Module:hi-convert
- The following documentation is located at Module:hi-convert/documentation. [edit]
- Useful links: subpage list • links • transclusions • testcases • sandbox
Introduction
[edit]This module transliterates Hindi (Devanagari) texts into the Urdu (Perso-Arab) script. It intends to transliterate lemmas, how they are written in Devanagari, for instance: नज़र (nazar) ➞ نَزَر, instead of نَظَر (naz̤ar), as it is impossible to correctly associate foreign Urdu letters.
Sanskrit Retroflex letters
[edit]Compound letters have been made to represent Sanskrit letters, sounds which are not natively found in Hindi or Urdu, thus are not recognised in Urdu. These are all Retroflex sounds, and such sounds are indicated in Urdu with a small tah, and the same case has been applied here, with the corresponding non-Retroflex Urdu letters. These letters are:
Tests
[edit]ॐ त्र्यम्बकं यजामहे सुगन्धिं पुष्टिवर्धनम् । उर्वारुकमिव बन्धनान् मृत्योर् मुक्षीय माऽमृतात् ॥ कः खगौघाङचिच्छौजा झाञ्ज्ञोऽटौठीडडण्ढणः। तथोदधीन् पफर्बाभीर्मयोऽरिल्वाशिषां सहः॥
Devanagari
[edit]اوم تْرْیَمْبَکں یَجامہے سُگَنْدِھں پُشْؕٹِوَرْدَھنَمْ ۔ اُرْوارُکمِو بَنْدَھنانْ مرتْیورْ مُکْشِؕییا مامرتاتْ کَہ کَھگَوگھانچِچَّھوجا جھاڃْگْیوٹَوٹِھیڈڈَݨْڈَھݨَہ۔ تَتھوددِھینْ پَپَھرْبابِھیرْمَیورِلْواشِشؕاں سَہَہ
Example
[edit]उर्दू भाषा हिन्द आर्य भाषा है। उर्दू भाषा हिन्दुस्तानी भाषा की एक मानकीकृत रूप मानी जाती है। उर्दू में संस्कृत के तत्सम शब्द न्यून हैं और अरबी-फ़ारसी और संस्कृत से तद्भव शब्द अधिक हैं। ये मुख्यतः दक्षिण एशिया में बोली जाती है। यह भारत की शासकीय भाषाओं में से एक है तथा पाकिस्तान की राष्ट्रभाषा है। इस के अतिरिक्त भारत के राज्य जम्मू और कश्मीर की मुख्य प्रशासनिक भाषा है। साथ ही तेलंगाना, दिल्ली, बिहार और उत्तर प्रदेश की अतिरिक्त शासकीय भाषा है।
Urdu
[edit]چای لِئے اُرْدُو بھاشؕا ہِنْد آرْیا بھاشؕا ہَے۔ اُرْدُو بھاشؕا ہِنْدُسْتانِی بھاشؕا کِی ایک مانکِیکرت رُوپ مانِی جاتِی ہَے۔ اُرْدُو میں سَنْسْکرت کے تَتْسَم شَبْد نْیُون ہَیں اَور اَربِی-فارسِی اَور سَنْسْکرت سے تَدْبَھو شَبْد اَدِھک ہَیں۔ یی مُکھْیاتَہ دَکْشِؕݨ ایشِیا میں بولِی جاتِی ہَے۔ یَہ بھارَت کِی شاسکِییا بھاشؕاؤں میں سے ایک ہَے تَتھا پاکِسْتان کِی راشْؕٹْرَبھاشؕا ہَے۔ اِس کے اَتِرِکْت بھارَت کے راجْیا جَمُّو اَور کَشْمِیر کِی مُکھْیا پْرَشاسنِک بھاشؕا ہَے۔ ساتھ ہِی تیلَنْگانا، دِلِّی، بِہار اَور اُتَّر پْرَدیش کِی اَتِرِکْت شاسکِییا بھاشؕا ہَے۔
