[Trennmuster] Kommentare zu »umformatierung.py«

[Guenter Milde]

Lieber Werner, liebe Trennmustler,

On 14.03.18, Werner LEMBERG wrote:

> Derzeit bastle ich fleißig an meiner Perl-Version der Konversion vom
> Kurz- zum Langformat.  Hauptgrund ist natürlich, Günters
> Python-Implementation zu überprüfen :-) Hut ab, übrigens – Dein Skript
> ist eine beachtliche Leistung!

> Noch ist das Kurzformat nicht genügend präzise definiert, meiner
> Meinung nach – das merkt man aber erst, wenn man sowas selbst
> implementiert...

Jo, daher meine letzten Anfragen.

> Hier meine aktuelle Version.  Es sind noch nicht alle Probleme
> behandelt; z.B. fehlt noch »Geschoß« vs. »Geschoss«, worüber ich noch
> nachdenken muß (und in mein Skript einzubauen habe).

Im Anhang meine aktuelle Version zum Ansehen, ich habe heute lang dran
gesessen...


> ----------------------------------------------------------------------


> Die neue Kurzversion der Wortliste
> ==================================


> Es gibt fünf Felder, die implizit oder explizit gesetzt werden.

> Feld 1, »de«:
>   Wort mit Trennungen nach aktueller Rechtschreibung (de-1996).

>   Einziges Pflichtfeld.

>   »-1-«, falls die Schreibung in den Feldern 2 bis 5 in de-1996
>   unzulässig ist (z.B. »-1-;Pro<zeß«).

>   Anderenfalls werden die Wortformen aller anderen Felder implizit
>   über Transformationsregeln aus diesem Feld abgeleitet.

> Feld 2, »de-1901«:
>   Wort mit Trennungen nach traditioneller Rechtschreibung (de-1901).

>   »-2-«, falls die implizit abgeleitete Schreibung in de-1901
>   unzulässig ist (z.B. »Ur<laubs=tipp;-2-«); die implizit abgeleiteten
>   Wortformen »de-1901-x-versal« und »de-CH-1901« sind dann ebenfalls
>   nicht zulässig.

>   Anderenfalls werden die Felder »de-1901-x-versal« und »de-CH-1901«
>   implizit über Transformationsregeln aus diesem Feld abgeleitet und
>   nicht aus Feld »de«.

>   »-2-«, falls Feld 1 gleich »-1-« ist und weitere Felder folgen.

> Feld 3, »de-CH« oder »de-x-versal«:
>   Wort mit ß-Ersatzschreibung, die in der Schweiz und bei Satz mit
>   Großbuchstaben oder Kapitälchen benutzt wird.  Trennungen nach
>   aktueller Rechtschreibung.

>   »-3-«, falls die implizit abgeleitete Schreibung in de-CH-1996
>   unzulässig ist.

>   »-3-«, falls Feld 1 gleich »-1-« ist und weitere Felder folgen.

> Feld 4, »de-1901-x-versal«:
>   Wort mit ß-Ersatzschreibung für de-1901 mit Großbuchstaben oder
>   Kapitälchen.

>   »-4-«, falls die implizit abgeleitete Schreibung in de-1901
>   unzulässig ist oder fehlt.

>   »-4-«, falls Feld 1 gleich »-1-« ist und ein weiteres Feld folgt.

> Feld 5, »de-CH-1901«:
>   Wort mit ß-Ersatzschreibung, die der Schweiz benutzt wird.  Das sind
>   insbesondere Wörter mit »sss« gefolgt von einem Vokal, die wie
>   andere Dreifachkonsonanten gehandhabt wurden (also anders, als bei
>   Ersatzschreibung in Deutschland und Österreich), z.B. »süssauer«

>   »-5-«, falls die abgeleitete Schreibung in de-CH-1901 unzulässig
>   ist.


> ----------------------------------------------------------------------


> Dazu verschiedene Anmerkungen.

> (1) Feld »de« ist erzeugend (implizit Felder 2-5).  Feld »de-1901« ist
>     korrigierend (Feld 2) und erzeugend (implizit Felder 3 und 5).
>     Die restlichen drei Felder sind nur korrigierend.

>     Diese Unterscheidung ist wichtig, um die exakte Darstellung von
>     komplizierteren Einträgen zu verstehen.

Das läßt sich sicher/hoffentlich noch besser zusammenfassen, im Sinne von

Es gibt fünf Felder

  1
  2
  ...
  5
  
Felder können weggelassen werden, wenn sich der Inhalt rekursiv
aus anderen Feldern bestimmen läßt:

  Feld 2 aus Feld 1 mit ableitung1901()
  Feld 3 aus Feld 1 mit versalschreibung(de)
  Feld 4 aus Feld 2 mit versalschreibung(de-1901)
  Feld 5 aus Feld 2 mit versalschreibung(ch-1901)


> (2) Noch ungeklärt: Was genau passiert mit Kommentaren, wenn zwei
>     Zeilen im Kurzformat auf zwei Zeilen im Langformat abgebildet
>     wird? 

