2016 lines
42 KiB
Python
2016 lines
42 KiB
Python
from __future__ import annotations
|
||
|
||
from codecs import BOM_UTF8, BOM_UTF16_BE, BOM_UTF16_LE, BOM_UTF32_BE, BOM_UTF32_LE
|
||
from encodings.aliases import aliases
|
||
from re import IGNORECASE
|
||
from re import compile as re_compile
|
||
|
||
# Contain for each eligible encoding a list of/item bytes SIG/BOM
|
||
ENCODING_MARKS: dict[str, bytes | list[bytes]] = {
|
||
"utf_8": BOM_UTF8,
|
||
"utf_7": [
|
||
b"\x2b\x2f\x76\x38",
|
||
b"\x2b\x2f\x76\x39",
|
||
b"\x2b\x2f\x76\x2b",
|
||
b"\x2b\x2f\x76\x2f",
|
||
b"\x2b\x2f\x76\x38\x2d",
|
||
],
|
||
"gb18030": b"\x84\x31\x95\x33",
|
||
"utf_32": [BOM_UTF32_BE, BOM_UTF32_LE],
|
||
"utf_16": [BOM_UTF16_BE, BOM_UTF16_LE],
|
||
}
|
||
|
||
TOO_SMALL_SEQUENCE: int = 32
|
||
TOO_BIG_SEQUENCE: int = int(10e6)
|
||
|
||
UTF8_MAXIMAL_ALLOCATION: int = 1_112_064
|
||
|
||
# Up-to-date Unicode ucd/15.0.0
|
||
UNICODE_RANGES_COMBINED: dict[str, range] = {
|
||
"Control character": range(32),
|
||
"Basic Latin": range(32, 128),
|
||
"Latin-1 Supplement": range(128, 256),
|
||
"Latin Extended-A": range(256, 384),
|
||
"Latin Extended-B": range(384, 592),
|
||
"IPA Extensions": range(592, 688),
|
||
"Spacing Modifier Letters": range(688, 768),
|
||
"Combining Diacritical Marks": range(768, 880),
|
||
"Greek and Coptic": range(880, 1024),
|
||
"Cyrillic": range(1024, 1280),
|
||
"Cyrillic Supplement": range(1280, 1328),
|
||
"Armenian": range(1328, 1424),
|
||
"Hebrew": range(1424, 1536),
|
||
"Arabic": range(1536, 1792),
|
||
"Syriac": range(1792, 1872),
|
||
"Arabic Supplement": range(1872, 1920),
|
||
"Thaana": range(1920, 1984),
|
||
"NKo": range(1984, 2048),
|
||
"Samaritan": range(2048, 2112),
|
||
"Mandaic": range(2112, 2144),
|
||
"Syriac Supplement": range(2144, 2160),
|
||
"Arabic Extended-B": range(2160, 2208),
|
||
"Arabic Extended-A": range(2208, 2304),
|
||
"Devanagari": range(2304, 2432),
|
||
"Bengali": range(2432, 2560),
|
||
"Gurmukhi": range(2560, 2688),
|
||
"Gujarati": range(2688, 2816),
|
||
"Oriya": range(2816, 2944),
|
||
"Tamil": range(2944, 3072),
|
||
"Telugu": range(3072, 3200),
|
||
"Kannada": range(3200, 3328),
|
||
"Malayalam": range(3328, 3456),
|
||
"Sinhala": range(3456, 3584),
|
||
"Thai": range(3584, 3712),
|
||
"Lao": range(3712, 3840),
|
||
"Tibetan": range(3840, 4096),
|
||
"Myanmar": range(4096, 4256),
|
||
"Georgian": range(4256, 4352),
|
||
"Hangul Jamo": range(4352, 4608),
|
||
"Ethiopic": range(4608, 4992),
|
||
"Ethiopic Supplement": range(4992, 5024),
|
||
"Cherokee": range(5024, 5120),
|
||
"Unified Canadian Aboriginal Syllabics": range(5120, 5760),
|
||
"Ogham": range(5760, 5792),
|
||
"Runic": range(5792, 5888),
|
||
"Tagalog": range(5888, 5920),
|
||
"Hanunoo": range(5920, 5952),
|
||
"Buhid": range(5952, 5984),
|
||
"Tagbanwa": range(5984, 6016),
|
||
"Khmer": range(6016, 6144),
|
||
"Mongolian": range(6144, 6320),
|
||
"Unified Canadian Aboriginal Syllabics Extended": range(6320, 6400),
|
||
"Limbu": range(6400, 6480),
|
||
"Tai Le": range(6480, 6528),
|
||
"New Tai Lue": range(6528, 6624),
|
||
"Khmer Symbols": range(6624, 6656),
|
||
"Buginese": range(6656, 6688),
|
||
"Tai Tham": range(6688, 6832),
|
||
"Combining Diacritical Marks Extended": range(6832, 6912),
|
||
"Balinese": range(6912, 7040),
|
||
"Sundanese": range(7040, 7104),
|
||
"Batak": range(7104, 7168),
|
||
"Lepcha": range(7168, 7248),
|
||
"Ol Chiki": range(7248, 7296),
|
||
"Cyrillic Extended-C": range(7296, 7312),
|
||
"Georgian Extended": range(7312, 7360),
|
||
"Sundanese Supplement": range(7360, 7376),
|
||
"Vedic Extensions": range(7376, 7424),
|
||
"Phonetic Extensions": range(7424, 7552),
|
||
"Phonetic Extensions Supplement": range(7552, 7616),
|
||
"Combining Diacritical Marks Supplement": range(7616, 7680),
|
||
"Latin Extended Additional": range(7680, 7936),
|
||
"Greek Extended": range(7936, 8192),
|
||
"General Punctuation": range(8192, 8304),
|
||
"Superscripts and Subscripts": range(8304, 8352),
|
||
"Currency Symbols": range(8352, 8400),
|
||
"Combining Diacritical Marks for Symbols": range(8400, 8448),
|
||
"Letterlike Symbols": range(8448, 8528),
|
||
"Number Forms": range(8528, 8592),
|
||
"Arrows": range(8592, 8704),
|
||
"Mathematical Operators": range(8704, 8960),
|
||
"Miscellaneous Technical": range(8960, 9216),
|
||
"Control Pictures": range(9216, 9280),
|
||
"Optical Character Recognition": range(9280, 9312),
|
||
"Enclosed Alphanumerics": range(9312, 9472),
|
||
"Box Drawing": range(9472, 9600),
|
||
"Block Elements": range(9600, 9632),
|
||
"Geometric Shapes": range(9632, 9728),
|
||
"Miscellaneous Symbols": range(9728, 9984),
|
||
"Dingbats": range(9984, 10176),
|
||
"Miscellaneous Mathematical Symbols-A": range(10176, 10224),
|
||
"Supplemental Arrows-A": range(10224, 10240),
|
||
"Braille Patterns": range(10240, 10496),
|
||
"Supplemental Arrows-B": range(10496, 10624),
|
||
"Miscellaneous Mathematical Symbols-B": range(10624, 10752),
|
||
"Supplemental Mathematical Operators": range(10752, 11008),
|
||
"Miscellaneous Symbols and Arrows": range(11008, 11264),
|
||
"Glagolitic": range(11264, 11360),
|
||
"Latin Extended-C": range(11360, 11392),
|
||
"Coptic": range(11392, 11520),
|
||
"Georgian Supplement": range(11520, 11568),
|
||
"Tifinagh": range(11568, 11648),
|
||
"Ethiopic Extended": range(11648, 11744),
|
||
"Cyrillic Extended-A": range(11744, 11776),
|
||
"Supplemental Punctuation": range(11776, 11904),
|
||
"CJK Radicals Supplement": range(11904, 12032),
|
||
"Kangxi Radicals": range(12032, 12256),
|
||
"Ideographic Description Characters": range(12272, 12288),