local export = {}
local gsub = mw.ustring.gsub
local match = mw.ustring.match
local sub = mw.ustring.sub
local cons = "ببپتثجچحخدذرزژسشصضطظعغفقکگلࣇمنݨویہھٹڈڑ"
local cons5 = "ببپتثجچحخدذرزژسشصضطظعغفقکگلࣇمنݨوہھٹڈڑ"
local cons3 = "ھ"
local vowels = "ایئےۓوؤآ"
local ZZP = "َُِ"
local conv = {
["क"] = "ک", ["ख"] = "کھ", ["ग"] = "گ", ["घ"] = "گھ", ["ङ"] = "ن",
["च"] = "چ", ["छ"] = "چھ", ["ज"] = "ج", ["झ"] = "جھ", ["ञ"] = "ڃ",
["ट"] = "ٹ", ["ठ"] = "ٹھ", ["ड"] = "ڈ", ["ढ"] = "ڈھ", ["ण"] = "ݨ",
["त"] = "ت", ["थ"] = "تھ", ["द"] = "د", ["ध"] = "دھ", ["न"] = "ن",
["प"] = "پ", ["फ"] = "پھ", ["ब"] = "ب", ["भ"] = "بھ", ["म"] = "م",
["य"] = "+ی+", ["र"] = "ر", ["ल"] = "ل", ["व"] = "+و+", ["ळ"] = "ࣇ",
["श"] = "ش", ["ष"] ="شؕ", ["स"] = "س", ["ह"] = "ہ",
['क़'] = 'ق', ['ख़'] = 'خ', ['ग़'] = 'غ', ['ऴ'] = 'ࣇ',
['ज़'] = 'ز', ['ष़'] = 'ࣇ', ['झ़'] = 'ژ', ['श़'] = 'ژ', ['ड़'] = 'ڑ', ['ढ़'] = 'ڑھ',
['फ़'] = 'ف', ['थ़'] = 'ث', ['ऩ'] = 'ن', ['ऱ'] = 'ر',
-- ['ज्ञ'] = 'گْی',
["अ"] = "اَ", ["आ"] = "آ", ["इ"] = "اِ", ["ई"] = "اِی", ["उ"] = "اُ", ["ऊ"] = "اُو", ["ऋ"] = "ر", ["ॠ"] = "ر",
["ऌ"] = "ل", ["ॡ"] = "ل", ["ए"] = "ای", ["ऐ"] = "اَی", ["ओ"] = "او", ["औ"] = "اَو",
["ऑ"] = "آ",
["ऍ"] = "ای",
["ऒ"] = "آ",
["ऎ"] = "ای",
["ा"] = "ا", ["ि"] = "ِ", ["ी"] = "ِی",
["ु"] = "ُ", ["ू"] = "ُو",
["ृ"] = "ر",
["ॄ"] = "ر",
["ॢ"] = "ل",
["ॣ"] = "ل",
["े"] = "ی",
["ै"] = "َی",
["ो"] = "و",
["ौ"] = "َو",
["ॉ"] = "ا",
["ॅ"] = "ی",
["ॊ"] = "آ",
["ॆ"] = "ای",
["्"] = "ْ",
["ँ"] = "ں",
["ं"] = "ں", ["ः"] = "ہ", ["ऽ"] = "",
["०"] = "٠", ["१"] = "١", ["२"] = "٢", ["३"] = "٣", ["४"] = "٤", ["५"] = "٥", ["६"] = "٦", ["७"] = "٧", ["८"] = "٨", ["९"] = "٩",
["॥"] = " ", ["।"] = "۔",
["?"] = "؟", ["—"] = ":",
[";"] = "؛", ["%"] = "٪", [","] = "،", ["!"] = "!",
["ᳵ"] = "خ", ["ᳶ"] = "ف",
["ॐ"] = "اوم",
["*"] = "*",
['॰'] = '.',
}
local nasal_assim_short = {
['क'] = 'ङ्', ['ख'] = 'ङ्', ['ग'] = 'ङ्', ['घ'] = 'ङ्', ['ङ'] = 'ङ्',
