process-wikiformat.py

#!/usr/bin/python
# coding=utf-8
# -*- encoding: utf-8 -*-

import sys;

# À Bunifaziu si cunserva l'usu di una varietà di a lingua ligura [[Dialettu bunifazincu|bunifazinca]], un dialettu ghjinuvesu arcaicu chì currispondi à a parlata impurtata da i culoni à a fini di u XIIIimu seculu.
# Si stima chì u corsu sia parlatu in [[Corsica]] da circa 90/100.000 lucutori frà i 275.000 abitanti di l'isola, puru ch'elli sianu parechji frà quessi à esse di lingua materna francese (dati da una ricerca di l'INSEE di u 2004 [http://www.insee.fr/fr/insee_regions/corse/rfc/docs/ecoc1053.htm]), à quelli ci hè quantunque da aghjustà e pupulazione emigrate in [[Francia]] (par un tutale di 133.000 individui in Francia) è in altre nazione.

urls = [];
url_counter = 0;
for line in sys.stdin.readlines(): #{
  brack_max = 0;
	brack_count = 0;
	apos_count = 0;
	buf = '';
	newline = '';
	line = line.strip();
	if line.count('[') != line.count(']'): #{
		continue;
	#}
	for c in line: #{
		#print(apos_count, brack_count, brack_max, c, newline);

		if c == '[': 
			brack_count = brack_count + 1;
		if c == ']': 
			brack_count = brack_count - 1;

		if brack_count > brack_max: #{
			brack_max = brack_count;
		elif brack_count == 0 and buf == '': #{	
			brack_max = 0;
		elif brack_count == 0 and buf != '': #{
	
			if brack_max == 2: #{
				link = '';
				if buf.count('|') > 0: #{
					row = buf.split('|');
					link = row[1].strip(']');	
				else: #{
					link = buf.strip('[]');
				#}
				newline = newline + link;
			elif brack_max == 1: #{
				url = '';
				if buf.count(' ') > 0: #{
					row = buf.split(' ');
					url = row[1].strip(']');
				else: #{
					url = buf.strip('[]');	
				#}
				urls.append((url_counter, url));
				url_counter = url_counter + 1;
				newline = newline + '[' + str(url_counter) + ']';
			#}
			buf = '';
			continue;
		#}

		if c == '\'' and apos_count == 0: 
			apos_count = apos_count + 1;
			continue;
		if c == '\'' and apos_count == 1: 
			apos_count = apos_count + 1;
			continue;
		if c == '\'' and apos_count == 2: 
			apos_count = apos_count + 1;
			continue;
		if c == '\'' and apos_count == 3: 
			apos_count = apos_count + 1;
			continue;
		if c == '\'' and apos_count == 4: 
			apos_count = apos_count + 1;
			continue;

		if apos_count == 5 or apos_count == 3 or apos_count == 2: #{
			apos_count = 0;	
		elif apos_count == 1 or apos_count == 4: #{
			newline = newline + "'";
			apos_count = 0;	
		#}

		if brack_count > 0: #{
			buf = buf + c;
		else: #{
			newline = newline + c;
		#}
	#}
	print(newline);
#}