Modul:translit/ru

-- Denna modul används för att transkribera ryska.
-- 
-- För att transkribera bulgariska, ukrainska och
-- vitryska/belarusiska kan ett liknande system användas.
-- Det hanteras dock av särskilda moduler. Se:
-- 
-- Modul:translit/be
-- Modul:translit/bg
-- Modul:translit/uk
-- 
-- Systemet för transkribering följer det som anges i
-- "Svenska skrivregler" (2017), fjärde upplagan, red. Ola Karlsson
-- En kopia av avsnittet finns i skrivande stund här:
-- https://www.isof.se/download/18.648bef4b18093ee2f03ee80/1652364347434/Kyrillisk%20tabell%20SS2017.pdf
-- 
-- Notera att detta sätt är specifikt för att transkribera
-- till svenska. Transkribering till andra språk sker enligt
-- andra mönster. Exempelvis ska Горбачёв bli just Gorbatjóv.
-- På andra språk skulle det kunna bli Gorbachev, Gorbatschow,
-- Gorbatchev, Gorbatsjov, osv.
--
-- En vanlig fallgrop är att "ё" bara transkriberas korrekt när
-- de två punkterna är med. På ryska utelämnas de ofta när sammanhanget gör det
-- uppenbart. Alltså är det vanligt att "Пётр" istället stavas "Пeтр", vilket
-- denna modul följaktligen tolkar som "Petr" istället för "Pjotr".
--
-- Denna modul är gjord för att returnera latinska tecken med accenterna
-- utskrivna. Därför blir Горбачёв till Gorbatjóv, inte Gorbatjov.
--
-- TODO: Placera i en dold kategori för att markera de ord som inte har
-- tillräckligt många accenttecken
--
-- Denna modul används av följande mall:
-- {{tr}}
--
-- Modulen är författad av (och underhålls av) ]

local export = {}
local Q = require("Modul:queue")

local multibyte_char_pattern = ".*"

local latin_by_cyrillic = { ="A", ="a", ="B", ="b", ="V", ="v",
="G", ="g", ="D", ="d", ="E", ="e", ="Jo",
="jo", ="Zj", ="zj", ="Z", ="z", ="I", ="i",
="J", ="j", ="K", ="k", ="L", ="l", ="M", 
="m", ="N", ="n", ="O", ="o", ="P", ="p",
="R", ="r", ="S", ="s", ="T", ="t", ="U",
="u", ="F", ="f", ="Ch", ="ch", ="Ts", ="ts",
="Tj", ="tj", ="Sj", ="sj", ="Sjtj", ="sjtj",
="", ="", ="Y", ="y", ="J", ="j", ="E",
="e", ="Ju", ="ju", ="Ja", ="ja" }

local function addAccentToYoInPolysyllabicWords(text)
	local yo_without_accent = "ё"
	local yo_with_accent = "ё́"
	local whitespace_and_punctuation_pattern = "" 

	local removeAccentsFromYoToAvoidDoubleAccent = function(text)
		return string.gsub(text, yo_with_accent, yo_without_accent)
	end
	
	local splitStringAndKeepSeparator = function(text, separator_pattern)
		local t = {}
		local i = 1
		local accent = "́"

		for c in string.gmatch(text, multibyte_char_pattern) do
			if mw.ustring.find(c, separator_pattern) then
				if (t ~= nil) then
					i = i + 1
				end
				t = c
			else
				if not t then
					t = c
				else
					t = t .. c
				end
			end
		end
		
		return t
	end

	local addAccentToYoIfPolysyllabic = function(words_and_punctuations)
		local isPolysyllabic = function(word)
			local vowels = "АЕЁИОУЭЮЫЯаеёиоуэюыя"
			local neither_whitespace_nor_punctuation = ""
			local at_least_two_vowels_pattern = "" .. neither_whitespace_nor_punctuation .. "*"
			
			return not not mw.ustring.find(word, at_least_two_vowels_pattern)
		end
	
		for i, word_or_punctuation in ipairs(words_and_punctuations) do
			if isPolysyllabic(word_or_punctuation) then
				words_and_punctuations = string.gsub(word_or_punctuation, yo_without_accent, yo_with_accent)
			end
		end
		
