File Coverage

blib/lib/Lingua/MKD/Word2Num.pm

Criterion	Covered	Total	%
statement	29	48	60.4
branch	0	8	0.0
condition	2	25	8.0
subroutine	10	11	90.9
pod	3	3	100.0
total	44	95	46.3

# For Emacs: -*- mode:cperl; mode:folding; coding:utf-8; -*-

package Lingua::MKD::Word2Num;
# ABSTRACT: Word to number conversion in Macedonian

use 5.16.0;
use utf8;
use warnings;

# {{{ use block

use Export::Attrs;
use Carp;
use Parse::RecDescent;

# }}}
# {{{ variable declarations
our $VERSION = '0.2603300';
my  $parser  = mkd_numerals();

# }}}

# {{{ w2n                                         convert text to number

sub w2n :Export {
    my $input = shift // return;

    $input .= " ";                             # Grant end space before normalizing

    $input =~ s/илјади /илјада /g;            # Thousand variations. Normalize to илјада
    $input =~ s/милиони /милион /g;           # Million variations. Normalize to милион

    return $parser->numeral($input);
}

# }}}
# {{{ mkd_numerals                                 create parser for numerals

sub mkd_numerals {
    return Parse::RecDescent->new(q{
      numeral:
      numeral: million   { return $item[1]; }                         # root parse. go from maximum to minimum value
        |      millenium { return $item[1]; }
        |      century   { return $item[1]; }
        |      decade    { return $item[1]; }
        |                { return undef; }

      number: 'деветнаесет '    { $return = 19; }                    # try to find a word from 0 to 19
        |     'осумнаесет '     { $return = 18; }
        |     'седумнаесет '    { $return = 17; }
        |     'шестнаесет '     { $return = 16; }
        |     'петнаесет '      { $return = 15; }
        |     'четиринаесет '   { $return = 14; }
        |     'тринаесет '      { $return = 13; }
        |     'дванаесет '       { $return = 12; }
        |     'единаесет '      { $return = 11; }
        |     'десет '           { $return = 10; }
        |     'девет '           { $return = 9; }
        |     'осум '            { $return = 8; }
        |     'седум '           { $return = 7; }
        |     'шест '            { $return = 6; }
        |     'пет '             { $return = 5; }
        |     'четири '          { $return = 4; }
        |     'три '             { $return = 3; }
        |     'две '             { $return = 2; }
        |     'два '             { $return = 2; }
        |     'еден '            { $return = 1; }
        |     'една '            { $return = 1; }
        |     'нула '            { $return = 0; }

      tens:   'дваесет '         { $return = 20; }                    # try to find a word that represents
        |     'триесет '         { $return = 30; }                    # values 20,30,..,90
        |     'четириесет '      { $return = 40; }
        |     'педесет '         { $return = 50; }
        |     'шеесет '          { $return = 60; }
        |     'седумдесет '      { $return = 70; }
        |     'осумдесет '       { $return = 80; }
        |     'деведесет '       { $return = 90; }

     hundreds: 'деветстотини '   { $return = 900; }                   # try to find a word that represents
        |      'осумстотини '    { $return = 800; }                   # values 100,200,..,900
        |      'седумстотини '   { $return = 700; }
        |      'шестстотини '    { $return = 600; }
        |      'петстотини '     { $return = 500; }
        |      'четиристотини '  { $return = 400; }
        |      'триста '         { $return = 300; }
        |      'двесте '         { $return = 200; }
        |      'сто '            { $return = 100; }

      decade: tens 'и ' number                                        # tens и units (e.g. дваесет и три)
              { $return = $item[1] + $item[3]; }
        |     tens                                                    # plain tens (e.g. педесет)
              { $return = $item[1]; }
        |     number                                                  # plain number 0-19
              { $return = $item[1]; }

      century: hundreds 'и ' decade(?)                               # hundreds "и" decade (for remainder < 20 or tens only)
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif (!ref $_ && $_ =~ /^\d+$/) {
                     $return += $_;
                   }
                 }
                 $return ||= undef;
               }
        |      hundreds tens 'и ' number                             # hundreds tens "и" units
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif (!ref $_ && $_ =~ /^\d+$/) {
                     $return += $_;
                   }
                 }
                 $return ||= undef;
               }
        |      hundreds                                              # plain hundreds (e.g. двесте)
               { $return = $item[1]; }

    millenium: century(?) decade(?) 'илјада ' 'и ' century             # thousand "и" hundred (e.g. илјада и сто)
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif (!ref $_ && $_ =~ /^\d+$/) {
                     $return += $_;
                   } elsif ($_ eq "\x{0438}\x{043b}\x{0458}\x{0430}\x{0434}\x{0430} ") {
                     $return = ($return>0) ? $return * 1000 : 1000;
                   }
                 }
                 $return ||= undef;
               }
        |      century(?) decade(?) 'илјада ' 'и ' decade             # thousand "и" remainder (e.g. илјада и еден)
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif (!ref $_ && $_ =~ /^\d+$/) {
                     $return += $_;
                   } elsif ($_ eq "\x{0438}\x{043b}\x{0458}\x{0430}\x{0434}\x{0430} ") {
                     $return = ($return>0) ? $return * 1000 : 1000;
                   }
                 }
                 $return ||= undef;
               }
        |      century(?) decade(?) 'илјада ' century(?) decade(?)   # thousand with hundreds remainder
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif ($_ eq "\x{0438}\x{043b}\x{0458}\x{0430}\x{0434}\x{0430} ") {
                     $return = ($return>0) ? $return * 1000 : 1000;
                   }
                 }
                 $return ||= undef;
               }

