forked from clarin-eric/ParlaMint
-
Notifications
You must be signed in to change notification settings - Fork 0
/
validate-parlamint.xsl
408 lines (385 loc) · 15.3 KB
/
validate-parlamint.xsl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
<?xml version='1.0' encoding='UTF-8'?>
<!-- Xtra validation of ParlaMint corpus -->
<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
xmlns:tei="http://www.tei-c.org/ns/1.0"
xmlns="http://www.tei-c.org/ns/1.0"
xmlns:xi="http://www.w3.org/2001/XInclude"
exclude-result-prefixes="tei xi">
<xsl:output method="text"/>
<xsl:variable name="fileName" select="replace(base-uri(), '^.*?([^/]+\.xml)$', '$1')"/>
<xsl:variable name="id" select="/tei:*/@xml:id"/>
<xsl:variable name="idTemplate" select="'ParlaMint-[A-Z]{2}(-[A-Z0-9]{1,3})?(-[a-z]{2,3})?'"/>
<xsl:variable name="type">
<xsl:choose>
<xsl:when test="matches($fileName, concat($idTemplate,'\.ana\.xml$'))">ana</xsl:when>
<xsl:when test="matches($fileName, concat($idTemplate,'_.+\.ana\.xml$'))">ana</xsl:when>
<xsl:when test="matches($fileName, concat($idTemplate,'\.xml$'))">txt</xsl:when>
<xsl:when test="matches($fileName, concat($idTemplate,'_.+\.xml$'))">txt</xsl:when>
<xsl:otherwise>
<xsl:call-template name="error">
<xsl:with-param name="msg" select="concat('Bad filename ', $fileName)"/>
</xsl:call-template>
</xsl:otherwise>
</xsl:choose>
</xsl:variable>
<xsl:variable name="level">
<xsl:choose>
<xsl:when test="matches($fileName, concat($idTemplate,'_'))">component</xsl:when>
<xsl:when test="matches($fileName, concat($idTemplate,'(\.ana)?\.xml$'))">root</xsl:when>
<xsl:otherwise>
<xsl:call-template name="error">
<xsl:with-param name="msg" select="concat('Bad filename ', $fileName)"/>
</xsl:call-template>
</xsl:otherwise>
</xsl:choose>
</xsl:variable>
<xsl:template match="tei:teiCorpus">
<xsl:if test="not($fileName = concat($id, '.xml'))">
<xsl:call-template name="error">
<xsl:with-param name="msg">teiCorpus/@xml:id does not match filename</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="$level != 'root'">
<xsl:call-template name="error">
<xsl:with-param name="msg">Wrong ID of teiCorpus</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="$type = 'txt' and not(matches($id, $idTemplate))">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>teiCorpus ID should match ParlaMint-{ISO3166}(-{ISO639})?</xsl:text>
</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="$type = 'ana' and not(matches($id, concat($idTemplate,'\.ana')))">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>teiCorpus ID should match ParlaMint-{ISO3166}(-{ISO639})?.ana</xsl:text>
</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="tei:TEI">
<xsl:if test="not($fileName = concat($id, '.xml'))">
<xsl:call-template name="error">
<xsl:with-param name="msg">TEI/@xml:id does not match filename</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="$level != 'component'">
<xsl:call-template name="error">
<xsl:with-param name="msg">Wrong TEI ID</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:choose>
<xsl:when test="not(matches($id, concat($idTemplate,'_')))">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>TEI ID should match ParlaMint-{ISO3166}(-{ISO639})?_...</xsl:text>
</xsl:with-param>
</xsl:call-template>
</xsl:when>
<xsl:when test="matches($id, '_.+_')">
<xsl:call-template name="error">
<xsl:with-param name="severity">WARN</xsl:with-param>
<xsl:with-param name="msg">
<xsl:text>TEI ID should have only one underscore</xsl:text>
</xsl:with-param>
</xsl:call-template>
</xsl:when>
</xsl:choose>
<xsl:variable name="subcorpus-TEI">
<xsl:choose>
<xsl:when test="contains(@ana, '#reference')">reference</xsl:when>
<xsl:when test="contains(@ana, '#covid')">covid</xsl:when>
</xsl:choose>
</xsl:variable>
<xsl:variable name="subcorpus-text">
<xsl:choose>
<xsl:when test="contains(tei:text/@ana, '#reference')">reference</xsl:when>
<xsl:when test="contains(tei:text/@ana, '#covid')">covid</xsl:when>
</xsl:choose>
</xsl:variable>
<xsl:if test="not(normalize-space($subcorpus-TEI))">
<xsl:call-template name="error">
<xsl:with-param name="msg">TEI element should have #reference or #covid in @ana</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:choose>
<xsl:when test="not(normalize-space($subcorpus-text))">
<xsl:call-template name="error">
<xsl:with-param name="msg">text element should have #reference or #covid in @ana</xsl:with-param>
</xsl:call-template>
</xsl:when>
<xsl:when test="$subcorpus-TEI != $subcorpus-text">
<xsl:call-template name="error">
<xsl:with-param name="msg">subcorpus values in TEI/@ana and text/@ana do not match</xsl:with-param>