		return words_and_punctuations
	end

	text = removeAccentsFromYoToAvoidDoubleAccent(text)
	local words_and_punctuations = splitStringAndKeepSeparator(text, whitespace_and_punctuation_pattern)
	words_and_punctuations = addAccentToYoIfPolysyllabic(words_and_punctuations)
	mw.logObject(words_and_punctuations)
	text = table.concat(words_and_punctuations, "")
	return text
end

function export.tr (text)
	local cyrillic_q = Q()
	local latin_q    = Q()
	
	text = addAccentToYoInPolysyllabicWords(text)

	for c in string.gmatch(text, multibyte_char_pattern) do
		Q.enqueue(cyrillic_q, c)
	end

	repeat
		local x = Q.dequeue(cyrillic_q)
		local y = Q.peekFirst(cyrillic_q)
		local z = Q.peekSecond(cyrillic_q)
		local u = Q.peekLast(latin_q)
		local accent = "́"
    
		if not latin_by_cyrillic then
			Q.enqueue(latin_q, x)
		elseif (Q.isEmpty(latin_q) or u == " ") and x == "Е" then
			Q.enqueue(latin_q, "Je")
		elseif (Q.isEmpty(latin_q) or u == " ") and x == "е" then
			Q.enqueue(latin_q, "je")
		elseif x == "ь" then
			if y == "и" then
				Q.enqueue(latin_q, "ji")
				Q.dequeue(cyrillic_q)
			end
		elseif x == "Ь" then
			if y == "и" then
				Q.enqueue(latin_q, "Ji")
				Q.dequeue(cyrillic_q)
			elseif y == "И" then
				Q.enqueue(latin_q, "JI")
				Q.dequeue(cyrillic_q)
			end
		elseif mw.ustring.find(x, "") then
			Q.enqueue(latin_q, latin_by_cyrillic)
			if y == "ь" then
				if z == "е" then
					Q.enqueue(latin_q, "ie")
					Q.dequeue(cyrillic_q)
					Q.dequeue(cyrillic_q)
				elseif z == "ё" then
					Q.enqueue(latin_q, "io")
					Q.dequeue(cyrillic_q)
					Q.dequeue(cyrillic_q)
				elseif z == "ю" then
					Q.enqueue(latin_q, "iu")
					Q.dequeue(cyrillic_q)
					Q.dequeue(cyrillic_q)
				elseif z == "я" then
					Q.enqueue(latin_q, "ia")
					Q.dequeue(cyrillic_q)
					Q.dequeue(cyrillic_q)
				end
			elseif y == "ё" then
				Q.enqueue(latin_q, "io")
				Q.dequeue(cyrillic_q)
			elseif y == "ю" then
				Q.enqueue(latin_q, "iu")
				Q.dequeue(cyrillic_q)
			elseif y == "я" then
				Q.enqueue(latin_q, "ia")
				Q.dequeue(cyrillic_q)
			end
		elseif mw.ustring.find(x, "") then
			Q.enqueue(latin_q, latin_by_cyrillic)
			if y == "ё" then
				Q.enqueue(latin_q, "o")
				Q.dequeue(cyrillic_q)
			end
    	elseif x == "е" then
			if mw.ustring.find(u, "") or u == accent then
				Q.enqueue(latin_q, "je")
			else
				Q.enqueue(latin_q, "e")
			end
		else
			Q.enqueue(latin_q, latin_by_cyrillic)
		end
	until Q.isEmpty(cyrillic_q)

	local tbl = {}
	
	repeat
    	local x = Q.dequeue(latin_q)
    	local y = Q.peekFirst(latin_q) or ""
		local accent = "́"

		if y == accent then
			x = mw.ustring.toNFC(x .. y)
			Q.dequeue(latin_q)
		end

		table.insert(tbl, x)

	until Q.isEmpty(latin_q)
	
	text = table.concat(tbl, "")

	return text
end

return export