Le générateur de vocabulaire

caractères = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h' ,'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 'ç', 'π', 'í','î','ó','õ','ô','é','è', 'ê','á','à','â', 'ã','ý','ú','ù','û','ń','ũ','ġ','ṅ','ȯ','ȧ','ė','œ','ὶ']

consonnes = ['b','c','d','f','g','h','j','k','l','m','n','p','q','r','s','t','v','w','x','z','π','ç','ń', 'ġ', 'ṅ']

import numpy as np
import pandas as pd
import random

# Générateur de vocabulaire.

Lfr = ['bonjour', 'moine', 'terre', 'train', 'fraise', 'asticot', 'camionnette', 'anthropologue', 'inconstitutionnel', 'troupeau', 'loin', 'proche', 'semblable',
              'autorité', 'république', 'amande', 'framboise', 'rocher', 'plinthe', 'trouille', 'visage', 'triche', 'saumon', 'poire', 'chaise', 'embûche', 'château',
              'poil', 'pieds', 'main', 'trottinette', 'trou', 'creuser', 'ambulance', 'tactique', 'banque', 'manque', 'pétanque', 'peau', 'gibier', 'marinade', 'auge',
              'camion', 'cerise', 'ciboulette', 'attention', 'clé', 'moins', 'plus', 'fourmi', 'frère', 'piètre', 'ongle', 'cochon', 'ciseau', 'morceau',
              'ancre', 'timbre', 'question', 'braquage', 'autorisation', 'milieu', 'ambience', 'pointe', 'colle', 'mortier', 'béton', 'opération', 'piano', 'poisson',
              'gens', 'résoudre', 'mâle', 'quille', 'puit', 'puis', 'immense', 'journée', 'lycée', 'collège', 'école', 'plante', 'fleur', 'rose', 'épouventail', 'triste',
              'bande', 'corde', 'mouillé', 'grenouille', 'homme', 'herbivore', 'carnivore', 'agriculture', 'vraiment', 'absolument', 'aimant', 'voiture', 'eau', 'marée',
              'vache', 'adulte', 'enfant', 'âge', 'glace', 'cahier', 'huile', 'olive', 'chêne', 'chaine', 'mutation', 'objection', 'cuisine', 'cuisson', 'pensée', 'occupation',
              'apogée', 'beau', 'brioche', 'arpon', 'scie', 'méthode', 'notation', 'rugissement', 'braise', 'câlin', 'pâté', 'atterrissage', 'molusque', 'graine', 'pomme',
              'faire', 'fable', 'chef', 'foncer', 'mois', 'faux', 'appeler', 'éclipse', 'cigogne', 'oiseau', 'pillage', 'détention', 'arme', 'ville', 'incorporation',
              'mouette', 'pédigrée', 'horloge', 'poivre', 'piqûre', 'aiguille', 'montre', 'chemise', 'train', 'baie', 'proie', 'grenouille', 'abeille', 'mercenaire', 'client',
              'maître', 'mètre', 'genoux', 'bâteau', 'marchand', 'marchandise', 'pluie', 'lanterne', 'cheminée', 'chemin', 'promenade', 'vadrouille','auberge', 'prise',
              'déjà', 'répétition', 'amicalement', 'plèbe', 'route', 'axe', 'multifonction', 'pelouse', 'gingembre', 'plaque', 'amour', 'bataille','échantillon', 'moulure',
              'rébellion', 'plutôt', 'tard', 'matinée', 'élève', 'frère', 'épaisseur', 'élément', 'électricité', 'précis', 'brouillard', 'lumière','obscurité', 'travaux',
              ]


