finnish kotus word list

examples/uusisuomi/kotus/Kotus.hs

@@ -0,0 +1,41 @@
+import List
+import Char
+
+kotus = "sanat.xxmmll"
+
+main = do
+  ss <- readFile kotus >>= return . lines
+  let ws = map analyse ss
+  mapM putStrLn $ treat ws
+
+treat = map mkRule . paradigms
+
+mkRule ((pa,ex),nu) = 
+  "  " ++ pos ++ pa ++ " : Str -> " ++ poss  ++ 
+  "Forms -- " ++ show nu ++ " " ++ ex ++ "\n    = \\s ->  ;" 
+ where
+   (pos,poss) = if read (take 2 pa) < 52 then ("d","N") else ("c","V")
+
+paradigms = map info . groupByFst . sort
+
+info x = (last x, length x)
+--info = last
+
+groupByFst = groupBy (\ x y -> fst x == fst y)
+
+-- <st><s>aaloe</s><t><tn>3</tn></t></st>
+-- <st><s>vuoksi</s><hn>1</hn><t><tn>7</tn></t></st>
+-- <st><s>visiitti</s><t><tn>5</tn><av>C</av></t></st>
+
+analyse s = 
+  let 
+    rest = drop 7 s
+    (word,end) = span (/='<') rest
+    lst = drop 6 $ dropWhile (/='t') end
+    (num,gr) = span isDigit lst
+    para = (replicate (2 - length num) '0' ++ num) ++ ['A' | isPrefixOf "av" (drop 6 gr)]
+  in  
+  (para,word)
+
+sub cs s = isPrefixOf cs s || isPrefixOf cs (drop 1 s)
+

examples/uusisuomi/kotus/kotus-sanalista.dtd

@@ -0,0 +1,28 @@
+<!--
+Copyright (C) Kotimaisten kielten tutkimuskeskus 2006
+Kotimaisten kielten tutkimuskeskuksen nykysuomen sanalista, versio 1
+Julkaistu 15.12.2006
+
+Sanalista julkaistaan GNU LGPL -lisenssillä.
+Lisenssiteksti luettavissa osoitteessa http://www.gnu.org/licenses/lgpl.html
+Listaan perustuvien sovellusten mukana on aina toimitettava alkuperäinen
+sanalista lukukelpoisessa muodossaan.
+-->
+
+<!ELEMENT  kotus-sanalista  (st*) >
+
+<!ELEMENT  st  (s, hn?, t*) >
+                          
+<!ELEMENT  s  (#PCDATA) >
+            
+<!ELEMENT  hn  (#PCDATA) >
+             
+<!ELEMENT  t  (tn, av?)* >
+<!ATTLIST  t  taivutus CDATA #IMPLIED>
+
+<!ELEMENT  tn  (#PCDATA) >
+
+<!ELEMENT  av  (#PCDATA) >
+<!ATTLIST  av  astevaihtelu CDATA #IMPLIED>
+
+