pw-generator/utils/wordlist-generator/README-Wiktionary- Random-Words.md

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)

# 50 deutsche Wörter mit sauberen Definitionen
python wiktionary_random_refined.py -c 50 -l de

Mit Zahlen-Ausschluss

# 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

# 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