Utilisateur:Snawei/Dumps

Dump incrémental

• https://dumps.wikimedia.org/other/incr/

Dump complet

• https://dumps.wikimedia.org/frwiktionary/
  • Articles, templates, media/file descriptions, and primary meta-pages.
    • Exemple : frwiktionary-20221101-pages-articles.xml.bz2 484.6 MB (compressé), 4.9 GB (décompressé).
    • Téléchargement : wget https://dumps.wikimedia.org/frwiktionary/20221101/frwiktionary-20221101-pages-articles.xml.bz2
    • Extraction : bzip2 -dk *pages-articles.xml.bz2
      • -d --decompress
      • -k --keep (conserver le fichier compressé)

Grammalecte

• Interface en ligne de commande grammalecte-cli, testé avec une distribution Linux.
• https://grammalecte.net/index.html
• Téléchargement section CLI & Serveur
• python3 grammalecte-cli.py -owe -ff 20221103-def.txt
  • -owe, --only_when_errors ; Afficher seulement les résultats avec des erreurs.
  • -ff (Fichier entrant, 20221103-def.txt, UTF-8 requis) et crée un fichier de résultats (*.res.txt)
  • 20221103-def.txt ; Extraction des définitions du Wiktionnaire (dump incrémental).
• Pour l'instant, recherche Accord de genre erroné dans *.res.txt.

Dumps complets - tests

2023-11-14

Genre en double

{{m}} {{m}}
 2023-11-14 ; 3 corrections
 2021-11-01 ; 1 correction

{{f}} {{f}}
 2023-11-14 ; 5 corrections
 2021-11-01 ; 1 correction

Wikilien vers flexion

• Habituellement vers le lemme
• Corrections : (plusieurs autres restent à faire)
• Exemple d'erreurs corrigées :

1. achromatiques
2. acronymes
3. adversaires ; (2)
4. atomes
5. comédiens
6. convulsions
7. électrons ; (2)
8. [[empreintes]] [[digitales]] > [[empreinte digitale|empreintes digitales]] ; (2)
9. gonades ; (2)
10. lentilles
11. pulsations

Ligne avec [Catégorie: ne terminant pas par "]]"

grep "^\[\[Catégorie:" *.xml | sed 's#</text>$##g' | grep -v "]] *" | grep -v "]]$" | grep -v "</noinclude>$"
2023-11-14 ; 7 corrections (il en reste)
2021-11-01 ; 5 corrections

Ajout de la [[Catégorie:Noms multigenres en français]]

• Catégorie:Noms multigenres en français
• Résumé de modification : Ajout de la [[:Catégorie:Noms multigenres en français]]
• Exemple d'ajouts :

1. acétate
2. adi
3. arénaire
4. armadille
5. brandebourg
6. brie
7. cagna
8. camme
9. câpre
10. carnasse
11. carnauba
12. catin
13. caustique
14. chalcide
15. champagne
16. charleston
17. chitte
18. chlorite
19. chnek
20. transat
21. tétragone
22. vulnéraire

Parenthèses

Traductions avec des parenthèses (autres que relativement à la chimie)
Nombre de résultats = Nombre d'entrées en français
Total = 45

espagnol (2 résultats)

Dump du 2021-10-20 antibrouillard ; (faro) antiniebla olibrius ; (tipo) estrambótico

italien (1 résultat)

Dump du 2021-10-20 marquer ; fare segno (di), lasciare un segno (di)

Pluriels 1

grep "\[\[[a-z][a-z]*s]]s " *.xml

2024-03-16 ; 1 correction
2021-10-20 ; erreurs corrigées 4/4
# [[adverbes]]s
# [[français]]s
# [[locutions]]s
# [[moyens]]s

Pluriels 2

grep -o "\[\[[a-z][a-z]*s]]s[a-z]*" *.xml | sort | uniq -c | sort -nr
   
   2023-11-14 ; 0 résultat
   2022-11-01
   
    446 [[gras]]se
    100 [[bas]]se
     82 [[épais]]se
     63 [[gros]]se
     48 [[gros]]ses
     20 [[épais]]ses
     18 [[bas]]ses
      8 [[gras]]ses
      1 [[multimédias]]s = corrigé
      1 [[métis]]ses
      1 [[métis]]se
      1 [[gros]]sière
      1 [[bros]]ser -> Wiktionnaire:Questions_sur_les_mots ; exclure ces sections prochain dump
      1 [[adjectifs]]s = déjà corrigé
     

Dates

grep -io "[0-9]* janvier [0-9]*" *.xml | sed 's/^ //g' | sort | uniq -c | sort -nr

20221101 ; 1 erreur corrigée
Erreurs corrigées après vérification de la source (anciens dumps) :
# janvier 19912
# 252 janvier 2017
# 4 avril 202
# 10 avril 20120
# 10 mai 20035
# 7 juin 20212
* (plusieurs dates restent à revoir)