#vocabulaire sétolais
Lst = ['yalli', 'yona', 'yóduc', 'chõta', 'moġaia', 'mirayi', 'nópio', 'botola', 'ectri', 'nurieny', 'méno', 'subrar', 'núma', 'noren', 'pral', 'tunedur', 'umoê',
              'sabi', 'sumodo', 'milaya', 'tríbi', 'pirimê', 'fraudulia', 'dinye', 'menye', 'idayè','ilayè', 'anles', 'kavoto', 'minila', 'pirila','melendoí', 'obre', 'bobe',
              'lyguô', 'kóca', 'mnéia', 'amoi', 'era', 'anubedel', 'yonna', 'póla', 'póldya','éçota', 'umachero', 'ekil', 'uyaban', 'ayubeia', 'goiodrina', 'nodsilya',
              'nidavolia', 'nodomi', 'iélyara', 'cholidona', 'kando', 'nodari', 'mibiono', 'motona', 'midoyona', 'oqual', 'oquelávai','avela', 'méla', 'oessi', 'oessikí',
              'ispralúlitsia', 'iyiuril', 'helmin', 'himmyo', 'midara', 'kana', 'sana', 'sono', 'andai', 'oldiy', 'numanori', 'numanari', 'nôra', 'solca', 'indala', 'nossura',
              'nedura', 'mnonin', 'créayi', 'nado', 'mnoliká', 'fona', 'oanadara', 'empradache', 'enqualyer', 'mína', 'kinosa', 'kinoçue', 'edansoni', 'bolcheçi', 'arome',
              'telmoyona', 'adono', 'telmo', 'chayul', 'memmo', 'gald', 'bíbara', 'ochaire', 'poroar', 'preigure', 'timequoro', 'kimetre', 'aorie', 'chilori', 'chihodola',
              'mohoirê', 'trichomoni','numia', 'avatya', 'saπuva', 'piπan', 'nomoilara', 'fatosya', 'énnula', 'hómona', 'sutori', 'uquela', 'ternuri', 'yevura', 'midionoche',
              'ȯmonè', 'pêra', 'gaía', 'scóla', 'yó', 'ly', 'aru', 'ori', 'ari', 'elye', 'olye', 'si', 'tye', 'lye', 'arebõ', 'nomõ', 'heitil', 'fomula', 'πedre', 'kanola',
              'kano', 'úfocha', 'utamore', 'hiolye', 'ulya', 'nuldriyona', 'iloce', 'kalanchoi', 'chima', 'fóra', 'íay', 'yoriy', 'averdú', 'fori', 'lúça','fûla', 'nú',
              'rímei', 'tórya', 'umara', 'chaí', 'ferifôga', 'amandôla', 'chý', 'apona', 'piure', 'mýra', 'unamai', 'séla', 'adurma', 'pastirel', 'éfra', 'kara', 'rehivérai',
              'kaora', 'prei', 'eyodora', 'nandora', 'heilaora', 'quore', 'tyei', 'kage', 'vandúrei','chozisiadatπi', 'piore', 'iyor', 'uvgaro', 'sila', 'kalὶ'
              ]


Llat = ['astrapia','asirensis','asilus','atelornis','augusticauda','aurantia', 'aureonucha', 'auriparus','heterophylla','cymosa','chinensis','centaurea','chelone','millefolium'
       ,'commelina','pogoniulus','batuensis','bellicosa','bengalensis','bombycivora','borealis', 'fulicata','fulica','fuelleborni','fregilus','fratercula','fremitus','formosa',
       'foudia','floresia','eximiornis','euryptera','errolius','eriona','epichlora','epicypselus','endemion','enganensis','elgonensis','edolius','dumicola', 'dumetia','dorsofusca',
       'diluvialis','dinelli','daseocharis','graminicola','gratiosus','griseoviridis','gyrola','halcyonopa','halophila','harmonica','havanensis','helenae','heliobates','herodias',
       'holopolia','humeralis','hypochionis','icterotis','ignoratus','iliacus','iliornis','imperator','immaculata','inaequalis','inerme','infusca','iridosornis','ipoborus',
       'ixidia']