</xsl:call-template>
</xsl:when>
</xsl:choose>
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="tei:titleStmt">
<xsl:variable name="title" select="tei:title[@type = 'main']
[ancestor-or-self::tei:*[@xml:lang][1]/@xml:lang = 'en']"/>
<xsl:variable name="title-prefix">[^ ]+( [^ ]+)? parliamentary corpus <xsl:value-of select="$idTemplate"/></xsl:variable>
<xsl:variable name="title-suffix">
<xsl:choose>
<xsl:when test="/tei:teiCorpus and $type = 'txt'"> \[ParlaMint( SAMPLE)?\]$</xsl:when>
<xsl:when test="/tei:teiCorpus and $type = 'ana'"> \[ParlaMint\.ana( SAMPLE)?\]$</xsl:when>
<xsl:when test="/tei:TEI and $type = 'txt'">,? .+ \[ParlaMint( SAMPLE)?\]$</xsl:when>
<xsl:when test="/tei:TEI and $type = 'ana'">,? .+ \[ParlaMint\.ana( SAMPLE)?\]$</xsl:when>
</xsl:choose>
</xsl:variable>
<xsl:variable name="title-pattern" select="concat($title-prefix, $title-suffix)"/>
<xsl:if test="not(matches($title, $title-pattern))">
<xsl:call-template name="error">
<xsl:with-param name="msg" select="concat('Bad main title ', $title,
' (should match ', $title-pattern, ')')"/>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(tei:meeting)">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing meeting elements in titleStmt</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="tei:extent">
<xsl:if test="not(tei:measure[@unit='speeches'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing extent/measure[@unit='speeches'] in titleStmt</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(tei:measure[@unit='words'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing extent/measure[@unit='words'] in titleStmt</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:sourceDesc/tei:bibl[tei:date]">
<xsl:variable name="date" select="replace($id, '-+_(\d\d\d\d-\d\d-\d\d).*', '$1')"/>
<xsl:if test="$date != $id and tei:date/@when != $date">
<xsl:call-template name="error">
<xsl:with-param name="msg">sourceDesc//date does not match date in filename</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:settingDesc">
<xsl:variable name="date" select="replace($id, '-+_(\d\d\d\d-\d\d-\d\d).*', '$1')"/>
<xsl:if test="$date != $id and tei:date/@when != $date">
<xsl:call-template name="error">
<xsl:with-param name="msg">settingDesc/date does not match date in filename</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:idno">
<xsl:if test="matches(., 'hdl.handle.net') and
not(@type='handle' or @subtype='handle')">
<xsl:call-template name="error">
<xsl:with-param name="msg">handle URLs should be idno[@(sub)type='handle']</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:date | tei:time">
<xsl:if test="not(@when or @from or @to or @ana)">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing temporal or pointing attribute on date</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:classDecl">
<xsl:if test="not(tei:taxonomy[tei:desc/tei:term = 'Legislature'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing 'Legislature' taxonomy</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(tei:taxonomy[tei:desc/tei:term = 'Types of speakers'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing 'Types of speakers' taxonomy</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(tei:taxonomy[tei:desc/tei:term = 'Subcorpora'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing 'Subcorpora' taxonomy</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="$type = 'ana'">
<xsl:if test="not(tei:taxonomy[tei:desc/tei:term = 'Named entities'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing 'Named entities' taxonomy</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(tei:taxonomy[tei:desc/tei:term = 'UD syntactic relations'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing 'UD syntactic relations' taxonomy</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:if>
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="tei:listPrefixDef">
<xsl:if test="not(tei:prefixDef[@ident = 'ud-syn'])">
<xsl:call-template name="error">
<xsl:with-param name="msg">Missing UD prefixDef</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<!--xsl:template match="tei:person">
<xsl:variable name="id">
<xsl:variable name="names">
<xsl:variable name="persName">
<xsl:choose>
<xsl:when test="tei:persName[@xml:lang = 'en']">
<xsl:copy-of select="tei:persName[@xml:lang = 'en']"/>
</xsl:when>
<xsl:otherwise>
<xsl:copy-of select="tei:persName[1]"/>
</xsl:otherwise>
</xsl:choose>
</xsl:variable>
<xsl:for-each select="$persName//tei:surname">
<xsl:value-of select="."/>
</xsl:for-each>
