Cleanup in preparation for release. Add docstrings, remove basically empty _constants...
authorJoe Wreschnig <joe.wreschnig@gmail.com>
Mon, 22 Feb 2010 11:18:36 +0000 (03:18 -0800)
committerJoe Wreschnig <joe.wreschnig@gmail.com>
Mon, 22 Feb 2010 11:18:36 +0000 (03:18 -0800)
MANIFEST.in [new file with mode: 0644]
collate/__init__.py
collate/_abcollator.py
collate/_constants.py [deleted file]
collate/_locale.py
collate/codepoint.py
collate/errors.py
collate/icu/__init__.py
collate/syslocale.py
pycollate

diff --git a/MANIFEST.in b/MANIFEST.in
new file mode 100644 (file)
index 0000000..11aaf94
--- /dev/null
@@ -0,0 +1,5 @@
+include README.txt
+include tests/*/*.list.txt
+include tests/*/*.py
+include ZPL.txt
+include pycollate
index 7e89fe653828ce4a010f3bb9f31fe3b2abe671af..52d9e03de1b7a78cbfb4ae772a965a282e77ba00 100644 (file)
@@ -1,3 +1,35 @@
+"""collate - Sort strings intelligently.
+
+This module provides tools to sort strings in a 'human-expected' order.
+
+Because human expectations are fuzzy and often self-contradictory, the
+sort order is not guaranteed to be stable between versions of this
+module (rather the opposite - the primary reason to update it will
+probably be changed sort results).
+
+If available, this module uses the ICU localization library.
+Otherwise, it uses the system's locale database (and produces
+significantly worse results).
+
+Trivial Use:
+------------
+strings = read_strings(...)
+strings.sort(key=collate.key)
+
+Attributes:
+-----------
+backend - The default collation backend. If available, this is
+    collate.icu; otherwise, it is collate.syslocale. In special
+    situations, it may be collate.codepoint.
+
+collate - The default collator. This is the collator of the default
+    backend instantiated with the default system locale and encoding.
+
+"""
+
+__all__ = ["collator", "set_collator", "cmp", "key", "default",
+           "VERSION", "VERSION_STRING"]
+
 import collate.errors
 import collate._locale
 
@@ -14,32 +46,70 @@ try:
 except ImportError:
     pass
 
+VERSION = (0, 1)
+VERSION_STRING = ".".join(map(str, VERSION))
+
 collator = None
 
-def set_default(backend=None, locale=None, encoding=None):
+def set_collator(backend=None, locale=None, encoding=None):
+    """Set the default collation backend.
+
+    This function tries very hard not to fail; the resulting Collator
+    may not have the locale or encoding you specified (at the very
+    least, they will be normalized).  Remember to check
+    collator.locale and collator.encoding.
+
+    Arguments:
+    backend - 'icu', 'syslocale', or 'codepoint'; None to not change.
+    locale - e.g. 'en_US', or None for the system locale.
+    encoding - e.g. 'utf-8', or None for the system locale encoding
+
+    Returns:
+    The new default Collator instance, or None if no collator could be
+    created; if None is returned, the existing default Collator is
+    left intact.
+    
+    """
     global collator
     global default
 
     if backend is None:
         backend = default
     locales = collate._locale.localelist(locale)
-    c = None
+    possible = None
     for locale in locales:
         locale, encoding_ = collate._locale.getpair(locale, encoding)
         try:
-            c = backend.Collator(locale, encoding_)
+            possible = backend.Collator(locale, encoding_)
         except collate.errors.InvalidLocaleError:
             pass
         else:
             break
-    if c is not None:
-        collator = c
+    if possible is not None:
+        collator = possible
         default = backend
+        return collator
+    return possible
 
 def key(string):
-    return collator.key(string)
+    """Return a good sorting key for the string.
+
+    The sort key should be considered an opaque value which is only
+    meaningful when compared to other sort keys from the same
+    collator.
+
+    This is the same as collate.collator.sortemekey(string).
+    """
+    return collator.sortemekey(string)
 
 def cmp(a, b):
+    """Return negative if a < b, zero if a == b, positive if a > b.
+
+    This is the same as collate.collator.cmp(a, b).
+    """
     return collator.cmp(a, b)
 