Dump incrémental - tests

• https://dumps.wikimedia.org/other/incr/

Mots en français absents du Wiktionnaire ; à ajouter peut-être

1. acanthoptère
2. anti-braconnage
3. antibraconnage
4. apraclonidine
5. bronchopneumopathie chronique obstructive
6. clonidine ; clonidine sur l’encyclopédie Wikipédia
7. costiforme
8. dicophile
9. diosmétine ; diosmétine sur l’encyclopédie Wikipédia
10. diplobacille
11. embarroqué
12. énergiculture
13. galette pacaude
14. inaniméité
15. magnétoception
16. mycobionte
17. naphtolate
18. pailletage
19. pansémite
20. radioélectronique

insource:// + dumps

3 apostrophes

insource:/’’’/ [1]
2021-10-30 ; 5 erreurs corrigées

aaa

bbb
insource:/bbb/ [2]
2022-11-04 ; 14 résultats (tous faux positifs)
2021-11-01 ; 11 résultats (tous faux positifs)

ccc
insource:/ccc/ -insource:/cccccc/ -insource:/\|ccc/ [3]
2021-11-01 ; 26 résultats (dont plusieurs faux positifs)
* Corrigées :
# acccessibilitat (catalan)
# Acccusatif (x 4)
# Bocccace
# Éd. de Bocccard
# racccordement
# tocccata

ddd
insource:/ddd/ -insource:/\|ddd/ -insource:/www.dddllf.com/ -insource:/\/ddd\// [4]
2022-11-04 ; 14 résultats (0 erreur)
2021-11-01 ; 22 résultats (dont plusieurs faux positifs)
* Corrigées :
# middden (néerlandais)

ggg
insource:/ggg/ [5]
2022-11-04 ; 6 résultats (0 erreur)
2021-11-01 ; 7 résultats (1 erreur)

jjj
insource:/jjj/ [6]
 2022-11-04 ; 2 résultats (0 erreur)
 2021-11-01 ; 3 résultats (1 erreur)
* Corrigées :
# hjjj (vandalisme)

kkk
insource:/kkk/ -insource:/\|kkk/ [7]
2021-11-01 ; 7 résultats (à revoir - contient quelques erreurs)

nnn
insource:/nnn/ [8]
2022-11-04 ; 77 résultats (5 corrections) (à revoir - contient quelques erreurs)
2021-11-01 ; 113 résultats

Orthographe

paage
insource:/paage/ -insource:/paage\#fro/ -insource:/paage]]/ - insource:/ne paage/
2024-03-16 ; 0

édtion
insource:/édtion/
2024-03-16 ; 0 résultat
2021-11-01 ; 41 résultats

mnt
insource:/mnt/ -insource:/\|umnt/ [9]
2022-11-04 ; 34 résultats (à revoir - contient quelques erreurs)
2021-11-01
* Résultats : 37
* Corrections : 2
# maquerellemnt
# Probableemnt

Genre (M/F)

un personne
insource:/un personne/ -insource:/un personnel/ [10]
2022-11-04 ; 14 résultats (12 corrections, 1 à faire, 1 faux positif)

une homme
insource:/ une homme/ [11]
2021-11-01
* Résultats : 2
* Corrections : 1

• À revoir :

1. encombrant ; Avoir une homme dans les pieds (citation à vérifier)

Pluriels avec 'les'

Rechercher d'abord dans un dump puis avec insource://
Exemples d'erreurs trouvées :
1 résultat ; 1 correction
insource:/ les câblage /
insource:/ les combinaison /
insource:/ les construction /
insource:/ les croyance /
insource:/ les dictionnaire /
insource:/ les distance /
insource:/ les district /
insource:/ les établissement /
insource:/ les zone /

Plus d'une correction :
insource:/ les main / ; (2)
insource:/ les service / ; (2)

Pluriels avec 'des'

Rechercher d'abord dans un dump puis avec insource://
Exemples d'erreurs trouvées :
1 résultat ; 1 correction
insource:/ des adjectif /
insource:/ des approvisionnement /
insource:/ des armature /
insource:/ des bosse /
insource:/ des chariot /
insource:/ des charrue /
insource:/ des chorégraphie /
insource:/ des mur /

Plus d'une correction :
insource:/ des membre / ; (2)

