qalsadi 0.5

Description:

qalsadi 0.5

Qalsadi Arabic Morphological Analyzer and Lemmatizer for Python
Developpers: Taha Zerrouki: http://tahadz.com
taha dot zerrouki at gmail dot com



Features
value




Authors
Authors.md


Release
0.5


License
GPL


Tracker
linuxscout/qalsadi/Issues


Website
https://pypi.python.org/pypi/qalsadi


Doc
package Documentaion


Source
Github


Download
sourceforge


Feedbacks
Comments


Accounts
@Twitter @Sourceforge



Citation
If you would cite it in academic work, can you use this citation
T. Zerrouki‏, Qalsadi, Arabic mophological analyzer Library for python., https://pypi.python.org/pypi/qalsadi/

Another Citation:
Zerrouki, Taha. "Towards An Open Platform For Arabic Language Processing." (2020).

or in bibtex format
@misc{zerrouki2012qalsadi,
title={qalsadi, Arabic mophological analyzer Library for python.},
author={Zerrouki, Taha},
url={https://pypi.python.org/pypi/qalsadi},
year={2012}
}

```bibtex
@thesis{zerrouki2020towards,
title={Towards An Open Platform For Arabic Language Processing},
author={Zerrouki, Taha},
year={2020}
}

Features مزايا

Lemmatization
Vocalized Text Analyzer,
Use Qutrub library to analyze verbs.
give word frequency in Arabic modern use.

Applications

Stemming texts
Text Classification and categorization
Sentiment Analysis
Named Entities Recognition

Installation
pip install qalsadi

Requirements
pip install -r requirements.txt

Usage
Demo
The demo is available on Tahadz.com >Tools/َAnalysis قسم أدوات - تحليل
Example
Lemmatization
>>> import qalsadi.lemmatizer
>>> text = u"""هل تحتاج إلى ترجمة كي تفهم خطاب الملك؟ اللغة "الكلاسيكية" (الفصحى) موجودة في كل اللغات وكذلك اللغة "الدارجة" .. الفرنسية التي ندرس في المدرسة ليست الفرنسية التي يستخدمها الناس في شوارع باريس .. وملكة بريطانيا لا تخطب بلغة شوارع لندن .. لكل مقام مقال"""
>>> lemmer = qalsadi.lemmatizer.Lemmatizer()
>>> # lemmatize a word
... lemmer.lemmatize("يحتاج")
'احتاج'
>>> # lemmatize a word with a specific pos
>>> lemmer.lemmatize("وفي")
'في'
>>> lemmer.lemmatize("وفي", pos="v")
'وفى'

>>> lemmas = lemmer.lemmatize_text(text)
>>> print(lemmas)
['هل', 'احتاج', 'إلى', 'ترجمة', 'كي', 'تفهم', 'خطاب', 'ملك', '؟', 'لغة', '"', 'كلاسيكي', '"(', 'فصحى', ')', 'موجود', 'في', 'كل', 'لغة', 'ذلك', 'لغة', '"', 'دارج', '"..', 'فرنسي', 'التي', 'درس', 'في', 'مدرسة', 'ليست', 'فرنسي', 'التي', 'استخدم', 'ناس', 'في', 'شوارع', 'باريس', '..', 'ملك', 'بريطانيا', 'لا', 'خطب', 'بلغة', 'شوارع', 'دنو', '..', 'كل', 'مقام', 'مقالي']
>>> # lemmatize a text and return lemma pos
... lemmas = lemmer.lemmatize_text(text, return_pos=True)
>>> print(lemmas)