      million: century(?) decade(?)                                  # try to find words that represents values
              'милион '                                              # from 1.000.000 to 999.999.999
               millenium(?) century(?) decade(?)
               { $return = 0;
                 for (@item) {
                   if (ref $_ && defined $$_[0]) {
                     $return += $$_[0];
                   } elsif ($_ eq "\x{043c}\x{0438}\x{043b}\x{0438}\x{043e}\x{043d} ") {
                     $return = ($return>0) ? $return * 1000000 : 1000000;
                   }
                 }
                 $return ||= undef;
               }
    });
}

# }}}
# {{{ ordinal2cardinal             convert ordinal text to cardinal text

sub ordinal2cardinal :Export {
    my $input = shift // return;

    # Macedonian (Cyrillic) ordinals: strip gender/definiteness suffixes, then map stems.
    # Masc indef: -и, fem: -а, neut: -о, masc definite: -от/-иот.
    # Stem-based lookup after stripping the single-char suffix.

    my %stem_to_cardinal = (
        'прв'            => 'еден',
        'втор'           => 'два',
        'трет'           => 'три',
        'четврт'         => 'четири',
        'петт'           => 'пет',
        'шест'           => 'шест',
        'седм'           => 'седум',
        'осм'            => 'осум',
        'деветт'         => 'девет',
        'десетт'         => 'десет',
        'единаесетт'     => 'единаесет',
        'дванаесетт'     => 'дванаесет',
        'тринаесетт'     => 'тринаесет',
        'четиринаесетт'  => 'четиринаесет',
        'петнаесетт'     => 'петнаесет',
        'шестнаесетт'    => 'шестнаесет',
        'седумнаесетт'   => 'седумнаесет',
        'осумнаесетт'    => 'осумнаесет',
        'деветнаесетт'   => 'деветнаесет',
        'дваесетт'       => 'дваесет',
        'триесетт'       => 'триесет',
        'четириесетт'    => 'четириесет',
        'педесетт'       => 'педесет',
        'шеесетт'        => 'шеесет',
        'седумдесетт'    => 'седумдесет',
        'осумдесетт'     => 'осумдесет',
        'деведесетт'     => 'деведесет',
        'двестот'        => 'двесте',
        'тристот'        => 'триста',
        'четиристотинит' => 'четиристотини',
        'петстотинит'    => 'петстотини',
        'шестстотинит'   => 'шестстотини',
        'седумстотинит'  => 'седумстотини',
        'осумстотинит'   => 'осумстотини',
        'деветстотинит'  => 'деветстотини',
        'стот'           => 'сто',
        'илјадит'        => 'илјада',
        'милионт'        => 'милион',
        'нулт'           => 'нула',
    );

    # Hundreds cardinals that require "и" connector in cardinal form
    my %is_hundred = map { $_ => 1 } qw(
        сто двесте триста четиристотини петстотини
        шестстотини седумстотини осумстотини деветстотини
    );

    # Compound ordinals: ALL components are ordinal forms.
    # Normalize each word individually, then look up in the mapping.
    my @words = split /\s+/, $input;
    my @result;
    my $matched = 0;

    for my $word (@words) {
        # Strip gender/definiteness suffixes to get ordinal stem
        my $norm = $word;
        $norm =~ s{иот\z}{}xms            # masc definite: првиот → прв
            or $norm =~ s{от\z}{}xms      # masc definite short: првот → прв
            or $norm =~ s{ата\z}{}xms     # fem definite: првата → прв
            or $norm =~ s{ото\z}{}xms     # neut definite: првото → прв
            or $norm =~ s{и\z}{}xms       # masc indef: први → прв
            or $norm =~ s{а\z}{}xms       # fem indef: прва → прв
            or $norm =~ s{о\z}{}xms;      # neut indef: прво → прв

        if (exists $stem_to_cardinal{$norm}) {
            push @result, $stem_to_cardinal{$norm};
            $matched = 1;
        }
        else {
            push @result, $word;  # pass through unchanged (connectors like "и")
        }
    }

    return undef unless $matched;

    # Macedonian cardinals require "и" between hundreds and what follows
    # when there's a single-value remainder (unit/teen/round-tens).
    # Insert "и" after hundreds token when no "и" follows yet.
    if (@result >= 2 && exists $is_hundred{$result[0]}
        && !grep { $_ eq 'и' } @result) {
        splice @result, 1, 0, 'и';
    }

    return join(' ', @result);
}

# }}}

1;

__END__