Lpt = ['mãe', 'pai', 'escurecido', 'aldeia', 'pessoa', 'ninguém', 'ferramenta', 'avaliação', 'criança', 'pequeno', 'atrasado', 'sobremesa', 'repente', 'comer', 'andar', 'direito',
      'ordem', 'conteúdo', 'abraçar', 'carinho', 'maldição', 'busca', 'arquivo', 'antes', 'depois', 'fora', 'dentro', 'além', 'ameaça', 'cão', 'bola', 'avenida', 'centro', 'gato',
      'atrapalhado', 'cinzento', 'vermelho', 'amarelo', 'deixar', 'máquina', 'tubarão', 'golfim', 'peixe', 'pêrola', 'lavagem', 'mosca', 'petisco', 'qualquer', 'idioma', 'escrito',
      'momento', 'mulher', 'homem', 'filho', 'rapariga', 'rapaz', 'segurança', 'evento', 'cultura', 'cerimônia', 'mariposa']


vocabulaire =   Lst



caractères = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h' ,'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't',
             'u', 'v', 'w', 'x', 'y', 'z', 'ç', 'π', 'í','î','ó','õ','ô','é','è', 'ê','á','à','â', 'ã','ý','ú','ù','û','ń','ũ','ġ','ṅ','ȯ','ȧ','ė','œ','ὶ'
]

consonnes = ['b','c','d','f','g','h','j','k','l','m','n','p','q','r','s','t','v','w','x','z','π','ç','ń', 'ġ', 'ṅ']

# méthode des divisions dynamiques, max nl_Q = 3 lettres
nl_Qmax = 3 # on choisit un nombre maximum de 3 lettres par division

long=[]
for k in vocabulaire:
   long.append(len(k))
maxLettres = max(long)

       
Qmax = (maxLettres - 2) / nl_Qmax # nombre de divisions considérées


def Q(q):
   if (int(q)+1)%2==0:
       q = int(q)+1
   else:
       q = int(q)+2
   return q
   
Qmax = Q(Qmax)


table_pos = np.zeros(len(caractères)*(Qmax+2))
table_pos = table_pos.reshape(len(caractères), Qmax+2)

liste_Q = [i+1 for i in range(Qmax+2)]

table_pos = pd.DataFrame(data=table_pos, index=caractères, columns=liste_Q)


#1 parcourir le vocabulaire

for mot in vocabulaire:
   # trouver le nombre de divisions par mot
   nQ = Q((len(mot)-2) / nl_Qmax)
   # trouver le nombre de lettre par division par mot
   nl_Q = int((len(mot)-2)/nQ-0.5)+1
   # parcourt des divisions
   table_pos.loc[mot[0], [1]] += 1
   table_pos.loc[mot[-1], [Qmax+2]] += 1
   
   for k in range(1,int(nQ/2+1)):
       for i in range(1,nl_Q+1):
           table_pos.loc[mot[i],[2*k]] += 1
           table_pos.loc[mot[-(i+1)],[2*k+1]] += 1
           

# longueur des mots du vocabulaire

long_mots = np.zeros(max(long))
Lm = [i+1 for i in range(len(long_mots))]
long_mots = pd.DataFrame(data=long_mots, index=[Lm], columns=['longueur'])
         
# établissement de la table de la fréquence des lettres entre elles

table = np.zeros(len(caractères)**2)
table = table.reshape(len(caractères),len(caractères))

table = pd.DataFrame(data=table, index = caractères, columns = caractères)


   
for k in range(len(vocabulaire)):
   
   long_mots.loc[len(vocabulaire[k])] += 1
   
   for i in range(len(vocabulaire[k])-1):
       table.loc[vocabulaire[k][i],vocabulaire[k][i+1]] += 1




def pos_3(séq, mot): #donne la position d'une séquence donnée dans un mot. 3 positions considérées, début, fin et autre.
   pos = [0,0,0]
   if séq in mot:
       if séq[0] == mot[0]:
           pos[0] += 1
       elif séq[-1] == mot[-1]:
           pos[-1] += 1
       else:
           pos[1] += 1
   else:
       return 'nope'
   return pos