[('هل', 'stopword'), ('احتاج', 'verb'), ('إلى', 'stopword'), ('ترجمة', 'noun'), ('كي', 'stopword'), ('تفهم', 'noun'), ('خطاب', 'noun'), ('ملك', 'noun'), '؟', ('لغة', 'noun'), '"', ('كلاسيكي', 'noun'), '"(', ('فصحى', 'noun'), ')', ('موجود', 'noun'), ('في', 'stopword'), ('كل', 'stopword'), ('لغة', 'noun'), ('ذلك', 'stopword'), ('لغة', 'noun'), '"', ('دارج', 'noun'), '"..', ('فرنسي', 'noun'), ('التي', 'stopword'), ('درس', 'verb'), ('في', 'stopword'), ('مدرسة', 'noun'), ('ليست', 'stopword'), ('فرنسي', 'noun'), ('التي', 'stopword'), ('استخدم', 'verb'), ('ناس', 'noun'), ('في', 'stopword'), ('شوارع', 'noun'), ('باريس', 'all'), '..', ('ملك', 'noun'), ('بريطانيا', 'noun'), ('لا', 'stopword'), ('خطب', 'verb'), ('بلغة', 'noun'), ('شوارع', 'noun'), ('دنو', 'verb'), '..', ('كل', 'stopword'), ('مقام', 'noun'), ('مقالي', 'noun')]

>>> # Get vocalized output lemmas
>>> lemmer.set_vocalized_lemma()
>>> lemmas = lemmer.lemmatize_text(text)
>>> print(lemmas)
['هَلْ', 'اِحْتَاجَ', 'إِلَى', 'تَرْجَمَةٌ', 'كَيْ', 'تَفَهُّمٌ', 'خَطَّابٌ', 'مَلَكٌ', '؟', 'لُغَةٌ', '"', 'كِلاَسِيكِيٌّ', '"(', 'فُصْحَى', ')', 'مَوْجُودٌ', 'فِي', 'كُلَّ', 'لُغَةٌ', 'ذَلِكَ', 'لُغَةٌ', '"', 'دَارِجٌ', '"..', 'فَرَنْسِيّ', 'الَّتِي', 'دَرَسَ', 'فِي', 'مَدْرَسَةٌ', 'لَيْسَتْ', 'فَرَنْسِيّ', 'الَّتِي', 'اِسْتَخْدَمَ', 'نَاسٌ', 'فِي', 'شَوَارِعٌ', 'باريس', '..', 'مَلَكٌ', 'برِيطانِيا', 'لَا', 'خَطَبَ', 'بَلَغَةٌ', 'شَوَارِعٌ', 'أَدَانَ', '..', 'كُلَّ', 'مَقَامٌ', 'مَقَالٌ']
>>>

Morphology analysis
filename="samples/text.txt"
import qalsadi.analex as qa
try:
myfile=open(filename)
text=(myfile.read()).decode('utf8');

if text == None:
text=u"السلام عليكم"
except:
text=u"أسلم"
print " given text"

debug=False;
limit=500
analyzer = qa.Analex()
analyzer.set_debug(debug);
result = analyzer.check_text(text);
print '----------------python format result-------'
print result
for i in range(len(result)):
# print "--------تحليل كلمة ------------", word.encode('utf8');
print "-------------One word detailed case------";
for analyzed in result[i]:
print "-------------one case for word------";
print repr(analyzed);

Output description



Category
Applied on
feature
example a
شرح




affix
all
affix_key
ال--َاتُ- a
مفتاح الزوائد


affix
all
affix
a
الزوائد


input
all
word
البيانات a
الكلمة المدخلة


input
all
unvocalized
a
غير مشكول


morphology
noun
tag_mamnou3
0 a
ممنوع من الصرف


morphology
verb
tag_confirmed
0 a
خاصية الفعل المؤكد


morphology
verb
tag_mood
0 a
حالة الفعل المضارع (منصوب، مجزوم، مرفوع)


morphology
verb
tag_pronoun
0 a
الضمير


morphology
verb
tag_transitive
0 a
التعدي اللزوم


morphology
verb
tag_voice
0 a
البناء للمعلوم/ البناء للمجهول


morphology
noun
tag_regular
1 a
قياسي/ سماعي


morphology
noun/verb
tag_gender
3 a
النوع ( مؤنث مذكر)


morphology
verb
tag_person
4 a
الشخص (المتكلم الغائب المخاطب)


morphology
noun
tag_number
21 a
العدد(فرد/مثنى/جمع)


original
noun/verb
freq
694644 a
درجة شيوع الكلمة


original
all
original_tags
(u a
خصائص الكلمة الأصلية


original
all
original
بَيَانٌ a
الكلمة الأصلية


original
all
root
بين a
الجذر


original
all