<xsl:value-of select="$persName//tei:forename[1]"/>
</xsl:variable>
<xsl:value-of select="replace($names, '[\p{P}\p{S}\p{Z}]', '')"/>
</xsl:variable>
<xsl:variable name="id2" select="concat($id, replace(tei:birth/@when, '-.+', ''))"/>
<xsl:if test="@xml:id != $id and @xml:id != $id2">
<xsl:call-template name="error">
<xsl:with-param name="severity">WARN</xsl:with-param>
<xsl:with-param name="msg">
<xsl:text>Person ID </xsl:text>
<xsl:value-of select="@xml:id"/>
<xsl:text> could be </xsl:text>
<xsl:value-of select="$id"/>
<xsl:if test="$id != $id2">
<xsl:text> (or, if ambiguous, </xsl:text>
<xsl:value-of select="$id2"/>
<xsl:text>)</xsl:text>
</xsl:if>
</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template-->
<xsl:template match="tei:person/tei:affiliation
[@role='member'][not(@from or @to)]">
<xsl:variable name="ref" select="@ref"/>
<xsl:if test="following-sibling::tei:affiliation
[@role='member'][not(@from or @to)][@ref = $ref]">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Duplicate party affiliation for </xsl:text>
<xsl:value-of select="@ref"/>
</xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:org[not(@role)]">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Organisation without role for </xsl:text>
<xsl:value-of select="."/>
</xsl:with-param>
</xsl:call-template>
</xsl:template>
<xsl:template match="tei:name[@type='country'][not(@key)]">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Country without @key </xsl:text>
<xsl:value-of select="."/>
</xsl:with-param>
</xsl:call-template>
</xsl:template>
<xsl:template match="tei:u">
<xsl:choose>
<xsl:when test="not(@who)">
<!--xsl:call-template name="error">
<xsl:with-param name="severity">INFO</xsl:with-param>
<xsl:with-param name="msg">
<xsl:text>Element u without @who </xsl:text>
<xsl:value-of select="@xml:id"/>
</xsl:with-param>
</xsl:call-template-->
</xsl:when>
<xsl:when test="not(normalize-space(@who))">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Element u with empty @who </xsl:text>
<xsl:value-of select="@xml:id"/>
</xsl:with-param>
</xsl:call-template>
</xsl:when>
<xsl:when test="not(starts-with(@who, '#')) or contains(@who, ' ')">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Element u with ill-formed @who </xsl:text>
<xsl:value-of select="@xml:id"/>
</xsl:with-param>
</xsl:call-template>
</xsl:when>
</xsl:choose>
<xsl:if test="text()[normalize-space(.)]">
<xsl:call-template name="error">
<xsl:with-param name="msg">
<xsl:text>Orphan text in u </xsl:text>
<xsl:value-of select="@xml:id"/>
</xsl:with-param>
</xsl:call-template>
</xsl:if>
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="tei:w | tei:pc">
<xsl:if test="@msd and not(starts-with(@msd, 'UPosTag='))">
<xsl:call-template name="error">
<xsl:with-param name="msg" select="concat('Token @msd value should start with UPosTag= in ',
@xml:id)"/>
</xsl:call-template>
</xsl:if>
</xsl:template>
<xsl:template match="tei:linkGrp[@type='UD-SYN']/tei:link">
<xsl:if test="@ana = 'ud-syn:root'">
<!-- Leave this error to be reported by CoNLL-U validation -->
<!-- xsl:variable name="head" select="substring-after(
substring-before(@target, ' '),
'#')"/>
<xsl:if test="$head != ancestor::tei:s/@xml:id">
<xsl:variable name="token" select="substring-after(@target, ' ')"/>
<xsl:call-template name="error">
<xsl:with-param name="severity">WARN</xsl:with-param>
<xsl:with-param name="msg"
select="concat('UD root relation should have sentence ID as its head for ',
$token, ' head = ', $head, ' sent ID = ', ancestor::tei:s/@xml:id)"/>
</xsl:call-template>
</xsl:if-->
</xsl:if>
</xsl:template>
<xsl:template match="text()">
<xsl:if test="not(parent::tei:p or parent::tei:change) and normalize-space(.)">
<xsl:if test="not(preceding-sibling::tei:*) and matches(., '^ ')">
<xsl:call-template name="error">
<xsl:with-param name="severity">WARN</xsl:with-param>
<xsl:with-param name="msg" select="concat('Leading space in ', ../name(), ': ', .)"/>
</xsl:call-template>
</xsl:if>
<xsl:if test="not(following-sibling::tei:*) and matches(., ' $')">
<xsl:call-template name="error">
<xsl:with-param name="severity">WARN</xsl:with-param>
<xsl:with-param name="msg" select="concat('Trailing space in ', ../name(), ': ', .)"/>
</xsl:call-template>
</xsl:if>
</xsl:if>
</xsl:template>
<xsl:template name="error">
<xsl:param name="msg">???</xsl:param>
<xsl:param name="severity">ERROR</xsl:param>
<xsl:message>
<xsl:value-of select="$severity"/>
<xsl:text> </xsl:text>
<xsl:value-of select="/tei:*/@xml:id"/>
<xsl:text>: </xsl:text>
<xsl:value-of select="$msg"/>
</xsl:message>
</xsl:template>
</xsl:stylesheet>