-set_default()
+set_collator()
+
+if collator is None:
+    raise collate.errors.InvalidLocaleError("C")
index 12575eaed844603f039009a62262fe66b8d29ace..622766d3b5056c27ca9b9a98ce4609961dd11c1d 100644 (file)
@@ -1,13 +1,34 @@
+"""Abstract base collator."""
+
 import collate.strings
 
 class Collator(object):
+    """Abstract base class for Collators.
+
+    Attributes:
+    locale - the collator follows rules for this locale
+    encoding - assumed string encoding
+    """
+
+    locale = "C"
     encoding = "ascii"
 
+    def __init__(self, locale=None, encoding=None):
+        pass
+
     def cmp(self, string1, string2):
         """Return negative if a < b, zero if a == b, positive if a > b."""
         return cmp(self.key(string1), self.key(string2))
 
     def key(self, string):
+        """Return a good sorting key for the string.
+        
+        The sort key should be considered an opaque value which is
+        only meaningful when compared to other sort keys from the same
+        collator.
+        """
+        if isinstance(string, str):
+            string = string.decode(self.encoding, 'replace')
         return string
 
     def words(self, string):
@@ -19,9 +40,12 @@ class Collator(object):
     def sortemekey(self, string):
         """Return a key based on sortemes of a string.
 
-        If the string is a str instance, it is decoded to a unicode
-        instance according to the 'encoding' attribute of the
-        Collator.
+        A sorteme, by analogy with grapheme/morpheme/etc. is an atom
+        of sort information. This is larger than a word boundry but
+        smaller than a sentence boundry; roughly, a sorteme boundry
+        occurs between letters and numbers, between numbers and
+        numbers if 'too much' punctuation exists in between, between
+        lines.
         """
         if isinstance(string, str):
             string = string.decode(self.encoding, 'replace')
diff --git a/collate/_constants.py b/collate/_constants.py
deleted file mode 100644 (file)
index eb1786c..0000000
+++ /dev/null
@@ -1 +0,0 @@
-VERSION = 0.1
index 70c085aab0b70c7d4981ac0c877332a077ab5f96..d20e184c15d292e07084690472b5ea3b8e94b12e 100644 (file)
@@ -1,5 +1,7 @@
 """Locale utility routines."""
 
+__all__ = ["localelist", "encoding", "getpair"]
+
 import sys
 
 try:
@@ -12,8 +14,6 @@ try:
 except ImportError:
     codecs = None
 
-__all__ = ["localelist"]
-
 def localelist(*locales):
     """Normalize and return a list of locales, with appended defaults.
 
@@ -114,6 +114,7 @@ def encoding(preferred=None):
     return locale.getpreferredencoding() or sys.getdefaultencoding()
 
 def getpair(locale_, encoding_):
+    """If encoding_ is unspecified, get the locale encoding."""
     if "." in locale_:
         if encoding_ is None:
             locale_, encoding_ = locale_.rsplit(".", 1)
index e0bbcbd2f873dbc3cc05b3e3ce45080f3adafe5c..9987933e08ff3c61dfd784da49a00dfec90aa21b 100644 (file)
@@ -15,11 +15,11 @@ Avoid this backend if...
 
 """
 
+__all__ = ["Collator"]
+
 import collate._abcollator
 import collate._locale
 
-__all__ = ["Collate"]
-
 class Collator(collate._abcollator.Collator):
     """Codepoint-based collation.
 
@@ -29,15 +29,6 @@ class Collator(collate._abcollator.Collator):
     """
 
     def __init__(self, locale=None, encoding=None):
+        super(Collator, self).__init__(locale, encoding)
         dummy, self.encoding = collate._locale.getpair(locale, encoding)
         self.locale = "C"
-
-    def key(self, string):
-        """Sort key for a string.
-
-        If string is a str instance, it is first decoded according to
-        the 'encoding' attribute of the Collator.
-        """
-        if isinstance(string, str):
-            string = string.decode(self.encoding, 'replace')
-        return string
index cef5c0712dc156925a4e66682edee6ace8775715..ca8eec7c58c598a908da2cec889272c632f44884 100644 (file)
@@ -1,2 +1,11 @@
+"""Exception types for the collate module."""
+
 class InvalidLocaleError(ValueError):
-    pass
+    """Raised when an invalid locale is given to a function.
+
+    Attributes:
+    locale - the attempted invalid locale 
+    """
+    def __init__(self, locale, string=""):
+        self.locale = locale
+        ValueError.__init__(self, string or locale)
index 5f3ec05f98f19d051c4c8a6beda8b14fc0968081..e7dfe2d9c1d47cfe65bbd442fef67da1ca522c21 100644 (file)
@@ -11,6 +11,8 @@ Avoid this backend if...
 
