[pt] Improve compound rules

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseArchaismsRule.java

@@ -74,7 +74,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é um arcaísmo. É preferível dizer $suggestions.";
+    return "\"$match\" é um arcaísmo. É preferível dizer $suggestions.";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseBarbarismsRule.java

@@ -78,7 +78,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é um estrangeirismo. É preferível dizer $suggestions.";
+    return "\"$match\" é um estrangeirismo. É preferível dizer $suggestions.";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseClicheRule.java

@@ -78,7 +78,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é uma frase-feita. É preferível dizer $suggestions.";
+    return "\"$match\" é uma frase-feita. É preferível dizer $suggestions.";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseRedundancyRule.java

@@ -76,7 +76,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é um pleonasmo. É preferível dizer $suggestions";
+    return "\"$match\" é um pleonasmo. É preferível dizer $suggestions";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseWikipediaRule.java

@@ -77,7 +77,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é um erro. Considere utilizar $suggestions";
+    return "Possível erro em \"$match\". Prefira $suggestions";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PortugueseWordinessRule.java

@@ -76,7 +76,7 @@ public String getShort() {
 
   @Override
   public String getMessage() {
-    return "'$match' é uma expressão prolixa. É preferível dizer $suggestions.";
+    return "\"$match\" é uma expressão prolixa. É preferível dizer $suggestions.";
   }
 
   @Override

languagetool-language-modules/pt/src/main/java/org/languagetool/rules/pt/PostReformPortugueseCompoundRule.java

@@ -18,6 +18,7 @@
  */
 package org.languagetool.rules.pt;
 
+import org.apache.commons.lang3.StringUtils;
 import org.languagetool.Language;
 import org.languagetool.UserConfig;
 import org.languagetool.rules.*;
@@ -74,4 +75,25 @@ public CompoundRuleData getCompoundRuleData() {
 
     return data;
   }
+
+  // This override is here to account for Portuguese transformations required as per the latest orthography:
+  // ultra + som  => ultrassom (with <s> turned into <ss> to keep the sound).
+  @Override
+  public String mergeCompound(String str, boolean uncapitalizeMidWords) {
+    String[] stringParts = str.replaceAll("-", " ").split(" ");
+    StringBuilder sb = new StringBuilder();
+    for (int k = 0; k < stringParts.length; k++) {
+      if (k == 0) {
+        sb.append(stringParts[0]);
+      } else {
+        // if previous element ends in vowel and current one starts with <r> or <s>, we need to double the letter into
+        // a digraph that creates the sound we want
+        if (stringParts[k-1].matches("(?i).+[aeiou]$") && stringParts[k].matches("(?i)^[rs].+")) {
+          stringParts[k] = stringParts[k].charAt(0) + stringParts[k];
+        }
+        sb.append(uncapitalizeMidWords ? StringUtils.uncapitalize(stringParts[k]) : stringParts[k]);
+      }
+    }
+    return sb.toString();
+  }
 }

languagetool-language-modules/pt/src/main/resources/org/languagetool/resource/pt/post-reform-compounds.txt

@@ -37526,3 +37526,109 @@ ultra-elevado?
 ultra-elevada?
 ultra-elevados?
 ultra-elevadas?
+
+# moved from the wikipedia.txt file
+boas-vindas*
+capitão-mor*
+célula-tronco*
+células-tronco*
+anti-aéreo?
+anti-depressivo?
+governador-geral*
+Grã-Bretanha*
+médico-cirurgião*
+neo-darwinismo?
+neo-liberais?
+neo-liberal?
+neo-liberalismo?
+neo-zelandês?
+neo-zelandeses?
+neo-zelandesa?
+neo-zelandesas?
+primeiro-ministro*
+semi-círculo?
+semi-círculos?
+semi-finais?
+semi-final?
+semi-precioso?
+semi-preciosos?
+semi-preciosa?
+semi-preciosas?
+semi-presidencialismo?
+semi-presidencialismos?
+semi-presidencialista?
+semi-presidencialistas?
+trem-bala*
+vice-governador*
+vice-governadores*
+vice-prefeito*
+vice-prefeitos*
+vice-prefeita*
+vice-prefeitas*
+vice-presidente*
+vice-presidentes*
+video-game?
+ultra-som?
+ultra-sons?
+ultra-sonografia?
+ultra-sonografias?
+ultra-realismo?
+ultra-realismos?
+ultra-realista?
+ultra-realistas?
+anti-semita?
+anti-semitas?
+anti-semitismo?
+anti-semitismos?
+anti-religioso?
+anti-religiosa?
+anti-religiosos?
+anti-religiosas?
+arqui-rival?
+arqui-rivais?
+arqui-rivalidade?
+arqui-rivalidades?
+auto-retrato?
+auto-retratos?
+contra-regra?
+contra-regras?
+contra-senso?
+contra-sensos?
+extra-seco?
+extra-seca?
+extra-secos?
+extra-secas?
+infra-som?
+infra-sons?
+eletro-siderurgia?
+eletro-siderurgias?
+eletro-siderúrgico?
+eletro-siderúrgica?
+eletro-siderúrgicos?
+eletro-siderúrgicas?
+neo-realismo?
+neo-realismos?
+neo-realista?
+neo-realistas?
+supra-renal?
+supra-renais?
+contra-razão?
+contra-razões?
+anti-social?
+anti-sociais?
+auto-sustentável?
+auto-sustentáveis?
+mini-reforma?
+mini-reformas?
+mini-saia?
+mini-saias?
+micro-saia?
+micro-saias?
+micro-sistema?
+micro-sistemas?
+anti-ruga?
+anti-rugas?
+extra-regular?
+extra-regulares?
+extra-regularidade?
+extra-regularidades?