|
||
"CJK Symbols and Punctuation": range(12288, 12352),
|
||
"Hiragana": range(12352, 12448),
|
||
"Katakana": range(12448, 12544),
|
||
"Bopomofo": range(12544, 12592),
|
||
"Hangul Compatibility Jamo": range(12592, 12688),
|
||
"Kanbun": range(12688, 12704),
|
||
"Bopomofo Extended": range(12704, 12736),
|
||
"CJK Strokes": range(12736, 12784),
|
||
"Katakana Phonetic Extensions": range(12784, 12800),
|
||
"Enclosed CJK Letters and Months": range(12800, 13056),
|
||
"CJK Compatibility": range(13056, 13312),
|
||
"CJK Unified Ideographs Extension A": range(13312, 19904),
|
||
"Yijing Hexagram Symbols": range(19904, 19968),
|
||
"CJK Unified Ideographs": range(19968, 40960),
|
||
"Yi Syllables": range(40960, 42128),
|
||
"Yi Radicals": range(42128, 42192),
|
||
"Lisu": range(42192, 42240),
|
||
"Vai": range(42240, 42560),
|
||
"Cyrillic Extended-B": range(42560, 42656),
|
||
"Bamum": range(42656, 42752),
|
||
"Modifier Tone Letters": range(42752, 42784),
|
||
"Latin Extended-D": range(42784, 43008),
|
||
"Syloti Nagri": range(43008, 43056),
|
||
"Common Indic Number Forms": range(43056, 43072),
|
||
"Phags-pa": range(43072, 43136),
|
||
"Saurashtra": range(43136, 43232),
|
||
"Devanagari Extended": range(43232, 43264),
|
||
"Kayah Li": range(43264, 43312),
|
||
"Rejang": range(43312, 43360),
|
||
"Hangul Jamo Extended-A": range(43360, 43392),
|
||
"Javanese": range(43392, 43488),
|
||
"Myanmar Extended-B": range(43488, 43520),
|
||
"Cham": range(43520, 43616),
|
||
"Myanmar Extended-A": range(43616, 43648),
|
||
"Tai Viet": range(43648, 43744),
|
||
"Meetei Mayek Extensions": range(43744, 43776),
|
||
"Ethiopic Extended-A": range(43776, 43824),
|
||
"Latin Extended-E": range(43824, 43888),
|
||
"Cherokee Supplement": range(43888, 43968),
|
||
"Meetei Mayek": range(43968, 44032),
|
||
"Hangul Syllables": range(44032, 55216),
|
||
"Hangul Jamo Extended-B": range(55216, 55296),
|
||
"High Surrogates": range(55296, 56192),
|
||
"High Private Use Surrogates": range(56192, 56320),
|
||
"Low Surrogates": range(56320, 57344),
|
||
"Private Use Area": range(57344, 63744),
|
||
"CJK Compatibility Ideographs": range(63744, 64256),
|
||
"Alphabetic Presentation Forms": range(64256, 64336),
|
||
"Arabic Presentation Forms-A": range(64336, 65024),
|
||
"Variation Selectors": range(65024, 65040),
|
||
"Vertical Forms": range(65040, 65056),
|
||
"Combining Half Marks": range(65056, 65072),
|
||
"CJK Compatibility Forms": range(65072, 65104),
|
||
"Small Form Variants": range(65104, 65136),
|
||
"Arabic Presentation Forms-B": range(65136, 65280),
|
||
"Halfwidth and Fullwidth Forms": range(65280, 65520),
|
||
"Specials": range(65520, 65536),
|
||
"Linear B Syllabary": range(65536, 65664),
|
||
"Linear B Ideograms": range(65664, 65792),
|
||
"Aegean Numbers": range(65792, 65856),
|
||
"Ancient Greek Numbers": range(65856, 65936),
|
||
"Ancient Symbols": range(65936, 66000),
|
||
"Phaistos Disc": range(66000, 66048),
|
||
"Lycian": range(66176, 66208),
|
||
"Carian": range(66208, 66272),
|
||
"Coptic Epact Numbers": range(66272, 66304),
|
||
"Old Italic": range(66304, 66352),
|
||
"Gothic": range(66352, 66384),
|
||
"Old Permic": range(66384, 66432),
|
||
"Ugaritic": range(66432, 66464),
|
||
"Old Persian": range(66464, 66528),
|
||
"Deseret": range(66560, 66640),
|
||
"Shavian": range(66640, 66688),
|
||
"Osmanya": range(66688, 66736),
|
||
"Osage": range(66736, 66816),
|
||
"Elbasan": range(66816, 66864),
|
||
"Caucasian Albanian": range(66864, 66928),
|
||
"Vithkuqi": range(66928, 67008),
|
||
"Linear A": range(67072, 67456),
|
||
"Latin Extended-F": range(67456, 67520),
|
||
"Cypriot Syllabary": range(67584, 67648),
|
||
"Imperial Aramaic": range(67648, 67680),
|
||
"Palmyrene": range(67680, 67712),
|
||
"Nabataean": range(67712, 67760),
|
||
"Hatran": range(67808, 67840),
|
||
"Phoenician": range(67840, 67872),
|
||
"Lydian": range(67872, 67904),
|
||
"Meroitic Hieroglyphs": range(67968, 68000),
|
||
"Meroitic Cursive": range(68000, 68096),
|
||
"Kharoshthi": range(68096, 68192),
|
||
"Old South Arabian": range(68192, 68224),
|
||
"Old North Arabian": range(68224, 68256),
|
||
"Manichaean": range(68288, 68352),
|
||
"Avestan": range(68352, 68416),
|
||
"Inscriptional Parthian": range(68416, 68448),
|
||
"Inscriptional Pahlavi": range(68448, 68480),
|
||
"Psalter Pahlavi": range(68480, 68528),
|
||
"Old Turkic": range(68608, 68688),
|
||
"Old Hungarian": range(68736, 68864),
|
||
"Hanifi Rohingya": range(68864, 68928),
|
||
"Rumi Numeral Symbols": range(69216, 69248),
|
||
"Yezidi": range(69248, 69312),
|
||
"Arabic Extended-C": range(69312, 69376),
|
||
"Old Sogdian": range(69376, 69424),
|
||
"Sogdian": range(69424, 69488),
|
||
"Old Uyghur": range(69488, 69552),
|
||
"Chorasmian": range(69552, 69600),
|
||
"Elymaic": range(69600, 69632),
|
||
"Brahmi": range(69632, 69760),
|
||
"Kaithi": range(69760, 69840),
|
||
"Sora Sompeng": range(69840, 69888),
|
||
"Chakma": range(69888, 69968),
|
||
"Mahajani": range(69968, 70016),
|
||
"Sharada": range(70016, 70112),
|
||
"Sinhala Archaic Numbers": range(70112, 70144),
|
||
"Khojki": range(70144, 70224),
|
||
"Multani": range(70272, 70320),
|
||
"Khudawadi": range(70320, 70400),
|
||
"Grantha": range(70400, 70528),
|
||
"Newa": range(70656, 70784),
|
||
"Tirhuta": range(70784, 70880),
|
||
"Siddham": range(71040, 71168),
|
||
"Modi": range(71168, 71264),
|
||
"Mongolian Supplement": range(71264, 71296),
|
||
"Takri": range(71296, 71376),
|
||
"Ahom": range(71424, 71504),
|
||
"Dogra": range(71680, 71760),
|
||
"Warang Citi": range(71840, 71936),
|
||
"Dives Akuru": range(71936, 72032),