 """
 
+__all__ = ["Collator"]
+
 import collate._abcollator
 import collate._locale
 import collate.errors
@@ -21,6 +23,7 @@ class Collator(collate._abcollator.Collator):
     """ICU-based collation."""
 
     def __init__(self, locale, encoding=None):
+        super(Collator, self).__init__(locale, encoding)
         locale, encoding = collate._locale.getpair(locale, encoding)
         icu_locale = "root" if locale == "C" else locale
         self._collator = _icu.Collator(icu_locale)
@@ -54,14 +57,3 @@ class Collator(collate._abcollator.Collator):
             string = string.decode(self.encoding, 'replace')
         return self._collator.key(string)
 
-    def cmp(self, a, b):
-        """Return negative if a < b, zero if a == b, positive if a > b.
-
-        If strs rather than unicodes are passed in, they are first
-        decoded according to the 'encoding' attribute of the Collator.
-        """
-        if isinstance(a, str):
-            a = a.decode(self.encoding, 'replace')
-        if isinstance(b, str):
-            b = b.decode(self.encoding, 'replace')
-        return self._collator.cmp(a, b)
index e2aeed9bdeaba636098c13a5a8e41bf90186569c..5b8adcac87a22a5db3d815289d8d1880a7284163 100644 (file)
@@ -22,6 +22,8 @@ Avoid this backend if...
  
 """
 
+__all__ = ["Collator"]
+
 import locale
 import re
 
@@ -33,6 +35,7 @@ class Collator(collate._abcollator.Collator):
     """C library locale-based collation."""
 
     def __init__(self, locale_code, encoding=None):
+        super(Collator, self).__init__(locale, encoding)
         locale_code, encoding = collate._locale.getpair(locale_code, encoding)
         try:
             setlocale = locale_code + "." + encoding
@@ -54,22 +57,9 @@ class Collator(collate._abcollator.Collator):
         except UnicodeEncodeError:
             return locale.strxfrm(string.encode(self.encoding, "replace"))
 
-    def cmp(self, a, b):
-        """Return negative if a < b, zero if a == b, positive if a > b.
-
-        If strs rather than unicodes are passed in, they are first
-        decoded according to the 'encoding' attribute of the Collator.
-        """
-        if isinstance(a, str):
-            a = a.decode(self.encoding, "replace")
-        if isinstance(b, str):
-            b = b.decode(self.encoding, "replace")
-        return locale.strcoll(a, b)
-                                  
     def words(self, string, sep=re.compile(r"\W+", re.UNICODE)):
-        """Split the string into separate words.
-
-        This split is done using the locale's notion of a word boundry.
-        """
+        """Split the string into separate words."""
+        if isinstance(string, str):
+            string = string.decode(self.encoding, 'replace')
         return re.split(sep, string)
 
index e38e91dfe315c24190f7ac58b2027cdec0710e23..4748b4b67e34a77f945e45109cc80950a8c020bb 100755 (executable)
--- a/pycollate
+++ b/pycollate
@@ -33,7 +33,7 @@ def main(argv):
 
     if options.backend or options.locale or options.encoding:
         backend = getattr(collate, options.backend)
-        collate.set_default(backend, options.locale, options.encoding)
+        collate.set_collator(backend, options.locale, options.encoding)
 
     if options.diagnostics:
         print >>sys.stderr, "Backend: " + collate.default.__name__
@@ -54,7 +54,7 @@ def main(argv):
            line = line.strip()
            line = line.decode(encoding, "replace")
            lines.append(line)
-    lines.sort(key=collate.collator.sortemekey)
+    lines.sort(key=collate.key)
 
     for line in lines:
        print line.encode(encoding, "replace")