['च'] = 'ञ्', ['छ'] = 'ञ्', ['ज'] = 'ञ्', ['झ'] = 'ञ्', ['ञ'] = 'ञ्',
['ट'] = 'ण्', ['ठ'] = 'ण्', ['ड'] = 'ण्', ['ढ'] = 'ण्', ['ण'] = 'ण्',
['त'] = 'न्', ['थ'] = 'न्', ['द'] = 'न्', ['ध'] = 'न्', ['न'] = 'न्',
['प'] = 'म्', ['फ'] = 'म्', ['ब'] = 'म्', ['भ'] = 'म्', ['म'] = 'म्',
['व'] = 'म्', ['य'] = 'ँ', ['ष'] = 'न्', ['श'] = 'न्', ['स'] = 'न्',
['ह'] = 'ँ'
}
local nasal_assim_long = {
['क'] = 'ँ', ['ख'] = 'ँ', ['ग'] = 'ङ्', ['घ'] = 'ङ्', ['ङ'] = 'ङ्',
['च'] = 'ँ', ['छ'] = 'ँ', ['ज'] = 'ञ्', ['झ'] = 'ञ्', ['ञ'] = 'ञ्',
['ट'] = 'ँ', ['ठ'] = 'ँ', ['ड'] = 'ण्', ['ढ'] = 'ण्', ['ण'] = 'ण्',
['त'] = 'न्', ['थ'] = 'न्', ['द'] = 'न्', ['ध'] = 'न्', ['न'] = 'न्',
['प'] = 'ँ', ['फ'] = 'ँ', ['ब'] = 'म्', ['भ'] = 'म्', ['म'] = 'म्',
['ह'] = 'ँ'
}
-- These clusters when occurring word-finally will not trigger a schwa added
-- after them even though the second consonant is in special_cons, which normally
-- causes the extra schwa to be added. NOTE: The clusters are reversed from their
-- ultimate effect, e.g. the first cluster is written 'ml' but actually applies
-- to words ending in 'lm'. The clusters below overall refer to the six clusters
-- describable by [rl][mnv], i.e. rm, rn, rv, lm, ln, lv.
local perm_cl = {
['म्ल'] = true, ['व्ल'] = true, ['न्ल'] = true,
['म्र'] = true, ['व्र'] = true, ['न्र'] = true,
}
local all_cons, special_cons = 'कखगघङचछजझञटठडढतथदधपफबभशषसयरलवहणनम', 'यरलवहनम'
local vowel, vowel_sign = '*َaिुृेोाीूैौॉॅॆॊ\'', 'अइउएओआईऊऋऐऔऑऍ\''
local long_vowel, short_vowel = 'ाीूआईऊ', '*َaिुृॉॅॆॊअइउऋऑऍोैौेओऔएऐ\''
local syncope_pattern = '([' .. vowel .. vowel_sign .. '])(़?[' .. all_cons .. '])َ(़?[' .. all_cons .. '])([ंँ]?[' .. vowel .. vowel_sign .. '])'
local function rev_string(text)
local result, length = {}, mw.ustring.len(text)
for i = length, 1, -1 do
table.insert(result, sub(text, i, i))
end
return table.concat(result)
end
function export.tr(text, lang, sc)
--force word-final anusvara to behave as a pure nasal
text = gsub(text, 'ं$', 'ں')
text = gsub(text, 'ं ', 'ں ')
text = gsub(text, 'ं%-', 'ں-')
text = gsub(text, 'ं%।', 'ں۔')
text = gsub(text, 'ं%,', 'ں،')
--abbreviation dot
text = gsub(text, '॰', '.')