|
||
"Nandinagari": range(72096, 72192),
|
||
"Zanabazar Square": range(72192, 72272),
|
||
"Soyombo": range(72272, 72368),
|
||
"Unified Canadian Aboriginal Syllabics Extended-A": range(72368, 72384),
|
||
"Pau Cin Hau": range(72384, 72448),
|
||
"Devanagari Extended-A": range(72448, 72544),
|
||
"Bhaiksuki": range(72704, 72816),
|
||
"Marchen": range(72816, 72896),
|
||
"Masaram Gondi": range(72960, 73056),
|
||
"Gunjala Gondi": range(73056, 73136),
|
||
"Makasar": range(73440, 73472),
|
||
"Kawi": range(73472, 73568),
|
||
"Lisu Supplement": range(73648, 73664),
|
||
"Tamil Supplement": range(73664, 73728),
|
||
"Cuneiform": range(73728, 74752),
|
||
"Cuneiform Numbers and Punctuation": range(74752, 74880),
|
||
"Early Dynastic Cuneiform": range(74880, 75088),
|
||
"Cypro-Minoan": range(77712, 77824),
|
||
"Egyptian Hieroglyphs": range(77824, 78896),
|
||
"Egyptian Hieroglyph Format Controls": range(78896, 78944),
|
||
"Anatolian Hieroglyphs": range(82944, 83584),
|
||
"Bamum Supplement": range(92160, 92736),
|
||
"Mro": range(92736, 92784),
|
||
"Tangsa": range(92784, 92880),
|
||
"Bassa Vah": range(92880, 92928),
|
||
"Pahawh Hmong": range(92928, 93072),
|
||
"Medefaidrin": range(93760, 93856),
|
||
"Miao": range(93952, 94112),
|
||
"Ideographic Symbols and Punctuation": range(94176, 94208),
|
||
"Tangut": range(94208, 100352),
|
||
"Tangut Components": range(100352, 101120),
|
||
"Khitan Small Script": range(101120, 101632),
|
||
"Tangut Supplement": range(101632, 101760),
|
||
"Kana Extended-B": range(110576, 110592),
|
||
"Kana Supplement": range(110592, 110848),
|
||
"Kana Extended-A": range(110848, 110896),
|
||
"Small Kana Extension": range(110896, 110960),
|
||
"Nushu": range(110960, 111360),
|
||
"Duployan": range(113664, 113824),
|
||
"Shorthand Format Controls": range(113824, 113840),
|
||
"Znamenny Musical Notation": range(118528, 118736),
|
||
"Byzantine Musical Symbols": range(118784, 119040),
|
||
"Musical Symbols": range(119040, 119296),
|
||
"Ancient Greek Musical Notation": range(119296, 119376),
|
||
"Kaktovik Numerals": range(119488, 119520),
|
||
"Mayan Numerals": range(119520, 119552),
|
||
"Tai Xuan Jing Symbols": range(119552, 119648),
|
||
"Counting Rod Numerals": range(119648, 119680),
|
||
"Mathematical Alphanumeric Symbols": range(119808, 120832),
|
||
"Sutton SignWriting": range(120832, 121520),
|
||
"Latin Extended-G": range(122624, 122880),
|
||
"Glagolitic Supplement": range(122880, 122928),
|
||
"Cyrillic Extended-D": range(122928, 123024),
|
||
"Nyiakeng Puachue Hmong": range(123136, 123216),
|
||
"Toto": range(123536, 123584),
|
||
"Wancho": range(123584, 123648),
|
||
"Nag Mundari": range(124112, 124160),
|
||
"Ethiopic Extended-B": range(124896, 124928),
|
||
"Mende Kikakui": range(124928, 125152),
|
||
"Adlam": range(125184, 125280),
|
||
"Indic Siyaq Numbers": range(126064, 126144),
|
||
"Ottoman Siyaq Numbers": range(126208, 126288),
|
||
"Arabic Mathematical Alphabetic Symbols": range(126464, 126720),
|
||
"Mahjong Tiles": range(126976, 127024),
|
||
"Domino Tiles": range(127024, 127136),
|
||
"Playing Cards": range(127136, 127232),
|
||
"Enclosed Alphanumeric Supplement": range(127232, 127488),
|
||
"Enclosed Ideographic Supplement": range(127488, 127744),
|
||
"Miscellaneous Symbols and Pictographs": range(127744, 128512),
|
||
"Emoticons range(Emoji)": range(128512, 128592),
|
||
"Ornamental Dingbats": range(128592, 128640),
|
||
"Transport and Map Symbols": range(128640, 128768),
|
||
"Alchemical Symbols": range(128768, 128896),
|
||
"Geometric Shapes Extended": range(128896, 129024),
|
||
"Supplemental Arrows-C": range(129024, 129280),
|
||
"Supplemental Symbols and Pictographs": range(129280, 129536),
|
||
"Chess Symbols": range(129536, 129648),
|
||
"Symbols and Pictographs Extended-A": range(129648, 129792),
|
||
"Symbols for Legacy Computing": range(129792, 130048),
|
||
"CJK Unified Ideographs Extension B": range(131072, 173792),
|
||
"CJK Unified Ideographs Extension C": range(173824, 177984),
|
||
"CJK Unified Ideographs Extension D": range(177984, 178208),
|
||
"CJK Unified Ideographs Extension E": range(178208, 183984),
|
||
"CJK Unified Ideographs Extension F": range(183984, 191472),
|
||
"CJK Compatibility Ideographs Supplement": range(194560, 195104),
|
||
"CJK Unified Ideographs Extension G": range(196608, 201552),
|
||
"CJK Unified Ideographs Extension H": range(201552, 205744),
|
||
"Tags": range(917504, 917632),
|
||
"Variation Selectors Supplement": range(917760, 918000),
|
||
"Supplementary Private Use Area-A": range(983040, 1048576),
|
||
"Supplementary Private Use Area-B": range(1048576, 1114112),
|
||
}
|
||
|
||
|
||
UNICODE_SECONDARY_RANGE_KEYWORD: list[str] = [
|
||
"Supplement",
|
||
"Extended",
|
||
"Extensions",
|
||
"Modifier",
|
||
"Marks",
|
||
"Punctuation",
|
||
"Symbols",
|
||
"Forms",
|
||
"Operators",
|
||
"Miscellaneous",
|
||
"Drawing",
|
||
"Block",
|
||
"Shapes",
|
||
"Supplemental",
|
||
"Tags",
|
||
]
|
||
|
||
RE_POSSIBLE_ENCODING_INDICATION = re_compile(
|
||
r"(?:(?:encoding)|(?:charset)|(?:coding))(?:[\:= ]{1,10})(?:[\"\']?)([a-zA-Z0-9\-_]+)(?:[\"\']?)",
|
||
IGNORECASE,
|
||
)
|
||
|
||
IANA_NO_ALIASES = [
|
||
"cp720",
|
||
"cp737",
|
||
"cp856",
|
||
"cp874",
|
||
"cp875",
|
||
"cp1006",
|
||
"koi8_r",
|
||
"koi8_t",
|
||
"koi8_u",
|
||
]
|
||
|
||
IANA_SUPPORTED: list[str] = sorted(
|
||
filter(
|
||
lambda x: x.endswith("_codec") is False
|
||
and x not in {"rot_13", "tactis", "mbcs"},
|
||
list(set(aliases.values())) + IANA_NO_ALIASES,
|
||
)
|
||
)
|
||
|
||
IANA_SUPPORTED_COUNT: int = len(IANA_SUPPORTED)