Accents manquants

Corrections :
n'etait

Étymologie

insource:/latin \{\{étyl\|la/
du latin latin
Du bas latin latin
bas-latin latin
2024-10-08 ; 1 correction
2023-11-14 ; 1 résultat  ; 1 correction
2022-11-04 ; 2 résultats ; 2 corrections
2021-11-02 ; 6 résultats ; 6 corrections

insource:/français \{\{étyl\|fr/
français français
Résumé de modification : {{S|étymologie}} ; correction orthographique ; français français > français
2024-10-08 ; 1 correction
2022-11-04 ; 2 résultats (1 correction, 1 à corriger)
2021-11-03 ; 3 résultats ; 3 corrections

insource:/anglais \{\{étyl\|en/
anglais anglais
Résumé de modification : {{S|étymologie}} ; correction orthographique ; anglais anglais > anglais
2021-11-03 ; 2 résultats ; 2 corrections

insource:/de l'\{\{étyl\|ang\|/
Résumé de modification : de l'vieil anglais > du vieil anglais
2022-11-04 ; 0 résultat

insource:/l'\{\{étyl\|enm\|/
Résumé de modification : de l'moyen anglais > du moyen anglais
2022-11-04 ; 0 résultat

* À faire : autres langues

Apostrophe typo vers apostrophe droite ]]’' --> ]]''

insource:/]]’'/ -intitle:tester
Résumé de modification : Apostrophe typo vers apostrophe droite ]]’' --> ]]''
2024-03-16 ; 4 corrections
2022-11-04 * Résultats : 5, 4 corrigés, 1 faux positif
2022-07-21 * Résultats : 5, 4 corrigés, 1 faux positif
2021-11-04 * Résultats : 10

Titre de niveau 2 vers Titre de niveau 3

anagrammes

insource:/== \{\{S\|anagrammes}} ==/ -insource:/=== \{\{S\|anagrammes}} ===/
Résumé de modification : == {{S|anagrammes}} == -> === {{S|anagrammes}} ===
2022-11-04 ; 1 résultat (1 corrigé) Note : Erreur = trop long
2021-11-06 ; 2 résultats (2 corrections)

==== ==== > ====

insource:/==== ====/
Résumé de modification : ==== (x 2) en fin de ligne
2023-11-14 ; 0 résultat
2021-11-06 ; 2 résultats (2 corrections)

insource:/=== ===/

insource:/=== ===/
2023-11-14 ; 0 résultat
2022-07-21 ; 1 résultat (1 correction)

Erreur modèle exemple |source| plutôt que |source=

-intitle:source insource:/\|source\|/ -insource:/\{\{lien\|source\|/ -insource/{{composé de\|source\|/
2023-11-14 ; 21 corrections

']' de trop

insource:/]]]/ -insource:/]]]]/
2024-03-16 ; 1 correction
2023-11-14 ; 28 corrections

'[' de trop

insource:/\[\[\[/ -insource:/\[\[\[\[/
2024-10-08 ; 8 corrections
2023-11-14 ; 9 corrections

checkwiki

• https://checkwiki.toolforge.org/checkwiki.cgi?project=frwiktionary&view=project

Petscan

• https://petscan.wmflabs.org/

Fréquence des caractères dans les entrées en italien

italien.txt
  Catégorie : italien sur petscan.
  126 389 entrées (2023-05-11) petscan
  126 048 entrées (2023-04-20) https://fr.wiktionary.org/wiki/Wiktionnaire:Statistiques

Ébauche du Module:anagrammes/it

 -- List of characters to keep unchanged, empty for Italian
 keep = {},
 -- Table of character transformations, meant for characters without diacritics (ligatures, etc.)
 mappings = {
   ["ʿ"] = "",
   ["ª"] = "a",
   ["α"] = "a", -- Alpha grec
   ["æ"] = "ae",
   ["β"] = "b", -- Bêta grec
   ["ə"] = "e", -- schwa, e culbuté
   ["ɜ"] = "e",
   ["γ"] = "g", -- Gamma grec
   ["ħ"] = "h", -- Lettre minuscule latine h barré horizontalement.
   ["º"] = "o",
   ["ø"] = "o",
   ["œ"] = "oe",

Avec notes (à conserver sur la page utilisateur)
   ["ʿ"] = "",                  (7 entrées) aš-Šammāʿiyah, al-ʿAyūn Sidi Mallūk...
   ["ª"] = "a",                 (2 entrées) 1ª, 2ª
   ["α"] = "a", -- Alpha grec  (10 entrées) acido α-linolenico, raggio α
   ["æ"] = "ae",                (4 entrées) Fær Øer, Ægir...
   ["β"] = "b", -- Bêta grec   (10 entrées) decadimenti β, radiazioni β...
   ["ə"] = "e", -- e culbuté   (10 entrées) ləi, benvenutə...
   ["ɜ"] = "e",                 (2 entrées) benvenutɜ, -ɜ...
   ["γ"] = "g", -- Gamma grec  (13 entrées) particella γ, fotone γ...
   ["ħ"] = "h", -- h barré      (2 entrées) għana, fil-Għoli (Catégorie:ħ_en_italien)
   ["º"] = "o",                (10 entrées) 1º, 9º
   ["ø"] = "o"                  (3 entrées) Isole Fær Øer, Fær Øer
   ["œ"] = "oe",                (1 entrée)  trompe-l’œil

