維基百科:機械人/申請/WhitePhosphorus-bot/2

WhitePhosphorus-bot 2

狀態： 已批准
操作者： 碸中嘌呤的白磷_{萃取打譜}
提請時間： 2017年2月5日 (日) 18:04 (UTC)
自動化程度：全自動
程式語言：Python
用途：清理Category:引文格式1維護：未識別語文類型
源代碼連結： 部分代碼見下
編輯時段及頻率：不定期運行，編輯頻率最大60/min
受影響頁面：上述分類中的條目數，截至申請時為14,818。
遵守機械人規範：不相關
已有機械人權限：是
其他信息：
- 只替換「Cite 」（注意空格）開頭的模版中的language參數。
- 測試編輯見此，其中有些問題：
  - 「簡」字也有繁體（已加上，但仍有隱患，見下），頓號、及這種帶連接字符的已修復，替換成英文的','。
- 重要代碼如下（整個字典的key是將被替換的正則表達式，value是替換成的字符串，按順序替換）（最後更新於2017年2月6日 (一) 09:21 (UTC)）：

sub_dict = {
r'中文\s*[（(](简体?|簡體?)[）)]|[简簡]体(中文|[汉漢][语語])': 'zh-hans',
r'中文\s*[（(]繁[体體]?[）)]|繁体(中文|[汉漢][语語])': 'zh-hant',
# r'中文|[汉漢][语語]|[Cc]hinese': 'zh', 这句会有问题（不符合上面两句的都只会把“中文”替换成“zh”），第一轮先不用
r'英[语語文]|[Ee]nglish': 'en',
r'日[语語文]|[Jj]apanese|ja-JP': 'ja',
r'法[语語文]|[Ff]rench': 'fr',
r'荷[兰蘭]?[语語文]|[Dd]utch|[Nn]ederlands': 'nl',
r'德[语語文]|[Gg]erman|[Dd]eutsch': 'de',
r'俄[语語文]|[Rr]ussian': 'ru',
r'(韩|朝鲜?|韓國?)[语語文]|[Kk]orean': 'ko',
r'意(大利)?[语語文]|[Ii]talian': 'it',
r'希伯来[语文]|希伯來[語文]|[Hh]ebrew': 'he',
r'塞尔维亚[语文]|塞爾維亞[語文]|[Ss]erbian': 'sr',
r'立陶宛[语語文]|[Ll]ithuanian': 'lt',
r'乌克兰[语文]|烏克蘭[語文]|[Uu]krainian': 'uk',
r'土耳其[语語文]|[Tt]urkish': 'tr',
r'西班牙[语語文]|[Ss]panish': 'es',
r'拉丁[语語文]|[Ll]atin': 'la',
r'[及与與和、]|and': ',' # 放在最后比较安全
}

- 估計還有很多可以改的地方，我會等第一輪清完再看情況改代碼進行後續工作。
以上。 --碸中嘌呤的白磷_{萃取打譜} 2017年2月5日 (日) 18:04 (UTC)[回覆]
- 那中間出現「 and 」那該怎麼辦？--水中撈躍 2017年2月6日 (一) 07:42 (UTC)[回覆]
  - @小躍：可以把「及」「、」「and」這些都換成','，試了一下有效。（顯示出來的「and」居然沒翻譯……） --碸中嘌呤的白磷_{萃取打譜} 2017年2月6日 (一) 09:15 (UTC)[回覆]

我建議最好是把字典打散，每次執行只替換一個正則內容，然後手工抽查沒啥問題後，再執行下一條替換。以上建議只是為防止bot出錯，如果正則已經基本窮盡了各種可能性，那麼一次過執行也未嘗不可--百無一用是書生 (☎) 2017年2月10日 (五) 07:32 (UTC)[回覆]

確實有道理，畢竟這個也不急。那幾個小語種（上文意大利語到拉丁語）我想放一起執行，應該一共也沒多少。 --碸中嘌呤的白磷_{萃取打譜} 2017年2月10日 (五) 14:30 (UTC)[回覆]

正式批准運作--百無一用是書生 (☎) 2017年2月13日 (一) 09:15 (UTC)[回覆]