|
||
|
||
# pre-computed code page that are similar using the function cp_similarity.
|
||
IANA_SUPPORTED_SIMILAR: dict[str, list[str]] = {
|
||
"cp037": ["cp1026", "cp1140", "cp273", "cp500"],
|
||
"cp1026": ["cp037", "cp1140", "cp273", "cp500"],
|
||
"cp1125": ["cp866"],
|
||
"cp1140": ["cp037", "cp1026", "cp273", "cp500"],
|
||
"cp1250": ["iso8859_2"],
|
||
"cp1251": ["kz1048", "ptcp154"],
|
||
"cp1252": ["iso8859_15", "iso8859_9", "latin_1"],
|
||
"cp1253": ["iso8859_7"],
|
||
"cp1254": ["iso8859_15", "iso8859_9", "latin_1"],
|
||
"cp1257": ["iso8859_13"],
|
||
"cp273": ["cp037", "cp1026", "cp1140", "cp500"],
|
||
"cp437": ["cp850", "cp858", "cp860", "cp861", "cp862", "cp863", "cp865"],
|
||
"cp500": ["cp037", "cp1026", "cp1140", "cp273"],
|
||
"cp850": ["cp437", "cp857", "cp858", "cp865"],
|
||
"cp857": ["cp850", "cp858", "cp865"],
|
||
"cp858": ["cp437", "cp850", "cp857", "cp865"],
|
||
"cp860": ["cp437", "cp861", "cp862", "cp863", "cp865"],
|
||
"cp861": ["cp437", "cp860", "cp862", "cp863", "cp865"],
|
||
"cp862": ["cp437", "cp860", "cp861", "cp863", "cp865"],
|
||
"cp863": ["cp437", "cp860", "cp861", "cp862", "cp865"],
|
||
"cp865": ["cp437", "cp850", "cp857", "cp858", "cp860", "cp861", "cp862", "cp863"],
|
||
"cp866": ["cp1125"],
|
||
"iso8859_10": ["iso8859_14", "iso8859_15", "iso8859_4", "iso8859_9", "latin_1"],
|
||
"iso8859_11": ["tis_620"],
|
||
"iso8859_13": ["cp1257"],
|
||
"iso8859_14": [
|
||
"iso8859_10",
|
||
"iso8859_15",
|
||
"iso8859_16",
|
||
"iso8859_3",
|
||
"iso8859_9",
|
||
"latin_1",
|
||
],
|
||
"iso8859_15": [
|
||
"cp1252",
|
||
"cp1254",
|
||
"iso8859_10",
|
||
"iso8859_14",
|
||
"iso8859_16",
|
||
"iso8859_3",
|
||
"iso8859_9",
|
||
"latin_1",
|
||
],
|
||
"iso8859_16": [
|
||
"iso8859_14",
|
||
"iso8859_15",
|
||
"iso8859_2",
|
||
"iso8859_3",
|
||
"iso8859_9",
|
||
"latin_1",
|
||
],
|
||
"iso8859_2": ["cp1250", "iso8859_16", "iso8859_4"],
|
||
"iso8859_3": ["iso8859_14", "iso8859_15", "iso8859_16", "iso8859_9", "latin_1"],
|
||
"iso8859_4": ["iso8859_10", "iso8859_2", "iso8859_9", "latin_1"],
|
||
"iso8859_7": ["cp1253"],
|
||
"iso8859_9": [
|
||
"cp1252",
|
||
"cp1254",
|
||
"cp1258",
|
||
"iso8859_10",
|
||
"iso8859_14",
|
||
"iso8859_15",
|
||
"iso8859_16",
|
||
"iso8859_3",
|
||
"iso8859_4",
|
||
"latin_1",
|
||
],
|
||
"kz1048": ["cp1251", "ptcp154"],
|
||
"latin_1": [
|
||
"cp1252",
|
||
"cp1254",
|
||
"cp1258",
|
||
"iso8859_10",
|
||
"iso8859_14",
|
||
"iso8859_15",
|
||
"iso8859_16",
|
||
"iso8859_3",
|
||
"iso8859_4",
|
||
"iso8859_9",
|
||
],
|
||
"mac_iceland": ["mac_roman", "mac_turkish"],
|
||
"mac_roman": ["mac_iceland", "mac_turkish"],
|
||
"mac_turkish": ["mac_iceland", "mac_roman"],
|
||
"ptcp154": ["cp1251", "kz1048"],
|
||
"tis_620": ["iso8859_11"],
|
||
}
|
||
|
||
|
||
CHARDET_CORRESPONDENCE: dict[str, str] = {
|
||
"iso2022_kr": "ISO-2022-KR",
|
||
"iso2022_jp": "ISO-2022-JP",
|
||
"euc_kr": "EUC-KR",
|
||
"tis_620": "TIS-620",
|
||
"utf_32": "UTF-32",
|
||
"euc_jp": "EUC-JP",
|
||
"koi8_r": "KOI8-R",
|
||
"iso8859_1": "ISO-8859-1",
|
||
"iso8859_2": "ISO-8859-2",
|
||
"iso8859_5": "ISO-8859-5",
|
||
"iso8859_6": "ISO-8859-6",
|
||
"iso8859_7": "ISO-8859-7",
|
||
"iso8859_8": "ISO-8859-8",
|
||
"utf_16": "UTF-16",
|
||
"cp855": "IBM855",
|
||
"mac_cyrillic": "MacCyrillic",
|
||
"gb2312": "GB2312",
|
||
"gb18030": "GB18030",
|
||
"cp932": "CP932",
|
||
"cp866": "IBM866",
|
||
"utf_8": "utf-8",
|
||
"utf_8_sig": "UTF-8-SIG",
|
||
"shift_jis": "SHIFT_JIS",
|
||
"big5": "Big5",
|
||
"cp1250": "windows-1250",
|
||
"cp1251": "windows-1251",
|
||
"cp1252": "Windows-1252",
|
||
"cp1253": "windows-1253",
|
||
"cp1255": "windows-1255",
|
||
"cp1256": "windows-1256",
|
||
"cp1254": "Windows-1254",
|
||
"cp949": "CP949",
|
||
}
|
||
|
||
|
||
COMMON_SAFE_ASCII_CHARACTERS: set[str] = {
|
||
"<",
|
||
">",
|
||
"=",
|
||
":",
|
||
"/",
|
||
"&",
|
||
";",
|
||
"{",
|
||
"}",
|
||
"[",
|
||
"]",
|
||
",",
|
||
"|",
|
||
'"',
|
||
"-",
|
||
"(",
|
||
")",
|
||
}
|
||
|
||