text = gsub(text, '([' .. all_cons .. ']़?)([' .. vowel .. '्]?)', function(c, d)
return c .. (d == "" and 'َ' or d) end)
for word in mw.ustring.gmatch(text, "[ऀऀ-ॿَ*]+") do
local orig_word = word
word = rev_string(word)
word = gsub(word, '^َ(़?)([' .. all_cons .. '])(.)(.?)', function(opt, first, second, third)
return (((match(first, '[' .. special_cons .. ']') and match(second, '्') and not perm_cl[first..second..third])
or match(first .. second, 'य[ी]'))
and 'ا' or "") .. opt .. first .. second .. third end)
while match(word, syncope_pattern) do
word = gsub(word, syncope_pattern, '%1%2%3%4')
end
word = rev_string(word)
--sometimes chandrabindu != anusvara
word = gsub(word, '([' .. short_vowel .. long_vowel .. '])ं([सशषवय])', function(prev, succ)
return prev .. (nasal_assim_short[succ] or "ن") .. succ
end)
word = gsub(word, '([' .. short_vowel .. long_vowel .. '])ँ([सशषवय])', function(prev, succ)
return prev .. "ن" .. succ
end)
--force chandrabindu to behave as anusvara
word = gsub(word, 'ँ', 'ं')
word = gsub(word, '([' .. short_vowel .. '])ं(.़?)', function(prev, succ)
return prev .. (nasal_assim_short[succ] or "ن") .. succ
end)
word = gsub(word, '([' .. long_vowel .. '])ं(.़?)', function(prev, succ)
return prev .. (nasal_assim_long[succ] or "ن") .. succ
end)
-- Convert * to %* so we can match it in a regex.
local escaped_orig_word = gsub(orig_word, "%*", "%*")
text = gsub(text, escaped_orig_word, word)
end
text = gsub(text, '.़?', conv)
text = gsub(text, 'جْڃ', 'گْی')
text = gsub(text, 'ڃز', 'نز')
text = gsub(text, '%*', 'ا')
text = gsub(text, "ک़", "ق")
text = gsub(text, "کھ़", "خ")
text = gsub(text, "گ़", "غ")
text = gsub(text, "پھ़", "ف")
text = gsub(text, "ج़", "ز")
text = gsub(text, "جھ़", "ژ")
text = gsub(text, "ش़", "ژ")
text = gsub(text, "ڈ़" ,"ڑ")
text = gsub(text, "ڈھ़" ,"ڑھ")
text = gsub(text, "([" .. cons5 .. "])ی$", "%1ے")
text = gsub(text, "([رجچبپدتٹثکگلسشزژخقفغنم])(ْ)%1" ,"%1ّ")
text = gsub(text, "([" .. vowels .. ZZP .. "])اِ", "%1ئِ")
text = gsub(text, "([" .. vowels .. ZZP .. "])اُ", "%1ءو")
text = gsub(text, "([" .. vowels .. ZZP .. "])ای", "%1ئے")
text = gsub(text, "([" .. vowels .. cons .. ZZP .. "])اِی", "%1ئی")
text = gsub(text, "([" .. vowels .. cons .. ZZP .. "])اُو", "%1ؤ")
text = gsub(text, "([" .. cons5 .. "])(َ)ی$", "%1َے")
text = gsub(text, "([" .. cons5 .. "])ی ", "%1ے ")
text = gsub(text, "([" .. cons5 .. "])(َ)ی ", "%1َے ")
text = gsub(text, "([" .. cons5 .. "])ی۔", "%1ے۔")
text = gsub(text, "([" .. cons5 .. "])(َ)ی۔", "%1َے۔")
text = gsub(text, "([" .. cons5 .. "])ی،", "%1ے،")
text = gsub(text, "([" .. cons5 .. "])(َ)ی،", "%1َے،")
text = gsub(text, "([" .. cons5 .. "])(ِ)$", "%1ی")
text = gsub(text, "([" .. cons5 .. "])(ُ)$", "%1و")
text = gsub(text, "([" .. cons5 .. "])(ِ) ", "%1ی ")
text = gsub(text, "([" .. cons5 .. "])(ُ) ", "%1و ")
text = gsub(text, "([" .. cons5 .. "])(ِ)۔", "%1ی۔")
text = gsub(text, "([" .. cons5 .. "])(ُ)۔", "%1و۔")
text = gsub(text, "([" .. cons5 .. "])(ِ)،", "%1ی،")
text = gsub(text, "([" .. cons5 .. "])(ُ)،", "%1و،")
text = gsub(text, "([" .. vowels .. cons .. ZZP .. "])او", "%1ؤ")
text = gsub(text, "+", "")
text = gsub(text, "([" .. cons3 .. "])([" .. ZZP .. "])", "%2%1")
text = gsub(text, "ئِی", "ئی")
return mw.ustring.toNFC(text)
end
return export