mely a naplózást teszi lehetővé. A javítócsomagok (fixek) fogalmáról itt lehet olvasni.
  • A helyesírási javításokból a nagyobb hatékonyság érdekében kimaradhatnak bizonyos lapcsoportok, amelyek általános állapotuknál fogva nem alkalmasak a gépi javításra, vagy túl nagy eséllyel adnak hamis találatokat, vagy egyszerűen nem érdekelnek. :-) Általában kimaradnak a {{szinnyei}} és {{pallas}}(?) forrássablonnal ellátott lapok, valamint a Vályi András vagy Fényes Elek nevét tartalmazó szócikkek, mivel ezek nagy része régies helyesírású idézeteket tartalmaz. Ugyancsak kimaradnak a {{sicc}}(?) sablont tartalmazó és a 300 ezer karakternél hosszabb lapok. Aki szeretné, az itt megadott reguláris kifejezések segítségével ezeket is javítgathatja. Jó szórakozást! :-)
  • Új javítanivalókat lehet javasolni, de csak akkor fognak bekerülni, ha valóban gyakori hibáról van szó. Egyrészt ugyanis minden felvett kifejezés lassítja a bot futását az előkészítés és a tényleges végrehajtás fázisában is, másrészt növeli annak a kockázatát, hogy egy szócikkben a bot által javasolt javítások egy része tényleges hiba, másik része pedig hamis találat lesz, és ilyen esetben csak kézi szerkesztéssel lehet megoldani a problémát, ami tetemes időveszteséggel jár.
  • Szintén a hatékonyság miatt maradnak ki azok a kifejezések, amelyek több hamis találatot adnak, mint ahányszor javítani kellene őket.
  • Az egyes lapokon közölt reguláris kifejezések csak mintának vannak kitéve, nem biztos, hogy tökéletesen azonosak a pillanatnyilag használt éles javítókészlettel (mivel folyamatos csiszolás alatt állnak), de használd őket egészséggel. (Szigorúan kézi ellenőrzéssel!!!)
  • Köszönöm Pasztillának a kezdeti munkamódszer (divatosabban know-how) átadását és a kiinduló javítócsomagot.


Dátumok javítása[szerkesztés]

Az itt látható kifejezésgyűjtemény fejlesztés alatt áll, még csak félkész. Pasztilla munkájából kiindulva írtam.
Figyelem! Ez a változat még a dátumos lapok címének régi, pont nélküli változatát használja! 

    'datumjav': {
        'regex': True,
        'msg': {
               'hu':u'Dátumok helyesebb írása, rövidítések feloldása',
              },
        'replacements': [
            (ur'Kr\.?\s?(e|u)\.?\s', ur'Kr. \1. '),
            (ur'(\s1|\.1)\.*\-én', ur'\1-jén'),     #1.-én, 1-én helyett 1-jén; kellene: től helyett jétől?
            (ur'(\s1|\.1)\.\-jén', ur'\1-jén'),     #1.-jén helyett 1-jén
            (ur'(\s1|\.1)\.*\-étől', ur'\1-jétől'),    
            (ur'(\s1|\.1)\.\-jétől', ur'\1-jétől'),    
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?és\s(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?között', ur'\1 és \2 között'), # ez leveszi a Nagytapolcsány cikkben az 1 db ]-t.