# Sample character sets — replace with full lists if needed
|
||
COMMON_CHINESE_CHARACTERS = "的一是在不了有和人这中大为上个国我以要他时来用们生到作地于出就分对成会可主发年动同工也能下过子说产种面而方后多定行学法所民得经十三之进着等部度家电力里如水化高自二理起小物现实加量都两体制机当使点从业本去把性好应开它合还因由其些然前外天政四日那社义事平形相全表间样与关各重新线内数正心反你明看原又么利比或但质气第向道命此变条只没结解问意建月公无系军很情者最立代想已通并提直题党程展五果料象员革位入常文总次品式活设及管特件长求老头基资边流路级少图山统接知较将组见计别她手角期根论运农指几九区强放决西被干做必战先回则任取据处队南给色光门即保治北造百规热领七海口东导器压志世金增争济阶油思术极交受联什认六共权收证改清己美再采转更单风切打白教速花带安场身车例真务具万每目至达走积示议声报斗完类八离华名确才科张信马节话米整空元况今集温传土许步群广石记需段研界拉林律叫且究观越织装影算低持音众书布复容儿须际商非验连断深难近矿千周委素技备半办青省列习响约支般史感劳便团往酸历市克何除消构府太准精值号率族维划选标写存候毛亲快效斯院查江型眼王按格养易置派层片始却专状育厂京识适属圆包火住调满县局照参红细引听该铁价严龙飞"
|
||
|
||
COMMON_JAPANESE_CHARACTERS = "日一国年大十二本中長出三時行見月分後前生五間上東四今金九入学高円子外八六下来気小七山話女北午百書先名川千水半男西電校語土木聞食車何南万毎白天母火右読友左休父雨"
|
||
|
||
COMMON_KOREAN_CHARACTERS = "一二三四五六七八九十百千萬上下左右中人女子大小山川日月火水木金土父母天地國名年時文校學生"
|
||
|
||
# Combine all into a set
|
||
COMMON_CJK_CHARACTERS = set(
|
||
"".join(
|
||
[
|
||
COMMON_CHINESE_CHARACTERS,
|
||
COMMON_JAPANESE_CHARACTERS,
|
||
COMMON_KOREAN_CHARACTERS,
|
||
]
|
||
)
|
||
)
|
||
|
||
KO_NAMES: set[str] = {"johab", "cp949", "euc_kr"}
|
||
ZH_NAMES: set[str] = {"big5", "cp950", "big5hkscs", "hz"}
|
||
|
||
# Logging LEVEL below DEBUG
|
||
TRACE: int = 5
|
||
|
||
|
||
# Language label that contain the em dash "—"
|
||
# character are to be considered alternative seq to origin
|
||
FREQUENCIES: dict[str, list[str]] = {
|
||
"English": [
|
||
"e",
|
||
"a",
|
||
"t",
|
||
"i",
|
||
"o",
|
||
"n",
|
||
"s",
|
||
"r",
|
||
"h",
|
||
"l",
|
||
"d",
|
||
"c",
|
||
"u",
|
||
"m",
|
||
"f",
|
||
"p",
|
||
"g",
|
||
"w",
|
||
"y",
|
||
"b",
|
||
"v",
|
||
"k",
|
||
"x",
|
||
"j",
|
||
"z",
|
||
"q",
|
||
],
|
||
"English—": [
|
||
"e",
|
||
"a",
|
||
"t",
|
||
"i",
|
||
"o",
|
||
"n",
|
||
"s",
|
||
"r",
|
||
"h",
|
||
"l",
|
||
"d",
|
||
"c",
|
||
"m",
|
||
"u",
|
||
"f",
|
||
"p",
|
||
"g",
|
||
"w",
|
||
"b",
|
||
"y",
|
||
"v",
|
||
"k",
|
||
"j",
|
||
"x",
|
||
"z",
|
||
"q",
|
||
],
|
||
"German": [
|
||
"e",
|
||
"n",
|
||
"i",
|
||
"r",
|
||
"s",
|
||
"t",
|
||
"a",
|
||
"d",
|
||
"h",
|
||
"u",
|
||
"l",
|
||
"g",
|
||
"o",
|
||
"c",
|
||
"m",
|
||
"b",
|
||
"f",
|
||
"k",
|
||
"w",
|
||
"z",
|
||
"p",
|
||
"v",
|
||
"ü",
|
||
"ä",
|
||
"ö",
|
||
"j",
|
||
],
|
||
"French": [
|
||
"e",
|
||
"a",
|
||
"s",
|
||
"n",
|
||
"i",
|
||
"t",
|
||
"r",
|
||
"l",
|
||
"u",
|
||
"o",
|
||
"d",
|
||
"c",
|
||
"p",
|
||
"m",
|
||
"é",
|
||
"v",
|
||
"g",
|
||
"f",
|
||
"b",
|
||
"h",
|
||
"q",
|
||
"à",
|
||
"x",
|
||
"è",
|
||
"y",
|
||
"j",
|
||
],
|
||
"Dutch": [
|
||
"e",
|
||
"n",
|
||
"a",
|
||
"i",
|
||
"r",
|
||
"t",
|
||
"o",
|
||
"d",
|
||
"s",
|
||
"l",
|
||
"g",
|
||
"h",
|
||
"v",
|
||
"m",
|
||
"u",
|
||
"k",
|
||
"c",
|
||
"p",
|
||
"b",
|
||
"w",
|
||
"j",
|
||
"z",
|
||
"f",
|
||
"y",
|
||
"x",
|
||
"ë",
|
||
],
|
||
"Italian": [
|
||
"e",
|
||
"i",
|
||
"a",
|
||
"o",
|
||
"n",
|
||
"l",
|
||
"t",
|
||
"r",
|
||
"s",
|
||
"c",
|
||
"d",
|
||
"u",
|
||
"p",
|
||
"m",
|
||
"g",
|
||
"v",
|
||
"f",
|
||
"b",
|
||
"z",
|
||
"h",
|
||
"q",
|
||
"è",
|
||
"à",
|
||
"k",
|
||
"y",
|
||
"ò",
|
||
],
|
||
"Polish": [
|
||
"a",
|
||
"i",
|
||
"o",
|
||
"e",
|
||
"n",
|
||
"r",
|
||
"z",
|
||
"w",
|
||
"s",
|
||
"c",
|
||
"t",
|
||
"k",
|
||
"y",
|
||
"d",
|
||
"p",
|
||
"m",
|
||
"u",
|
||
"l",
|
||
"j",
|
||
"ł",
|
||
"g",
|
||
"b",
|
||
"h",
|
||
"ą",
|
||
"ę",
|
||
"ó",
|
||
],
|
||
"Spanish": [
|
||
"e",
|
||
"a",
|
||
"o",
|
||
"n",
|
||
"s",
|
||
"r",
|
||
"i",
|
||
"l",
|
||
"d",
|
||
"t",
|
||
"c",
|
||
"u",
|
||
"m",
|
||
"p",
|
||
"b",
|
||
"g",
|
||
"v",
|
||
"f",
|
||
"y",
|
||
"ó",
|
||
"h",
|
||
"q",
|
||
"í",
|
||
"j",
|
||
"z",
|
||
"á",
|
||
],
|
||
"Russian": [
|
||
"о",
|
||
"а",
|
||
"е",
|
||
"и",
|
||
"н",
|
||
"с",
|
||
"т",
|
||
"р",
|
||
"в",
|
||
"л",
|
||
"к",
|
||
"м",
|
||
"д",
|
||
"п",
|
||
"у",
|
||
"г",
|
||
"я",
|
||
"ы",
|
||
"з",
|
||
"б",
|
||
"й",
|
||
"ь",
|
||
"ч",
|
||
"х",
|
||
"ж",
|
||
"ц",
|
||
],
|
||
# Jap-Kanji
|
||
"Japanese": [
|
||
"人",
|
||
"一",
|
||
"大",
|
||
"亅",
|
||
"丁",
|
||
