How to Gloss Arabic Sentences Using Python

كيفية إنشاء Gloss للكلمات العربية باستخدام بايثون

الخطوة 1: إنشاء ملف CSV

أولاً، قم بإنشاء ملف CSV يحتوي على أربعة أعمدة:

1. العمود الأول: يجب تسميته "arabic_word". هذا العمود يجب أن يحتوي على الكلمات العربية التي تريد تشكيلها.
2. العمود الثاني: يجب تسميته "english_word". هذا العمود يجب أن يحتوي على المقابلات الإنجليزية للكلمات العربية، وسيتم طباعتها في السطر الأول في الإخراج.
3. العمود الثالث: يجب تسميته "glosses". هذا العمود يحتوي على التحليلات اللغوية للكلمات (مثل "child-PL" للجمع، وما إلى ذلك).
4. العمود الرابع: يجب تسميته "translation". هذا العمود يجب أن يحتوي على الترجمة الكاملة لكل كلمة باللغة الإنجليزية.

يمكنك استخدام Excel أو أي أداة لإنشاء الجداول لإنشاء ملف CSV. تأكد من حفظ الملف بصيغة CSV بعد إدخال جميع البيانات.

الخطوة 2: نسخ مسار ملف CSV الخاص بك

بعد إنشاء ملف CSV، قم بنسخ المسار الكامل للملف على جهاز الكمبيوتر الخاص بك. ستحتاج إلى استبدال 'PATH TO YOUR FILE.csv'في الكود بهذا المسار.

الخطوة 3: تشغيل كود بايثون

استخدم الكود التالي لتنفيذ التشكيل الغرافي للجمل العربية وحفظ الناتج في ملف Word.

 

 

 

 

 

 

 

# Step 1:

import pandas as pd

 

# Define the path to your CSV file

file_path = ‘PATH TO YOUR FILE.csv'

 

# Load the CSV file into a pandas DataFrame

df = pd.read_csv(file_path)

 

# Display the first few rows to inspect the contents

print(df.head())

 

#------------ The code

from docx import Document

import pandas as pd

 

# Load the CSV file and show a confirmation message

file_path = 'PATH TO YOUR FILE.csv'

 

# Load the CSV file into a pandas DataFrame

try:

    df = pd.read_csv(file_path)

    print("All is done great with the CSV file.")  # Print success message

except Exception as e:

    print(f"Error loading CSV file: {e}")

 

 

# Step 4 (Revised): Function to save multiple sentences to Word document with aligned glosses

def save_sentences_to_word(sentences_data):

    # Create a new Word document

    doc = Document()

 

    # Loop through each sentence data (English words, glosses, translation)

    for sentence_data in sentences_data:

        english_words, glosses_list, translation = sentence_data

 

        # Create a paragraph for the English words

        english_line = " ".join([word.ljust(15) for word in english_words])

        doc.add_paragraph(english_line)  # Add English words with fixed-width formatting

 

        # Create a paragraph for the glosses aligned below the English words

        gloss_line = " ".join([gloss.ljust(15) for gloss in glosses_list])

        doc.add_paragraph(gloss_line)  # Add glosses with fixed-width formatting

 

        # Add the translation on a new line

        doc.add_paragraph(f'"{translation}"')

 

    # Save the document

    output_path = ‘THE PATH WHERE YOUR OUTPUT IS SAVED/sentences_glossing_output.docx'

    doc.save(output_path)

    print(f"Glossing saved to {output_path}")

 

 

# Step 4: Main logic for processing multiple sentences

def process_multiple_sentences_glossing(df):

    # Ask the user how many sentences they want to gloss

    num_sentences = int(input("How many sentences would you like to gloss? "))

 

    # Validate the number of sentences

    if num_sentences < 1:

        print("Please enter at least one sentence.")

        return

 

    sentences_data = []  # To store data for all sentences

 

    # Loop through each sentence

    for s in range(num_sentences):

        print(f"\nProcessing sentence {s + 1} of {num_sentences}:")

 

        # Ask the user for the full sentence in Arabic (space-separated words)

        arabic_sentence = input("Please enter the full Arabic sentence: ")

 

        # Split the sentence into individual words

        arabic_words = arabic_sentence.split()

 

        # Initialize lists to store the English words, glosses, and translations for each sentence

        english_words = []

        glosses_list = []

        translations_list = []

 

        # Loop to collect each Arabic word and retrieve its gloss

        for arabic_word in arabic_words:

            # Search for the row where 'arabic_word' matches the input

            result = df[df['arabic_word'] == arabic_word]

 

            # Check if the word is found

            if not result.empty:

                english_words.append(result.iloc[0]['english_word'])

                glosses_list.append(result.iloc[0]['glosses'])

                translations_list.append(result.iloc[0]['translation'])

            else:

                print(f"Word '{arabic_word}' not found in the database.")

                return  # Exit if any word is not found

 

        # Join translations for a full sentence

        full_translation = " ".join(translations_list)

 

        # Add the current sentence's data to the list

        sentences_data.append((english_words, glosses_list, full_translation))

 

    # Print and save all sentences

    save_sentences_to_word(sentences_data)

 

 

# Run the multiple sentence glossing function

process_multiple_sentences_glossing(df)