tag_original_gender
مذكر a
جنس الكلمة الأصلية


original
noun
tag_original_number
مفرد a
عدد الكلمة الأصلية


output
all
type
Noun:مصدر a
نوع الكلمة


output
all
semivocalized
الْبَيَانَات a
الكلمة مشكولة بدون علامة الإعراب


output
all
vocalized
الْبَيَانَاتُ a
الكلمةمشكولة


output
all
stem
بيان a
الجذع


syntax
all
tag_break
0 a
الكلمة منفصلة عمّا قبلها


syntax
all
tag_initial
0 a
خاصية نحوية، الكلمة في بداية الجملة


syntax
all
tag_transparent
0 a
البدل


syntax
noun
tag_added
0 a
خاصية نحوية، الكلمة مضاف


syntax
all
need
a
الكلمة تحتاج إلى كلمة أخرى (المتعدي، العوامل) غير منجزة


syntax
tool
action
a
العمل


syntax
tool
object_type
a
نوع المعمول، بالنسبة للعامل، مثلا اسم لحرف الجر



Unsing Cache
Qalsadi can use Cache to speed up the process, there are 4 kinds of cache,

Memory cache
Pickle cache
Pickledb cache
CodernityDB cache.

To use one of it, you can see the followng examples:

Using a factory method

>>> import qalsadi.analex
>>> from qalsadi.cache_factory import Cache_Factory
>>> analyzer = qalsadi.analex.Analex()
>>> # list available cache names
>>> Cache_Factory.list()
['', 'memory', 'pickle', 'pickledb', 'codernity']
>>> # configure cacher
>>> # configure path used to store the cache
>>> path = 'cache/qalsasicache.pickledb'
>>> cacher = Cache_Factory.factory("pickledb", path)
>>> analyzer.set_cacher(cacher)
>>> # to enable the use of cacher
>>> analyzer.enable_allow_cache_use()


Memory cache

>>> import qalsadi.analex
>>> analyzer = qalsadi.analex.Analex()
>>> # configure cacher
>>> import qalsadi.cache
>>> cacher = qalsadi.cache.Cache()
>>> analyzer.set_cacher(cacher)
>>> # to enable the use of cacher
>>> analyzer.enable_allow_cache_use()
>>> # to disable the use of cacher
>>> analyzer.disable_allow_cache_use()


Pickle cache

>>> import qalsadi.analex
>>> from qalsadi.cache_pickle import Cache
>>> analyzer = qalsadi.analex.Analex()
>>> # configure cacher
>>> # configure path used to store the cache
>>> path = 'cache/qalsadiCache.pickle'
>>> cacher = Cache(path)
>>> analyzer.set_cacher(cacher)
>>> # to enable the use of cacher
>>> analyzer.enable_allow_cache_use()


Pickledb cache

>>> import qalsadi.analex
>>> from qalsadi.cache_pickledb import Cache
>>> analyzer = qalsadi.analex.Analex()
>>> # configure cacher
>>> # configure path used to store the cache
>>> path = 'cache/qalsadiCache.pickledb'
>>> cacher = Cache(path)
>>> analyzer.set_cacher(cacher)
>>> # to enable the use of cacher
>>> analyzer.enable_allow_cache_use()


CodernityDB cache

>>> import qalsadi.analex
>>> from qalsadi.cache_codernity import Cache
>>> analyzer = qalsadi.analex.Analex()
>>> # configure cacher
>>> # configure path used to store the cache
>>> path = 'cache'
>>> cacher = Cache(path)
>>> analyzer.set_cacher(cacher)
>>> # to enable the use of cacher
>>> analyzer.enable_allow_cache_use()