"丨",
|
||
"竹",
|
||
"笑",
|
||
"口",
|
||
"日",
|
||
"今",
|
||
"二",
|
||
"彳",
|
||
"行",
|
||
"十",
|
||
"土",
|
||
"丶",
|
||
"寸",
|
||
"寺",
|
||
"時",
|
||
"乙",
|
||
"丿",
|
||
"乂",
|
||
"气",
|
||
"気",
|
||
"冂",
|
||
"巾",
|
||
"亠",
|
||
"市",
|
||
"目",
|
||
"儿",
|
||
"見",
|
||
"八",
|
||
"小",
|
||
"凵",
|
||
"県",
|
||
"月",
|
||
"彐",
|
||
"門",
|
||
"間",
|
||
"木",
|
||
"東",
|
||
"山",
|
||
"出",
|
||
"本",
|
||
"中",
|
||
"刀",
|
||
"分",
|
||
"耳",
|
||
"又",
|
||
"取",
|
||
"最",
|
||
"言",
|
||
"田",
|
||
"心",
|
||
"思",
|
||
"刂",
|
||
"前",
|
||
"京",
|
||
"尹",
|
||
"事",
|
||
"生",
|
||
"厶",
|
||
"云",
|
||
"会",
|
||
"未",
|
||
"来",
|
||
"白",
|
||
"冫",
|
||
"楽",
|
||
"灬",
|
||
"馬",
|
||
"尸",
|
||
"尺",
|
||
"駅",
|
||
"明",
|
||
"耂",
|
||
"者",
|
||
"了",
|
||
"阝",
|
||
"都",
|
||
"高",
|
||
"卜",
|
||
"占",
|
||
"厂",
|
||
"广",
|
||
"店",
|
||
"子",
|
||
"申",
|
||
"奄",
|
||
"亻",
|
||
"俺",
|
||
"上",
|
||
"方",
|
||
"冖",
|
||
"学",
|
||
"衣",
|
||
"艮",
|
||
"食",
|
||
"自",
|
||
],
|
||
# Jap-Katakana
|
||
"Japanese—": [
|
||
"ー",
|
||
"ン",
|
||
"ス",
|
||
"・",
|
||
"ル",
|
||
"ト",
|
||
"リ",
|
||
"イ",
|
||
"ア",
|
||
"ラ",
|
||
"ッ",
|
||
"ク",
|
||
"ド",
|
||
"シ",
|
||
"レ",
|
||
"ジ",
|
||
"タ",
|
||
"フ",
|
||
"ロ",
|
||
"カ",
|
||
"テ",
|
||
"マ",
|
||
"ィ",
|
||
"グ",
|
||
"バ",
|
||
"ム",
|
||
"プ",
|
||
"オ",
|
||
"コ",
|
||
"デ",
|
||
"ニ",
|
||
"ウ",
|
||
"メ",
|
||
"サ",
|
||
"ビ",
|
||
"ナ",
|
||
"ブ",
|
||
"ャ",
|
||
"エ",
|
||
"ュ",
|
||
"チ",
|
||
"キ",
|
||
"ズ",
|
||
"ダ",
|
||
"パ",
|
||
"ミ",
|
||
"ェ",
|
||
"ョ",
|
||
"ハ",
|
||
"セ",
|
||
"ベ",
|
||
"ガ",
|
||
"モ",
|
||
"ツ",
|
||
"ネ",
|
||
"ボ",
|
||
"ソ",
|
||
"ノ",
|
||
"ァ",
|
||
"ヴ",
|
||
"ワ",
|
||
"ポ",
|
||
"ペ",
|
||
"ピ",
|
||
"ケ",
|
||
"ゴ",
|
||
"ギ",
|
||
"ザ",
|
||
"ホ",
|
||
"ゲ",
|
||
"ォ",
|
||
"ヤ",
|
||
"ヒ",
|
||
"ユ",
|
||
"ヨ",
|
||
"ヘ",
|
||
"ゼ",
|
||
"ヌ",
|
||
"ゥ",
|
||
"ゾ",
|
||
"ヶ",
|
||
"ヂ",
|
||
"ヲ",
|
||
"ヅ",
|
||
"ヵ",
|
||
"ヱ",
|
||
"ヰ",
|
||
"ヮ",
|
||
"ヽ",
|
||
"゠",
|
||
"ヾ",
|
||
"ヷ",
|
||
"ヿ",
|
||
"ヸ",
|
||
"ヹ",
|
||
"ヺ",
|
||
],
|
||
# Jap-Hiragana
|
||
"Japanese——": [
|
||
"の",
|
||
"に",
|
||
"る",
|
||
"た",
|
||
"と",
|
||
"は",
|
||
"し",
|
||
"い",
|
||
"を",
|
||
"で",
|
||
"て",
|
||
"が",
|
||
"な",
|
||
"れ",
|
||
"か",
|
||
"ら",
|
||
"さ",
|
||
"っ",
|
||
"り",
|
||
"す",
|
||
"あ",
|
||
"も",
|
||
"こ",
|
||
"ま",
|
||
"う",
|
||
"く",
|
||
"よ",
|
||
"き",
|
||
"ん",
|
||
"め",
|
||
"お",
|
||
"け",
|
||
"そ",
|
||
"つ",
|
||
"だ",
|
||
"や",
|
||
"え",
|
||
"ど",
|
||
"わ",
|
||
"ち",
|
||
"み",
|
||
"せ",
|
||
"じ",
|
||
"ば",
|
||
"へ",
|
||
"び",
|
||
"ず",
|
||
"ろ",
|
||
"ほ",
|
||
"げ",
|
||
"む",
|
||
"べ",
|
||
"ひ",
|
||
"ょ",
|
||
"ゆ",
|
||
"ぶ",
|
||
"ご",
|
||
"ゃ",
|
||
"ね",
|
||
"ふ",
|
||
"ぐ",
|
||
"ぎ",
|
||
"ぼ",
|
||
"ゅ",
|
||
"づ",
|
||
"ざ",
|
||
"ぞ",
|
||
"ぬ",
|
||
"ぜ",
|
||
"ぱ",
|
||
"ぽ",
|
||
"ぷ",
|
||
"ぴ",
|
||
"ぃ",
|
||
"ぁ",
|
||
"ぇ",
|
||
"ぺ",
|
||
"ゞ",
|
||
"ぢ",
|
||
"ぉ",
|
||
"ぅ",
|
||
"ゐ",
|
||
"ゝ",
|
||
"ゑ",
|
||
"゛",
|
||
"゜",
|
||
"ゎ",
|
||
"ゔ",
|
||
"゚",
|
||
"ゟ",
|
||
"゙",
|
||
"ゕ",
|
||
"ゖ",
|
||
],
|
||
"Portuguese": [
|
||
"a",
|
||
"e",
|
||
"o",
|
||
"s",
|
||
"i",
|
||
"r",
|
||
"d",
|
||
"n",
|
||
"t",
|
||
"m",
|
||
"u",
|
||
"c",
|
||
"l",
|
||
"p",
|
||
"g",
|
||
"v",
|
||
"b",
|
||
"f",
|
||
"h",
|
||
"ã",
|
||
"q",
|
||
"é",
|
||
"ç",
|
||
"á",
|
||
"z",
|
||
"í",
|
||
],
|
||
"Swedish": [
|
||
"e",
|
||
"a",
|
||
"n",
|
||
"r",
|
||
"t",
|
||
"s",
|
||
"i",
|
||
"l",
|
||
"d",
|
||
"o",
|
||
"m",
|
||
"k",
|
||
"g",
|
||
"v",
|
||
"h",
|
||
"f",
|
||
"u",
|
||
"p",
|
||
"ä",
|
||
"c",
|
||
"b",
|
||
"ö",
|
||
"å",
|
||
"y",
|
||
"j",
|
||
"x",
|
||
],
|
||
"Chinese": [
|
||
"的",
|
||
"一",
|
||
"是",
|
||
"不",
|
||
"了",
|
||
"在",
|
||
"人",
|
||
"有",
|
||
"我",
|
||
"他",
|
||
"这",
|
||
"个",
|
||
"们",
|
||
"中",
|
||
"来",
|
||
"上",
|
||
"大",
|
||
"为",
|
||
"和",
|
||
"国",
|
||
"地",
|
||
"到",
|
||
"以",
|
||
"说",
|
||
"时",
|
||
"要",
|
||
"就",
|
||
"出",
|
||
"会",
|
||
"可",
|
||
"也",
|
||
"你",
|
||
"对",
|
||
"生",
|
||
"能",
|
||
"而",
|
||
"子",
|
||
"那",
|
||
"得",
|
||
"于",
|
||
"着",
|
||
"下",
|
||
"自",
|
||
"之",
|
||
"年",
|
||
"过",
|
||
"发",
|
||