            (ur'(\d{3,4})\. ?(vége|végé|elej|közep|között|körül|folyam|nyar|tel|tavasza|tavaszá|őszé|ősze|óta|után|előtt)', ur'\1 \2'),
            (ur'(\d{3,4})\]\]\. ?(vége|végé|elej|közep|között|körül|folyam|nyar|tel|tavasza|tavaszá|őszé|ősze|óta|után|előtt)', ur'\1]] \2'),
            (ur'(\d{3,4})\. ?(januárj|februárj|márciusa|márciusá|áprilisa|áprilisá|májusa|májusá|júniusa|júniusá|júliusa|júliusá|augusztusa|augusztusá|szeptembere|szeptemberé|októbere|októberé|novembere|novemberé|decembere|decemberé)', ur'\1 \2'),
            (ur'(\d{3,4})\]\]\. ?(januárj|februárj|márciusa|márciusá|áprilisa|áprilisá|májusa|májusá|júniusa|júniusá|júliusa|júliusá|augusztusa|augusztusá|szeptembere|szeptemberé|októbere|októberé|novembere|novemberé|decembere|decemberé)', ur'\1]] \2'),
            (ur'(i. e. |Kr. e. )(\d)(\s)?(-|–|—|--|–|—)(\s)?(i. e. |Kr. e. )(\d)', ur'\1\2–\7'),
            (ur'\[\[(i. e. |Kr. e. )(\d)\]\](\s)?(-|–|—|--|–|—)(\s)?\[\[(i. e. |Kr. e. )(\d)\]\]', ur'[[\1\2]]–[[\6\7|\7]]'),
	    (ur'jan\.\s?(\d{1,2})',ur'január \1'),
	    (ur'febr\.\s?(\d{1,2})',ur'február \1'),
	    (ur'márc\.\s?(\d{1,2})',ur'március \1'),
	    (ur'ápr\.\s?(\d{1,2})',ur'április \1'),
	    (ur'máj\.\s?(\d{1,2})',ur'május \1'),
	    (ur'jún\.\s?(\d{1,2})',ur'június \1'),
	    (ur'júl\.\s?(\d{1,2})',ur'július \1'),
	    (ur'aug\.\s?(\d{1,2})',ur'augusztus \1'),
	    (ur'szept\.\s?(\d{1,2})',ur'szeptember \1'),
	    (ur'okt\.\s?(\d{1,2})',ur'október \1'),
	    (ur'nov\.\s?(\d{1,2})',ur'november \1'),
	    (ur'dec\.\s?(\d{1,2})',ur'december \1'),
	    (ur'jan\.-(i|ban|tól)',ur'január\1'), #ebben az -ig is benne van; kell még: birtokosok: -a, -áig stb., de akkor pont nélkül
	    (ur'febr\.-(i|ban|tól)',ur'február\1'),
	    (ur'márc\.-(i|ban|tól)',ur'március\1'),
	    (ur'ápr\.-(i|ban|tól)',ur'április\1'),
	    (ur'máj\.-(i|ban|tól)',ur'május\1'),
	    (ur'jún\.-(i|ban|tól)',ur'június\1'),
	    (ur'júl\.-(i|ban|tól)',ur'július\1'),
	    (ur'aug\.-(i|ban|tól)',ur'augusztus\1'),
	    (ur'szept\.-(i|ben|től)',ur'szeptember\1'),
	    (ur'okt\.-(i|ban|tól)',ur'október\1'),
	    (ur'nov\.-(i|ben|től)',ur'november\1'),
	    (ur'dec\.-(i|ben|től)',ur'december\1'), #2002 nov. --> 2002 november, ide is kellene pont; két dátum közötti szóköz - mellett; rövidítés feloldása után a nap után nem tesz pontot (KDE és augusztus 14 szócikk) és az év után sem (Szén cikk); sok képnevet  és URL-t is javítana!
	    (ur'(\d|\.| |\;|\-|\–)jan\.',ur'\1január'), #Hátha így nem találja meg a fileneveket; a ; az nbsp; miatt
	    (ur'(\d|\.| |\;|\-|\–)febr\.',ur'\1február'),
	    (ur'(\d|\.| |\;|\-|\–)márc\.',ur'\1március'),
	    (ur'(\d|\.| |\;|\-|\–)ápr\.',ur'\1április'),
	    (ur'(\d|\.| |\;|\-|\–)máj\.',ur'\1május'),
	    (ur'(\d|\.| |\;|\-|\–)jún\.',ur'\1június'),
	    (ur'(\d|\.| |\;|\-|\–)júl\.',ur'\1július'),
	    (ur'(\d|\.| |\;|\-|\–)aug\.',ur'\1augusztus'),
	    (ur'(\d|\.| |\;|\-|\–)szept\.',ur'\1szeptember'),
	    (ur'(\d|\.| |\;|\-|\–)okt\.',ur'\1október'),
	    (ur'(\d|\.| |\;|\-|\–)nov\.',ur'\1november'),
	    (ur'(\d|\.| |\;|\-|\–)dec\.',ur'\1december'),
	    (ur'(\d)(án|én)',ur'\1-\2'),
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.? ?(\[a-zA-Z])'    ,ur'\1. \2\3\4 \5. \6'), #linkelt is; ez itt a nem sorvégi dátum, betűvel követve, szóköz pótlása. (.=nem sorvégjel)
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.?(\)|\/|\,|;|\<|\{|\})'    ,ur'\1. \2\3\4 \5.\6'), #linkelt is; ez itt a nem sorvégi dátum, nem pótlunk szóközt (pl. ")" van utána). "]" most nem lehet, mert akkor a ]]-n belülre tenne pontot, majd.