def seq_3(mot): #extrait les séquences de + de 3 d'un mot (consonnes ou voyelles à la suite)
   L=[]
   Lc = np.zeros(len(mot))
   Lv = np.zeros(len(mot))
   for l in range(len(mot)):
       if mot[l] in consonnes:
           Lc[l]=1
       else:
           Lv[l]=1
   #print(Lc, len(mot))
   
   i=0
   while i!=len(mot):
       j = Lc[i]
       c = 0
       while Lc[i]==j:
           c += 1
           #print('i,Lc[i],j=',i,Lc[i],j, 'c=',c)
           if i == len(mot)-1:
               i +=1
               break
           else:
               i += 1
       
       if c>2:
           m = mot[i-c]
           #print(m)
           for k in range(1,c):
               m = m + mot[i-c+k]
               #print(k,mot[i-c+k], m)
           L.append(m)
       
   return L



Lséq = []
Lpos = []
table_3 = pd.DataFrame(columns=['1l','ml','dl'])
for mot in vocabulaire:
   séq = seq_3(mot)
   if séq!=[]:
       for k in séq:
           if séq not in table_3.index.values:
               table_3.loc[k]=pos_3(k,mot)
           else:
               table_3.loc[k]+=pos_3(k,mot)
       
           


def reecriture(séq, mot, Lettres):
   m = séq[0]
   table_corr = table.copy()
   
   for k in range(1,len(séq)-1):
       if séq in table_3.index.values:
           table_corr.loc[séq[k-1],séq[k]] -= table_3.loc[séq].sum()
       proba = table_corr.loc[séq[k-1]].mul(table_pos[Lettres[mot.find(séq)+k]])    
       l = random.choices(proba.index, proba[:])[0]
       m = m + l
       #print('m=',m)
   
   #print('l=',l,'len...=',mot[mot.find(séq)+len(séq)])
       
   m += random.choices(proba.index, proba[:])[0]
   
   return m



# Génération de mots


def génération_de_mots(n_mots, rewrite=False):
   L_mots = []
   
   for k in range(n_mots):
       # choix aléatoire de la longueur du mot suivant fréquence dans le vocabulaire
       lg_mot = random.choices(long_mots.index, long_mots['longueur'])
       nQ = Q((lg_mot[0][0]-2) / nl_Qmax)

       indices = [i for i in range(2,nQ+2)]
       
       nl_Q = int((lg_mot[0][0]-2)/nQ-0.5)+1
       Lettres = np.zeros(lg_mot[0][0])
       décompte = lg_mot[0][0] - 2
       
       l = 1
       Lettres[0] = 1
       Lettres[-1] = liste_Q[-1]
       
       lp = 1
       li = décompte
       
       
       for i in indices:
           
           if i%2 == 0:
               l = lp
           else:
               l = li


           for p in range(nl_Q):  
               Lettres[l] = i
               décompte -= 1
               if i%2 == 0:
                   lp += 1
                   l = lp
               else:
                   li -= 1
                   l = li
       for j in range(len(Lettres)):
           if Lettres[j]==0:
               Lettres[j]=i
           
       
       Mot = random.choices(table_pos.index, table_pos[1])[0]
       lettre = Mot
       
       m=0
       for le in range(1,len(Lettres)):
           
           proba = table.loc[lettre].mul(table_pos[Lettres[le]])
           
           lettre = random.choices(proba.index, proba[:])[0]
           
           Mot = Mot + lettre
           
           #réécriture
       if rewrite==True:
           cond=True
           while cond==True:
               sequ = seq_3(Mot)
               if sequ==[]:
                   break
               for q in sequ:
                   if q not in table_3.index.values:
                       cond=True

                   elif 2 not in (table_3.loc[q] + pos_3(q,Mot)).values:
                       cond=True
                   else:
                       cond=False
                   if cond==True:
                       new_séq = reecriture(q,Mot,Lettres)
                       Mot = Mot.replace(q,new_séq)
                                 
       L_mots.append(Mot)
           
   return L_mots