"后",
|
||
"作",
|
||
"里",
|
||
"用",
|
||
"道",
|
||
"行",
|
||
"所",
|
||
"然",
|
||
"家",
|
||
"种",
|
||
"事",
|
||
"成",
|
||
"方",
|
||
"多",
|
||
"经",
|
||
"么",
|
||
"去",
|
||
"法",
|
||
"学",
|
||
"如",
|
||
"都",
|
||
"同",
|
||
"现",
|
||
"当",
|
||
"没",
|
||
"动",
|
||
"面",
|
||
"起",
|
||
"看",
|
||
"定",
|
||
"天",
|
||
"分",
|
||
"还",
|
||
"进",
|
||
"好",
|
||
"小",
|
||
"部",
|
||
"其",
|
||
"些",
|
||
"主",
|
||
"样",
|
||
"理",
|
||
"心",
|
||
"她",
|
||
"本",
|
||
"前",
|
||
"开",
|
||
"但",
|
||
"因",
|
||
"只",
|
||
"从",
|
||
"想",
|
||
"实",
|
||
],
|
||
"Ukrainian": [
|
||
"о",
|
||
"а",
|
||
"н",
|
||
"і",
|
||
"и",
|
||
"р",
|
||
"в",
|
||
"т",
|
||
"е",
|
||
"с",
|
||
"к",
|
||
"л",
|
||
"у",
|
||
"д",
|
||
"м",
|
||
"п",
|
||
"з",
|
||
"я",
|
||
"ь",
|
||
"б",
|
||
"г",
|
||
"й",
|
||
"ч",
|
||
"х",
|
||
"ц",
|
||
"ї",
|
||
],
|
||
"Norwegian": [
|
||
"e",
|
||
"r",
|
||
"n",
|
||
"t",
|
||
"a",
|
||
"s",
|
||
"i",
|
||
"o",
|
||
"l",
|
||
"d",
|
||
"g",
|
||
"k",
|
||
"m",
|
||
"v",
|
||
"f",
|
||
"p",
|
||
"u",
|
||
"b",
|
||
"h",
|
||
"å",
|
||
"y",
|
||
"j",
|
||
"ø",
|
||
"c",
|
||
"æ",
|
||
"w",
|
||
],
|
||
"Finnish": [
|
||
"a",
|
||
"i",
|
||
"n",
|
||
"t",
|
||
"e",
|
||
"s",
|
||
"l",
|
||
"o",
|
||
"u",
|
||
"k",
|
||
"ä",
|
||
"m",
|
||
"r",
|
||
"v",
|
||
"j",
|
||
"h",
|
||
"p",
|
||
"y",
|
||
"d",
|
||
"ö",
|
||
"g",
|
||
"c",
|
||
"b",
|
||
"f",
|
||
"w",
|
||
"z",
|
||
],
|
||
"Vietnamese": [
|
||
"n",
|
||
"h",
|
||
"t",
|
||
"i",
|
||
"c",
|
||
"g",
|
||
"a",
|
||
"o",
|
||
"u",
|
||
"m",
|
||
"l",
|
||
"r",
|
||
"à",
|
||
"đ",
|
||
"s",
|
||
"e",
|
||
"v",
|
||
"p",
|
||
"b",
|
||
"y",
|
||
"ư",
|
||
"d",
|
||
"á",
|
||
"k",
|
||
"ộ",
|
||
"ế",
|
||
],
|
||
"Czech": [
|
||
"o",
|
||
"e",
|
||
"a",
|
||
"n",
|
||
"t",
|
||
"s",
|
||
"i",
|
||
"l",
|
||
"v",
|
||
"r",
|
||
"k",
|
||
"d",
|
||
"u",
|
||
"m",
|
||
"p",
|
||
"í",
|
||
"c",
|
||
"h",
|
||
"z",
|
||
"á",
|
||
"y",
|
||
"j",
|
||
"b",
|
||
"ě",
|
||
"é",
|
||
"ř",
|
||
],
|
||
"Hungarian": [
|
||
"e",
|
||
"a",
|
||
"t",
|
||
"l",
|
||
"s",
|
||
"n",
|
||
"k",
|
||
"r",
|
||
"i",
|
||
"o",
|
||
"z",
|
||
"á",
|
||
"é",
|
||
"g",
|
||
"m",
|
||
"b",
|
||
"y",
|
||
"v",
|
||
"d",
|
||
"h",
|
||
"u",
|
||
"p",
|
||
"j",
|
||
"ö",
|
||
"f",
|
||
"c",
|
||
],
|
||
"Korean": [
|
||
"이",
|
||
"다",
|
||
"에",
|
||
"의",
|
||
"는",
|
||
"로",
|
||
"하",
|
||
"을",
|
||
"가",
|
||
"고",
|
||
"지",
|
||
"서",
|
||
"한",
|
||
"은",
|
||
"기",
|
||
"으",
|
||
"년",
|
||
"대",
|
||
"사",
|
||
"시",
|
||
"를",
|
||
"리",
|
||
"도",
|
||
"인",
|
||
"스",
|
||
"일",
|
||
],
|
||
"Indonesian": [
|
||
"a",
|
||
"n",
|
||
"e",
|
||
"i",
|
||
"r",
|
||
"t",
|
||
"u",
|
||
"s",
|
||
"d",
|
||
"k",
|
||
"m",
|
||
"l",
|
||
"g",
|
||
"p",
|
||
"b",
|
||
"o",
|
||
"h",
|
||
"y",
|
||
"j",
|
||
"c",
|
||
"w",
|
||
"f",
|
||
"v",
|
||
"z",
|
||
"x",
|
||
"q",
|
||
],
|
||
"Turkish": [
|
||
"a",
|
||
"e",
|
||
"i",
|
||
"n",
|
||
"r",
|
||
"l",
|
||
"ı",
|
||
"k",
|
||
"d",
|
||
"t",
|
||
"s",
|
||
"m",
|
||
"y",
|
||
"u",
|
||
"o",
|
||
"b",
|
||
"ü",
|
||
"ş",
|
||
"v",
|
||
"g",
|
||
"z",
|
||
"h",
|
||
"c",
|
||
"p",
|
||
"ç",
|
||
"ğ",
|
||
],
|
||
"Romanian": [
|
||
"e",
|
||
"i",
|
||
"a",
|
||
"r",
|
||
"n",
|
||
"t",
|
||
"u",
|
||
"l",
|
||
"o",
|
||
"c",
|
||
"s",
|
||
"d",
|
||
"p",
|
||
"m",
|
||
"ă",
|
||
"f",
|
||
"v",
|
||
"î",
|
||
"g",
|
||
"b",
|
||
"ș",
|
||
"ț",
|
||
"z",
|
||
"h",
|
||
"â",
|
||
"j",
|
||
],
|
||
"Farsi": [
|
||
"ا",
|
||
"ی",
|
||
"ر",
|
||
"د",
|
||
"ن",
|
||
"ه",
|
||
"و",
|
||
"م",
|
||
"ت",
|
||
"ب",
|
||
"س",
|
||
"ل",
|
||
"ک",
|
||
"ش",
|
||
"ز",
|
||
"ف",
|
||
"گ",
|
||
"ع",
|
||
"خ",
|
||
"ق",
|
||
"ج",
|
||
"آ",
|
||
"پ",
|
||
"ح",
|
||
"ط",
|
||
"ص",
|
||
],
|
||
"Arabic": [
|
||
"ا",
|
||
"ل",
|
||
"ي",
|
||
"م",
|
||
"و",
|
||
"ن",
|
||
"ر",
|
||
"ت",
|
||
"ب",
|
||
"ة",
|
||
"ع",
|
||
"د",
|
||
"س",
|
||
"ف",
|
||
"ه",
|
||
"ك",
|
||
"ق",
|
||
"أ",
|
||
"ح",
|
||
"ج",
|
||
"ش",
|
||
"ط",
|
||
"ص",
|
||
"ى",
|
||
"خ",
|
||
"إ",
|
||
],
|
||
"Danish": [
|
||
"e",
|
||
