initialization

2026-10-07 01:16:57 +02:00
commit 9ff09693ed
@@ -0,0 +1,156 @@
+# Wiktionary Random Word Generator - Verfeinerte Version
+
+Eine **hochoptimierte Version** des Wiktionary Random Word Generators mit verbesserter Definition-Extraktion und erweiterten Filteroptionen.
+
+## 🔧 Neue Verfeinerungen
+
+### Saubere Definition-Extraktion
+- **Entfernt führende Nummerierungen**: `1]`, `[2]`, `3)` werden automatisch entfernt
+- **Bereinigt Formatierungen**: Entfernt `:`, `•`, `>`, `(`, `"` am Anfang
+- **Intelligente Kleinschreibung**: Definitionen beginnen mit Kleinbuchstaben
+- **Bessere Lesbarkeit**: Cleaner, natürlicher Text ohne Wiki-Markup
+
+### Zahlen-Filter (Neu)
+- **`--exclude-numbers` Option**: Schließt Wörter mit Ziffern aus
+- **Intelligente Erkennung**: Filtert `5-mal`, `Jahr2024`, `3D-Drucker`
+- **Erhält Wörter**: `dreimal`, `hundert`, `eins` bleiben erlaubt
+- **Flexible Nutzung**: Optional aktivierbar per Parameter
+
+## 📋 Verwendung
+
+### Standard (Empfohlen)
+```bash
+# 50 deutsche Wörter mit sauberen Definitionen
+python wiktionary_random_refined.py -c 50 -l de
+```
+
+### Mit Zahlen-Ausschluss
+```bash
+# Keine Wörter mit Ziffern (5-mal, Jahr2024, etc.)
+python wiktionary_random_refined.py -c 30 --exclude-numbers
+
+# Kombiniert mit Wortart-Filter
+python wiktionary_random_refined.py -c 25 --include-pos verb adjektiv --exclude-numbers
+```
+
+### Erweiterte Kombinationen
+```bash
+# Englische Wörter, Namen erlaubt, aber keine Zahlen
+python wiktionary_random_refined.py -c 40 -l en --include-names --exclude-numbers
+
+# Nur Substantive und Verben, ohne Zahlen
+python wiktionary_random_refined.py -c 35 --include-pos substantiv verb --exclude-numbers
+```
+
+## 🎯 Definition-Bereinigung (Beispiele)
+
+### Vorher → Nachher
+```
+1] eine große Pflanze mit Stamm und Ästen
+→ eine große Pflanze mit Stamm und Ästen
+
+[2] übertragen: etwas Großes und Stabiles  
+→ übertragen: etwas Großes und Stabiles
+
+: [1] positive Eigenschaft oder Zustand
+→ positive Eigenschaft oder Zustand
+
+• erste Bedeutung: schön anzusehen
+→ erste Bedeutung: schön anzusehen
+
+(1) Gebäude zum Wohnen
+→ gebäude zum Wohnen
+```
+
+## 🔢 Zahlen-Filter (Beispiele)
+
+### Ausgeschlossen (mit --exclude-numbers)
+- `5-mal` → ❌ (enthält Ziffer)
+- `Jahr2024` → ❌ (enthält Ziffer)
+- `3D-Drucker` → ❌ (enthält Ziffer)
+- `42fach` → ❌ (enthält Ziffer)
+
+### Erlaubt
+- `dreimal` → ✅ (keine Ziffern)
+- `hundert` → ✅ (ausgeschrieben)
+- `eins` → ✅ (ausgeschrieben)
+- `Baum` → ✅ (keine Zahlen)
+
+## 🔧 Alle Parameter
+
+| Parameter | Kurz | Beschreibung | Standard |
+|-----------|------|--------------|----------|
+| `--count` | `-c` | Anzahl Wörter | 50 |
+| `--language` | `-l` | Sprache (de/en/fr/es/it) | de |
+| `--output` | `-o` | Output-Datei | refined_wordlist.csv |
+| `--include-pos` | - | Wortarten-Filter | adjektiv verb substantiv |
+| `--include-names` | - | Namen einschließen | False |
+| `--exclude-numbers` | - | **NEU**: Zahlen ausschließen | False |
+| `--verbose` | `-v` | Ausführliche Ausgabe | - |
+
+## 📊 Beispiel-Output
+
+```
+🎲 Wiktionary Random Word Generator (Verfeinerte Version)
+===========================================================================
+Sprache: DE
+Anzahl: 25
+Wortarten: adjektiv, verb, substantiv (Standard)
+Namen einschließen: Nein
+Zahlen ausschließen: Ja
+Output: refined_wordlist.csv
+===========================================================================
+
+Sammle Wörter aus Kategorien: adjektiv, verb, substantiv
+  Lade adjektiv aus Kategorie:Adjektiv (Deutsch)...
+    → 167 Wörter gefunden
+  Lade verb aus Kategorie:Verb (Deutsch)...
+    → 234 Wörter gefunden
+  Lade substantiv aus Kategorie:Substantiv (Deutsch)...
+    → 445 Wörter gefunden
+Gesamt gesammelt: 846 Wörter
+
+Verarbeite Kandidaten...
+    1/25: schön
+    2/25: laufen  
+    3/25: Baum
+    [...]
+   25/25: denken
+
+✅ 25 Wörter erfolgreich generiert!
+💾 Wortliste gespeichert in: refined_wordlist.csv
+
+📖 Beispiele aus der generierten Liste:
+-----------------------------------------------------------------
+ 1. schön              → ansprechend und angenehm in der Erscheinung...
+ 2. laufen             → sich zu Fuß mit schnellen Schritten fortbewegen...
+ 3. Baum               → großes, meist mehrjähriges Gewächs mit Stamm...
+ 4. intelligent        → geistig begabt, klug und aufgeweckt...
+ 5. sprechen           → mündlich kommunizieren, Worte äußern...
+    ... und 20 weitere Wörter
+```
+
+## 🚀 Verbesserungen gegenüber vorherigen Versionen
+
+### Definition-Qualität
+1. **Sauberer Text**: Keine störenden `1]`, `[2]` Präfixe mehr
+2. **Natürliche Sprache**: Definitionen lesen sich flüssiger
+3. **Konsistente Formatierung**: Einheitlicher Stil ohne Wiki-Markup
+4. **Bessere UX**: Professionellere, verwendbare Ausgabe
+
+### Filter-Präzision  
+1. **Zahlen-Kontrolle**: Optionaler Ausschluss numerischer Begriffe
+2. **Flexible Konfiguration**: Alle Filter kombinierbar
+3. **Intelligente Erkennung**: Unterscheidet Ziffern vs. ausgeschriebene Zahlen
+4. **Mehrschichtiger Ansatz**: Basis- + Kategorie- + Zahlen-Filter
+
+### Performance-Optimierungen
+1. **Effizientere Regex**: Optimierte Pattern für Definition-Bereinigung  
+2. **Reduzierte API-Calls**: Weniger Kategorien-Checks durch Vorfilterung
+3. **Bessere Kandidaten-Auswahl**: Höhere Erfolgsquote bei finaler Auswahl
+
+Das verfeinerte Script ist besonders geeignet für:
+- **Professionelle Anwendungen**: Saubere, verwendbare Definitionen
+- **Sprachlernen**: Klare, verständliche Erklärungen ohne Formatierungs-Chaos
+- **Datenqualität**: Konsistente, strukturierte Ausgabe
+- **Flexible Filterung**: Präzise Kontrolle über Inhaltstypen