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.? ?\n'    ,ur'\1. \2\3\4 \5.\n'), #linkelt is; a sorvégi dátumok után nem tesz szóközt.
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.?\s?(\-|\–)\s?\)'    ,ur'\1. \2\3\4 \5.)'), #Ez az alatta levő sor melléklete, mert csukó zárójel elé nem kell szóköz, sőt gondolatjel sem.
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.?\s?(\-|\–)\s?(\d{3,4}|\[\[\d{3,4}\]\]|január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)'    ,ur'\1. \2\3\4 \5. – \7'), #Ez és a felette levő akar lenni a megoldás az alatta levőre. Ha nem működik, egyszerűen töröld ezt a sort. Egyelőre nem működik, ha más szöveg, pl. településnév van utána.
	    (ur'(\d{3,4}|\[\[\d{3,4}\]\])\.?\s?(|\[\[)(január|február|március|április|május|június|július|augusztus|szeptember|október|november|december)(|\]\])\s?(\d{1,2})\.?\-'    ,ur'\1. \2\3\4 \5-'), #linkelt is (ez a toldalékolt alak, ha -én/-én van utána) #Homoródkarácsonyfalva cikk: 2006. augusztus 30.- szeptember 8. (ezt nem így kéne javítani), ld. a felette levő kettőt.
        ],
        'exceptions': {
            'inside-tags': [
                'hyperlink', #lehetne elvileg template is, de talán frissíteni kellene hozzá
            ],
            'inside': [
                r'\[\[[\w\-]{2,12}:.*?\]\]', #Ez közelítőleg lefedi az interwikiket.
                r'\{\{DEFAULTSORT:.*?\}\}', #A defaultsortban szándékosan ékezet nélküli szavak vannak.
                r'\[\[Kategória:.*?\|.*?\]\]', #Nem akar működni. :-( #A kategóriabeli rendezésben szándékosan ékezet nélküli szavak vannak.
            ],
         }
    },
	#Ez (\D1-én) megtalálta a  "minden idők legjobb Formula-1-ének" v. hasonló szöveget is..., meg a sikimisav vagy miben a kémiai képletet! 2001. szeptember 11-i: ide nem kellene 11.-i-t tenni!
	#Mindegyikhez kéne [[február]] [[5]]. vagy [[5.]] meg [[február 5]]. vagy 5.]] felismerő is, javítással! Valamint a római számok átváltása.
	#
	# Hibalista (némelyik már nem aktuális, mert ez egy korábbi változat listája, és azóta fejlesztettem)
	# június 29.-e évszám nélkül, Salvador Dalí
	# A [[2001]]. [[október 25.|október 25-én]], Windows XP (pontot tesz bele a | elé) (sok cikkben!)
	# (viszont a lengyel fejedelmekhez meg kell a | karakter is) (na jó, most kivettem, több a  hibás találat)
	# >>> Jugoszlávia <<<
	# - *[[Dusan T. Simovic]] [[1941]]. április 12/13 - [[1942]]. [[január 12.]]
	# + *[[Dusan T. Simovic]] [[1941]]. április 12./13 - [[1942]]. [[január 12.]]
	# szül dátum után lehet - v. nagykötő szóköz nélkül. pl.  ([[1931]]. október 1.-) (Gyöngyöshalász), nem kezeli
	# mindenféle birtokosok, pl. aug. 1-től, -->jétől stb.
	#  2007.máj.03. -> 2007.május 03. (nincs szóköz, 0 maradt) (Kaszpi-tenger)
	# Zseniális! :-DD Dos-parancsok listája: 256 és 32768 közötti érték --> 256 és 3276 közötti érték (remélhetőleg javítva)
	# 2000.júl. (szám nélkül, csak hónap) -->2000.július szóköz nélkül (Dombóvári Tibor)
	# 2006 jún. (szám nélkül) --> 2006 június (Vallónia)
	# 05. máj. 19.: a kétjegyű évszámot is javítani kéne (With Teeth)
	# nov.8.-án --> november 8.-án
	# dátum után kötőjel szóköz nélkül, nagykötőjel akar lenni, pontra javítaná. Legyen utána még egy évszám?
	# 1967.jan.13 -->1967.január 13 (Viktor Bout), kell egy . és egy szóköz
A lap eredeti címe: „https://hu.wikipedia.org/w/index.php?title=Szerkesztő:BinBot/munka/dátum&oldid=11237053”