ماڈیول:hi-translit

ویکی لغت سے

مثال[ترمیم]

[[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 परदेश की अतिरिक्त शासकीय भाषा है#ہندی|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 परदेश की अतिरिक्त शासकीय भाषा है।]] (اُرْدُو بھاشؕا ہِنْد آرْیا بھاشؕا ہَے۔ اُرْدُو بھاشؕا ہِنْدُسْتانِی بھاشؕا کِی ایک مانکِیکْرِت رُوپ مانِی جاتِی ہَے۔ اُرْدُو میں سَنْسْکْرِت کے تَتْسَم شَبْد نْیُون ہَیں اَور اَربِی-فارسِی اَور سَنْسْکْرِت 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 پَردیش کِی اَتِرِکْت شاسکِییا بھاشؕا ہَے۔)


--ہندی زبان کی اردو نکل حرفی موڈیول (اور شائد دوسری دیوناگری زبانوں کے لئے، سوائے سنسکرت)

local export = {}
local U = mw.ustring.char
local gsub = mw.ustring.gsub
local match = mw.ustring.match
local sub = mw.ustring.sub
local pesh = U(0x64F)
local cons = "ببپتثجچحخدذرزژسشصضطظعغفقکگلࣇمنݨویہھٹڈڑ"
local cons5 = "ببپتثجچحخدذرزژسشصضطظعغفقکگلࣇمنݨوہھٹڈڑ"
local cons3 = "ھ"
local vowels = "اآیئےۓوؤ"
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",
["ृ"] = "ْرِ", 
["ॄ"] = "ر", 
["ॢ"] = "ل",
["ॣ"] = "ل", 
["े"] = "ی",
["ै"] = "َی",
["ो"] = "و", 
["ौ"] = "َو",
["ॉ"] = "‍ا",
["ॅ"] = "ی", 
["ॊ"] = "آ", 
["ॆ"] = "ای",
["्"] = "ْ", 
	
		["ँ"] = "ں",
 ["ं"] = "ں", ["ः"] = "ہ", ["ऽ"] = "",

		["०"] = "۰", ["१"] = "۱", ["२"] = "۲", ["३"] = "۳", ["४"] = "۴", ["५"] = "۵", ["६"] = "۶", ["७"] = "۷", ["८"] = "۸", ["९"] = "۹",
	        
	    ["॥"] = " ", ["।"] = "۔",
 ["?"] = "؟", ["—"] = ":",
 [";"] = "؛", ["%"] = "٪",  [","] = "،", ["!"] = "!", 
	    
	    ["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, mw.ustring.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 = mw.ustring.gsub(text, "([" .. cons5 .. "])ی$", "%1ے")
text = mw.ustring.gsub(text, "([رجچبپدتٹثکگلسشزژخقفغنم])(ْ)%1" ,"%1ّ") 
text = mw.ustring.gsub(text, "([" .. vowels .. ZZP .. "])اِ", "%1ئِ")
text = mw.ustring.gsub(text, "([" .. vowels .. ZZP .. "])اُ", "%1ءو")
text = mw.ustring.gsub(text, "([" .. vowels .. ZZP .. "])ای", "%1ئے")
text = mw.ustring.gsub(text, "([" .. vowels .. cons .. ZZP .. "])اِی", "%1ئی")
text = mw.ustring.gsub(text, "([" .. vowels .. cons .. ZZP .. "])اُو", "%1ؤ")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(َ)ی$", "%1َے")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])ی ", "%1ے ")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(َ)ی ", "%1َے ")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])ی۔", "%1ے۔")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(َ)ی۔", "%1َے۔")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])ی،", "%1ے،")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(َ)ی،", "%1َے،")

text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ِ)$", "%1ی")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ُ)$", "%1و")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ِ) ", "%1ی ")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ُ) ", "%1و ")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ِ)۔", "%1ی۔")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ُ)۔", "%1و۔")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ِ)،", "%1ی،")
text = mw.ustring.gsub(text, "([" .. cons5 .. "])(ُ)،", "%1و،")
text = mw.ustring.gsub(text, "([" .. vowels .. cons .. ZZP .. "])او", "%1ؤ")
text = mw.ustring.gsub(text, "+", "")
text = mw.ustring.gsub(text, "([" .. cons3 .. "])([" .. ZZP .. "])", "%2%1")
text = mw.ustring.gsub(text, "ئِی", "ئی")
text = mw.ustring.gsub(text, "ئےں","ئیں")
	return mw.ustring.toNFC(text)
end

return export