"""
def __init__(self):
super(WordLengthMetric, self).__init__("wordlength",
"de",
"Durchschnittliche Wortlänge")
def evaluate(self, node):
A = Analyzer.instance()
#corp = A.get(corpus=u"TIGER")
words = node.words()
word_count = len(words)
word_len = reduce(lambda w, v: w + v, [len(w) for w in words], 0)
if len(words) > 0:
return word_len / float(len(words))
return 0.0
Analyzer.register(WordLengthMetric())
class SpellCheckMetric(Metric):
"""Number of spelling errors relative to number of all words.
"""
def __init__(self):
super(SpellCheckMetric, self).__init__("spellcheck",
"de",
"-",
"""\
Anzahl an Rechtschreibfehlern relativ zur Gesamtanzahl aller Wörter.""")
def evaluate(self, node):
"""Value range: [0.0, 1.0]
"""
output.append(u"")
output.append(u"%s | MEAN | STDEV | TIGER" % u"METRIC".ljust(METRIC_COL_WIDTH))
output.append(u"%s-+-------+-------+------" % u"".ljust(METRIC_COL_WIDTH, u"-"))
for i in range(len(metrics)):
# Execute metrics on reference corpus
val = metrics[i].evaluate(corp)
val = round(val, ROUND)
if args.latex:
output.append(u" %s & %s & %s & %s \\\\" % (metric_names[i].ljust(METRIC_COL_WIDTH), stats[i][0], stats[i][1], val))
else:
output.append(u"%s | %05.2f | %05.2f | %05.2f" % (metric_names[i].ljust(METRIC_COL_WIDTH), stats[i][0], stats[i][1], val))
if args.latex:
output.append(u"\\end{tabular}")
return u"\n".join(output)
Analyzer.register(DocumentAverages())
class DocumentComparison(Report):
"""Compares the metrics of 2 documents side by side
"""
PAD = 2
def __init__(self):
super(DocumentComparison, self).__init__(u"doccomp",
u"de",
u"Vergleicht Vorher-/Nachher-Versionen",
u"""\
Benötigt eine gerade Anzahl n an Dokumenten (mind. 2).
Vergleicht das erste Dokument mit dem (n / 2) + 1-sten Dokument usw.
Bei 2 Dokumenten werden jeweils die Metriken bestimmt und gegenüber-
gestellt.
# coding: utf-8 from confopy.analysis import Analyzer from confopy.localization.de.corpus_de import TigerCorpusReader Analyzer.register(TigerCorpusReader(cache=False))
class IntroductionRule(Rule):
"""Chapters must have introductions.
"""
def __init__(self, ID=u"introduction", language=u"de", brief=u"Kapiteleinleitungen", description=u"Kapitel müssen eine Einleitung haben"):
super(IntroductionRule, self).__init__(ID, language, brief, description)
def evaluate(self, node):
return not is_chapter(node) or has_introduction(node)
def message(self, node):
return u"Kapitel \"%s\" hat keine Einleitung!" % node.title
Analyzer.register(IntroductionRule())
class SubsectionRule(Rule):
"""Sections must have at least 2 subsections or none at all.
"""
def __init__(self, ID=u"subsections", language=u"de", brief=u"Mind. 2 Unterabschnitte", description=u"Sektionen haben entweder 2 oder keine Untersektionen"):
super(SubsectionRule, self).__init__(ID, language, brief, description)
def evaluate(self, node):
return not (is_section(node) and count_subsections(node) > 0) or (count_subsections(node) >= 2)
def message(self, node):
return u"Abschnitt \"%s\" hat nur einen Unterabschnitt!" % node.title
Analyzer.register(SubsectionRule())
val = metrics[i].evaluate(corp)
val = round(val, ROUND)
if args.latex:
output.append(u" %s & %s & %s & %s \\\\" %
(metric_names[i].ljust(METRIC_COL_WIDTH),
stats[i][0], stats[i][1], val))
else:
output.append(u"%s | %05.2f | %05.2f | %05.2f" %
(metric_names[i].ljust(METRIC_COL_WIDTH),
stats[i][0], stats[i][1], val))
if args.latex:
output.append(u"\\end{tabular}")
return u"\n".join(output)
Analyzer.register(DocumentAverages())
class DocumentComparison(Report):
"""Compares the metrics of 2 documents side by side
"""
PAD = 2
def __init__(self):
super(DocumentComparison, self).__init__(
u"doccomp", u"de", u"Vergleicht Vorher-/Nachher-Versionen", u"""\
Benötigt eine gerade Anzahl n an Dokumenten (mind. 2).
Vergleicht das erste Dokument mit dem (n / 2) + 1-sten Dokument usw.
Bei 2 Dokumenten werden jeweils die Metriken bestimmt und gegenüber-
gestellt.
Bei mehr als 2 Dokumenten wird gezählt, wie häufig sich Metrikwerte
def __init__(self,
ID=u"introduction",
language=u"de",
brief=u"Kapiteleinleitungen",
description=u"Kapitel müssen eine Einleitung haben"):
super(IntroductionRule, self).__init__(ID, language, brief,
description)
def evaluate(self, node):
return not is_chapter(node) or has_introduction(node)
def message(self, node):
return u"Kapitel \"%s\" hat keine Einleitung!" % node.title
Analyzer.register(IntroductionRule())
class SubsectionRule(Rule):
"""Sections must have at least 2 subsections or none at all.
"""
def __init__(
self,
ID=u"subsections",
language=u"de",
brief=u"Mind. 2 Unterabschnitte",
description=u"Sektionen haben entweder 2 oder keine Untersektionen"
):
super(SubsectionRule, self).__init__(ID, language, brief, description)
def evaluate(self, node):