Kommentare sollten bei Aufteilung in beide Resultate übernommen werden.

Bei Zusammenfügung (merge) zweier Einträge:

  * ist nur Kommentar vorhanden, wird er übernommen/erhalten
  * zwei identische Kommentare bleiben als einer
  * zwei unterschiedliche Kommentare führen zu einem Fehler

> Mein Skript erzeugt derzeit beispielsweise aus den
>     Kurzformateinträgen

>       Well=ness;Well=ness # engl.
>       -1-;Well=neß;-3-;-4-;-5-

>     die Langformateinträge

>       Wellness;Well=ness # engl.
>       Wellneß;-2-;Well=neß;-4- # engl.     ,

>     während Günters Version

>       Wellneß;-2-;Well=neß;-4-

>     als zweite Zeile generiert.

>     Beachte: Im Prinzip ist die Anordnung von Kommentaren egal, da wir
>     ja langfristig das Langformat aufgeben wollen.

Ich finde es wichtig, daß verlustfrei zwischen den beiden Formaten gewandelt
werden kann. Bei Fehlern muß eine manuelle Angleichung der Kommentare
erfolgen, das sind aber nur wenige Fälle (natürlich bei neuen Kommentaren zu
beachten/korrigieren).

Auch beachten: Die Abhängigkeit ist kreuzweise: es gibt nicht nur
Kurzeinträge die zu mehreren Langeinträgen werden, sondern auch Langeinträge
die sich aus mehreren Kurzeinträgen speisen und die besonders kniffligen
Varianten.


> (3) Noch ungeklärt: Was geschieht mit Groß- und Kleinschreibung?  Daß
>     das zweite Feld im ersten Kurzformateintrag

>       schoss;Schoß;schoss;schoss;schoss # schoß und Schoß
>       Schoß;-2-;-3- # schoß und Schoß

>     großgeschrieben wird, sollte irgendwie formal begründet werden.

Mein Ideal wäre in Kurzform

       schoss # mehrdeutig: schoss und Schoß
       Schoß # mehrdeutig: schoss und Schoß

>     Wiederum gilt, daß das eher für die Konsistenz des Kurzformats
>     wichtig ist als für die Konversion zum Langformat.

> (4) Kopfzerbrechen bereiten mir Kurzformateinträge der Art

>       Bett=tuch;Be[t=t/{tt/tt=t}]uch
>       Bet=tuch;-2-

>     Ich glaube, daß es stattdessen

>       Bet=tuch;Be[t=t/{tt/tt=t}]uch
>       Bett=tuch;-2-

>     sein sollte.

>     Begründung: Bei Konstrukten sowohl in eckigen als auch in
>     geschwungenen Klammern ergibt der linksstehende Ausdruck die
>     primäre Zusammensetzung.  »Be[t=t/{tt/tt=t}]uch« löst sich also
>     bevorzugt zu »Bet=tuch« auf.  Das widerspricht dem Eintrag in
>     Feld 1 in der oberen Version.

>     Als Regel hätten wir dann, daß die primäre Auflösung von
>     »[.../...]« und »{.../...}« mit der Wortform in Feld 1
>     übereinstimmen soll.

>     Im übrigen wäre es wohl besser, »Be[{tt/tt=t}/t=t]uch« zu
>     verwenden:

>       Bett=tuch;Be[{tt/tt=t}/t=t]uch
>       Bet=tuch;-2-

> (5) Ich schließe mich Günters Meinung an, daß Mehrfacheinträge für
>     alle Felder zulässig sein sollen, solange sie sich nicht
>     widersprechen.  Siehe unten Beispiel 2.

> (6) Genauso finde ich es richtig, daß wir Wortformen mit drei
>     Buchstaben aufnehmen, falls Ableitungen davon vier Buchstaben
>     enthalten – die Kurzformateinträge sind dann leichter zu
>     verstehen.

> (7) Die Transformationsregeln werde ich bei Gelegenheit nachbringen;
>     diese E-Mail ist bereits viel zu lang...

> Günter, kannst Du (5) und (6) in deinem Skript einbauen?

Schwierig aber evt. machbar.


Günter
-------------- nächster Teil --------------
Ein Dateianhang mit HTML-Daten wurde abgetrennt...
URL: <https://listi.jpberlin.de/pipermail/trennmuster/attachments/20180315/371854cd/attachment.html>