   Caractères non convertis par le module en français : ª, ð, ħ, ə, ɜ, α

Cas à revoir :
  ["ð"] (Lettre minuscule latine ed) ; 1 entrée Angrboða

Avec A-Z a-z

grep -o . italien.txt | sort | uniq -c | sort -nr
160630 a
157566 i
132171 e
125680 o
106705 t
 93895 r
 88306 n
 70203 s
 65884 c
 58578 l
 42489 m
 32889 p
 31981 d
 29571 g
 28086 u
 23848 b
 22125 z
 20484
 17583 f
 16622 v
  8512 h
  2024 à
  1871 q
  1809 S
  1575 C
  1339 A
  1310 -
  1203 M
  1110 B
  1082 k
   984 P
   877 ò
   796 L
   785 T
   778 ’
   681 y
   674 G
   627 R
   613 V
   466 F
   418 E
   402 O
   376 x
   372 D
   364 I
   359 N
   346 w
   292 j
   242 é
   183 Z
   166 è
   159 K
   150 H
   116 U
   107 J
    87 ì
    75 Q
    73 ù
    50 Y
    47 ī
    47 ,
    44 ā
    43 W
    43 1
    25 ū
    23 2
    22 ï
    19 š
    18 É
    18 â
    18 0
    15 Ò
    14 4
    13 γ
    13 9
    12 6
    11 3
    10 β
    10 α
    10 ö
    10 º
    10 č
    10 5
     9 ç
     9 &
     8 ü
     8 á
     7 ʿ
     7 X
     7 í
     7 8
     7 7
     7 ̨
     6 ë
     6 ä
     6 )
     6 (
     5 û
     5 ş
     5 ô
     5 ê
     4 ţ
     4 Š
     4 ó
     4 î
     3 ú
     3 ṣ
     3 Ş
     3 Ø
     3 ñ
     3 È
     3 æ
     3 /
     3 .
     2 ž
     2 ṭ
     2 Î
     2 ẖ
     2 ħ
     2 ġ
     2 ɜ
     2 ə
     2 ã
     2 Â
     2 ª
     2 !
     1 ż
     1 Ţ
     1 ř
     1 œ
     1 ō
     1 ḥ
     1 Ḥ
     1 ḩ
     1 ð
     1 Č
     1 ć
     1 Æ
     1 Ā
     1 Á
     1 ̱
     1 »
     1 «
     1 *
     1 '

Sans A-Z a-z et 0-9 ; (incomplet - brouillon)

grep -o . italien | tr A-Z a-z | sed -e 's/[a-z0-9]//g' | sort | uniq -c | sort -nr
1336701 Lettres et chiffres
  20484 Espaces
  1310 -
   778 ’
    47 ,
    18 É
    15 Ò
    13 γ
    10 β
    10 α
     9 &
     7 ʿ
     7 ̨
     6 )
     6 (
     4 Š
     3 Ş
     3 Ø
     3 È
     3 /
     3 .
     2 ž
     2 Î
     2 Â
     2 !
     1 ż
     1 Ţ
     1 Ḥ
     1 Č
     1 Æ
     1 Ā
     1 Á
     1 ̱
     1 »
     1 «
     1 *
     1 '

Traductions

Traductions

• Occitan : test (oc)

Wiktionnaire:Recherche avancée

Finale en -logue ; épicènes ou non

Liste à vérifier (avec masculin seulement à la ligne de forme)

1. analogue
2. anthologue
3. apologue
4. arétalogue
5. astronome-astrologue
6. audioblogue
7. batalogue
8. blogue
9. cacologue
10. catalogue
11. chiantologue
12. chronologue
13. craniologue
14. décalogue
15. déclinologue
16. dialogue
17. dodécalogue
18. épilogue
19. euchologue
20. eucologue
21. éventrologue
22. galactologue
23. hydrologue
24. hymnologue
25. isotopologue
26. jazzologue
27. kafkologue
28. karstologue
29. lithologue
30. magalogue
31. malariologue
32. métalogue
33. microblogue
34. micrologue
35. mirologue
36. monologue
37. narratologue
38. ohnologue
39. onomatologue
40. oryctologue
41. ostéologue
42. paludologue
43. paradoxologue
44. paralogue
45. photoblogue
46. phrénologue
47. physiologue
48. polylogue
49. prologue
50. protologue
51. quasi-monologue
52. rhodologue
53. rudologue
54. runologue
55. sermologue
56. somnologue
57. symbologue
58. théologue
59. travelogue
60. trialogue
61. trilogue
62. vidéoblogue
63. vlogue
64. webalogue
65. weblogue