Szerkesztő:BinBot/munka/Egyéb javítócsomagok

BinBot főbb helyesírási javítócsomagjai itt láthatóak a magyarázattal együtt. Ezen a lapon további javítócsomagokat teszek közzé, amelyek valamilyen szempontból érdekesek lehetnek. A javítócsomagok (fixek) fogalmáról itt lehet olvasni.

A nulla nem o betű / Zero is not "o"

Ez a csomag azt a tipográfiai hibát hivatott javítani, amikor a nulla helyett o betűt írnak. Két különlegessége van: Mindig rekurzívan kell futtatni Az érintett cikkek kigyűjtése egy menetben történik, de a javítás két menetben, vagyis a két érintett sort egymás után kell használni (a gyakorlatban ez a nem használt sorok kikommentezésével történik) Néhány teszteset :-)

As part of my presentation at Wikimania 2012, I uploaded here a sample fix with some explanation. This one is to correct a common typographic error when users type the letter o instead of the digit zero. It has two interesting specialities: It has to be run always recursively (the rare example for the use of 'recursive' key in fix) It runs in two passes (after gathering articles in one pass), and the inactive lines (regex, edit comment) must be commented out Some test cases

    'nulla_nem_o': {
        'regex': True,
        'recursive': True,
        'msg': {
               'hu':u'O és o betűk javítása a számokban nulla számjegyre (botszerkesztés kézi üzemmódban)',
               # 'hu':u'Második nekifutás: halmozottan hátrányos helyesírású oldalszámoknak feltételezett karakterhalmazok javítása kézi botszerkesztéssel',
              },
        'replacements': [
            #     http://hu.wikipedia.org/w/index.php?title=Szerkeszt%C5%91:BinBot/semmi&curid=357930&diff=6599584&oldid=6599521
            #***1
            (ur'(?P<tipp>\d)(o|O)(?=[oO\)\/\-\|\]\}\.\,\:\;\d\b\s])', ur'\g<tipp>0'), #számjegy utáni o/O-->0 (rekurzívan futtatandó!!!)
            #Ez kompromisszumos megoldás, a 1OOdarabot 10Odarabra javítja, de tételezzük fel,
            #hogy nincs 0-->o és egybeírási hiba rögtön egymás után. Minden nem megy, túl bonyolult lenne.
            #
            #Pótjavítás kell a második menetben!
            #Igen sok ilyen van: <ref>Szimonidész Lajos könyve 240o.</ref>
            #Tehát hiányzó pont + az o. egybeírása a könyvek oldalainál. Sajnos védhetetlen. :-((
            #***2
            # (ur'(\d)o\.', ur'\1. o.'),
            #
            #Első menet: a fenti ***1 jelű sor fut, a szerkesztési összefoglaló:
            #O és o betűk javítása a számokban nulla számjegyre (botszerkesztés kézi üzemmódban)
            #Második menet: a fenti ***2 jelű sor fut, a ***1 kikommentezve; a szerkesztési összefoglaló:
            #Második nekifutás: halmozottan hátrányos helyesírású oldalszámoknak feltételezett karakterhalmazok javítása kézi botszerkesztéssel
        ],
        'exceptions': {.
            'inside-tags': [
                'hyperlink',
                'interwiki',
                'math', #Képletekben gyakori / Chemical formulas are often among math tags!
                #'template',
            ],
            'text-contains': [
                ur'(\{\{[Ss]zinnyei|\{\{[Pp]allas\}|\{\{[Ff]ényes\}|\{\{[Vv]ályi\}|Vályi András|Fényes Elek|\{\{sicc\})',
            ],
            'inside': [
                r'H2O',
                # r'(N|H|K|Cu)_2O', #A H2O-t és az N2O-t így írják a <math> tagen belül, gyakori. Ld. az inside-tagsnél.
                #Ez akifejezés a képneveket üti ki, kivéve a galériákat és sablonparamétereket.
                ur'(?i)\[\[(Image|File|Fájl|Kép)\:[^\]\|]+?\|', # Képek nevében ne /Don't touch image names
                ur'(?i)(Image|File|Fájl|Kép)\:.+?(jpg|png|gif|svg)', #Galériás képek nevében se / neither in galleries
                ur'(?i)\| *(kép|image|logó) *=.*?\.(jpg|gif|png)', #Ez infoboxos képnév / nor in infoboxes
                r'\{\{DEFAULTSORT:.*?\}\}', #Don't touch defaultsorts
                #Még ezeket kellene kizárni: <ref name="auto_PRqfagt97055I7Qub+cylw"/>
                r'name="auto_.*?"', #Automatikus refnevek, random string / Bot-created random reference names
                r'(?im)(SMILES|InChI|UNII) *= *.*$', #Kémiai adatbázisok / Chemical databases
                #A $ a (?s) kapcsoló nélkül csak a sor végéig ér. A m nélkül pedig nem működik.
                #Kizárandó még: SMILES\s*=\s*blablabla és InChI\s*=\s*blablabla (kémiai képletek)
                #Ki kéne zárni az összes kémiai cikket, de nem megy.
                ur'NC3O', #NATO-kiadvány / A NATO source
                ur'\{\{Al2O3\}\}', #vegyületsablon / A chemical template
            ],
        }
    },