"r",
|
||
"n",
|
||
"t",
|
||
"a",
|
||
"i",
|
||
"s",
|
||
"d",
|
||
"l",
|
||
"o",
|
||
"g",
|
||
"m",
|
||
"k",
|
||
"f",
|
||
"v",
|
||
"u",
|
||
"b",
|
||
"h",
|
||
"p",
|
||
"å",
|
||
"y",
|
||
"ø",
|
||
"æ",
|
||
"c",
|
||
"j",
|
||
"w",
|
||
],
|
||
"Serbian": [
|
||
"а",
|
||
"и",
|
||
"о",
|
||
"е",
|
||
"н",
|
||
"р",
|
||
"с",
|
||
"у",
|
||
"т",
|
||
"к",
|
||
"ј",
|
||
"в",
|
||
"д",
|
||
"м",
|
||
"п",
|
||
"л",
|
||
"г",
|
||
"з",
|
||
"б",
|
||
"a",
|
||
"i",
|
||
"e",
|
||
"o",
|
||
"n",
|
||
"ц",
|
||
"ш",
|
||
],
|
||
"Lithuanian": [
|
||
"i",
|
||
"a",
|
||
"s",
|
||
"o",
|
||
"r",
|
||
"e",
|
||
"t",
|
||
"n",
|
||
"u",
|
||
"k",
|
||
"m",
|
||
"l",
|
||
"p",
|
||
"v",
|
||
"d",
|
||
"j",
|
||
"g",
|
||
"ė",
|
||
"b",
|
||
"y",
|
||
"ų",
|
||
"š",
|
||
"ž",
|
||
"c",
|
||
"ą",
|
||
"į",
|
||
],
|
||
"Slovene": [
|
||
"e",
|
||
"a",
|
||
"i",
|
||
"o",
|
||
"n",
|
||
"r",
|
||
"s",
|
||
"l",
|
||
"t",
|
||
"j",
|
||
"v",
|
||
"k",
|
||
"d",
|
||
"p",
|
||
"m",
|
||
"u",
|
||
"z",
|
||
"b",
|
||
"g",
|
||
"h",
|
||
"č",
|
||
"c",
|
||
"š",
|
||
"ž",
|
||
"f",
|
||
"y",
|
||
],
|
||
"Slovak": [
|
||
"o",
|
||
"a",
|
||
"e",
|
||
"n",
|
||
"i",
|
||
"r",
|
||
"v",
|
||
"t",
|
||
"s",
|
||
"l",
|
||
"k",
|
||
"d",
|
||
"m",
|
||
"p",
|
||
"u",
|
||
"c",
|
||
"h",
|
||
"j",
|
||
"b",
|
||
"z",
|
||
"á",
|
||
"y",
|
||
"ý",
|
||
"í",
|
||
"č",
|
||
"é",
|
||
],
|
||
"Hebrew": [
|
||
"י",
|
||
"ו",
|
||
"ה",
|
||
"ל",
|
||
"ר",
|
||
"ב",
|
||
"ת",
|
||
"מ",
|
||
"א",
|
||
"ש",
|
||
"נ",
|
||
"ע",
|
||
"ם",
|
||
"ד",
|
||
"ק",
|
||
"ח",
|
||
"פ",
|
||
"ס",
|
||
"כ",
|
||
"ג",
|
||
"ט",
|
||
"צ",
|
||
"ן",
|
||
"ז",
|
||
"ך",
|
||
],
|
||
"Bulgarian": [
|
||
"а",
|
||
"и",
|
||
"о",
|
||
"е",
|
||
"н",
|
||
"т",
|
||
"р",
|
||
"с",
|
||
"в",
|
||
"л",
|
||
"к",
|
||
"д",
|
||
"п",
|
||
"м",
|
||
"з",
|
||
"г",
|
||
"я",
|
||
"ъ",
|
||
"у",
|
||
"б",
|
||
"ч",
|
||
"ц",
|
||
"й",
|
||
"ж",
|
||
"щ",
|
||
"х",
|
||
],
|
||
"Croatian": [
|
||
"a",
|
||
"i",
|
||
"o",
|
||
"e",
|
||
"n",
|
||
"r",
|
||
"j",
|
||
"s",
|
||
"t",
|
||
"u",
|
||
"k",
|
||
"l",
|
||
"v",
|
||
"d",
|
||
"m",
|
||
"p",
|
||
"g",
|
||
"z",
|
||
"b",
|
||
"c",
|
||
"č",
|
||
"h",
|
||
"š",
|
||
"ž",
|
||
"ć",
|
||
"f",
|
||
],
|
||
"Hindi": [
|
||
"क",
|
||
"र",
|
||
"स",
|
||
"न",
|
||
"त",
|
||
"म",
|
||
"ह",
|
||
"प",
|
||
"य",
|
||
"ल",
|
||
"व",
|
||
"ज",
|
||
"द",
|
||
"ग",
|
||
"ब",
|
||
"श",
|
||
"ट",
|
||
"अ",
|
||
"ए",
|
||
"थ",
|
||
"भ",
|
||
"ड",
|
||
"च",
|
||
"ध",
|
||
"ष",
|
||
"इ",
|
||
],
|
||
"Estonian": [
|
||
"a",
|
||
"i",
|
||
"e",
|
||
"s",
|
||
"t",
|
||
"l",
|
||
"u",
|
||
"n",
|
||
"o",
|
||
"k",
|
||
"r",
|
||
"d",
|
||
"m",
|
||
"v",
|
||
"g",
|
||
"p",
|
||
"j",
|
||
"h",
|
||
"ä",
|
||
"b",
|
||
"õ",
|
||
"ü",
|
||
"f",
|
||
"c",
|
||
"ö",
|
||
"y",
|
||
],
|
||
"Thai": [
|
||
"า",
|
||
"น",
|
||
"ร",
|
||
"อ",
|
||
"ก",
|
||
"เ",
|
||
"ง",
|
||
"ม",
|
||
"ย",
|
||
"ล",
|
||
"ว",
|
||
"ด",
|
||
"ท",
|
||
"ส",
|
||
"ต",
|
||
"ะ",
|
||
"ป",
|
||
"บ",
|
||
"ค",
|
||
"ห",
|
||
"แ",
|
||
"จ",
|
||
"พ",
|
||
"ช",
|
||
"ข",
|
||
"ใ",
|
||
],
|
||
"Greek": [
|
||
"α",
|
||
"τ",
|
||
"ο",
|
||
"ι",
|
||
"ε",
|
||
"ν",
|
||
"ρ",
|
||
"σ",
|
||
"κ",
|
||
"η",
|
||
"π",
|
||
"ς",
|
||
"υ",
|
||
"μ",
|
||
"λ",
|
||
"ί",
|
||
"ό",
|
||
"ά",
|
||
"γ",
|
||
"έ",
|
||
"δ",
|
||
"ή",
|
||
"ω",
|
||
"χ",
|
||
"θ",
|
||
"ύ",
|
||
],
|
||
"Tamil": [
|
||
"க",
|
||
"த",
|
||
"ப",
|
||
"ட",
|
||
"ர",
|
||
"ம",
|
||
"ல",
|
||
"ன",
|
||
"வ",
|
||
"ற",
|
||
"ய",
|
||
"ள",
|
||
"ச",
|
||
"ந",
|
||
"இ",
|
||
"ண",
|
||
"அ",
|
||
"ஆ",
|
||
"ழ",
|
||
"ங",
|
||
"எ",
|
||
"உ",
|
||
"ஒ",
|
||
"ஸ",
|
||
],
|
||
"Kazakh": [
|
||
"а",
|
||
"ы",
|
||
"е",
|
||
"н",
|
||
"т",
|
||
"р",
|
||
"л",
|
||
"і",
|
||
"д",
|
||
"с",
|
||
"м",
|
||
"қ",
|
||
"к",
|
||
"о",
|
||
"б",
|
||
"и",
|
||
"у",
|
||
"ғ",
|
||
"ж",
|
||
"ң",
|
||
"з",
|
||
"ш",
|
||
"й",
|
||
"п",
|
||
"г",
|
||
"ө",
|
||
],
|
||
}
|
||
|
||
LANGUAGE_SUPPORTED_COUNT: int = len(FREQUENCIES)
|