languagetool-language-modules/pt/src/main/resources/org/languagetool/rules/pt/wikipedia.txt

@@ -53,17 +53,10 @@ a nível de=em nível de|ao nível de
 # à uma=a uma
 # à uns=a uns
 à vapor=a vapor
-anti aéreo=antiaéreo
-anti depressivo=antidepressivo
 ao meu ver=a meu ver
 as sua=as suas
-bem vindo=bem-vindo
 Bertold Brecht=Bertolt Brecht
-boas vindas=Boas-vindas
-Capitão Mor=capitão-mor
 Castanheira de Pêra=Castanheira de Pera
-célula tronco=célula-tronco
-células tronco=células-tronco
 cujo o=cujo
 cuja a=cuja
 cujos os=cujos
@@ -84,39 +77,26 @@ encima dos=em cima dos
 # former group is 'encima d' but it is not well recognized
 # em uma=numa
 # possible exceptions verify
-Governador Geral=governador-geral
-Grã Bretanha=Grã-Bretanha
 grau centigrado=grau Celsius
 grau centígrado=grau Celsius
 grau centígrados=grau Celsius
 grau kelvin=Kelvin
 haviam muitos=havia muitos
 haviam poucos=havia poucos
 haviam vários=havia vários
-infra vermelho=infravermelho
-infra vermelhos=infravermelhos
 Joana d´Arc=Joana d'Arc
 mais também=mas também
 mau estar=mal-estar
-médico cirurgião=médico-cirurgião
 meio-dia e meio=meio-dia e meia
 melhores classificados=mais bem classificados
 melhores colocados=mais bem colocados
-neo darwinismo=neodarwinismo
-neo liberais=neoliberais
-neo liberal=neoliberal
-neo liberalismo=neoliberalismo
-neo zelandês=neozelandês
-neo zelandesa=neozelandesa
 número de Avogadro=constante de Avogadro
 número de moles=quantidade de matéria
 número de mols=quantidade de matéria
 o síndrome=a síndrome
 os seu=os seus
 per capta=per capita
 peso molecular=massa molecular
-primeiro ministro=primeiro-ministro
-Rosa dos Ventos=Rosa-dos-ventos
 séc. I=século I
 séc. II=século II
 séc. III=século III
@@ -170,22 +150,6 @@ século 6=século VI
 século 7=século VII
 século 8=século VIII
 século 9=século IX
-semi círculo=semicírculo
-semi círculos=semicírculos
-semi finais=semifinais
-semi final=semifinal
-semi precioso=semiprecioso
-semi preciosos=semipreciosos
-semi presidencialismos=semipresidencialismos
-semi presidencialistas=semipresidencialistas
-trem bala=trem-bala
 # um síndrome=uma síndrome
 # Gender varies in pt-BR and pt-PT
 vez enquando=vez em quando
-vice governador=vice-governador
-vice governadores=vice-governadores
-vice prefeito=vice-prefeito
-vice prefeitos=vice-prefeitos
-vice presidente=vice-presidente
-vice presidentes=vice-presidentes
-video game=videogame

languagetool-language-modules/pt/src/test/java/org/languagetool/rules/pt/PostReformCompoundRuleTest.java

@@ -42,9 +42,29 @@ public void test() throws IOException {
     assertThat(checkCompound("super herói").get(0).getSuggestedReplacements().size(), is(1));
     assertThat(checkCompound("super herói").get(0).getSuggestedReplacements().get(0), is("super-herói"));
     // in the compounds TXT as "super-estrela?"
-    assertThat(checkCompound("super estrela").size(), is(1));
-    assertThat(checkCompound("super estrela").get(0).getSuggestedReplacements().size(), is(1));
-    assertThat(checkCompound("super estrela").get(0).getSuggestedReplacements().get(0), is("superestrela"));
+    assertThat(checkCompound("Super estrela").size(), is(1));
+    assertThat(checkCompound("Super estrela").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("Super estrela").get(0).getSuggestedReplacements().get(0), is("Superestrela"));
+    // in the compounds TXT as "web-site+"
+    assertThat(checkCompound("web-site").size(), is(1));
+    assertThat(checkCompound("web-site").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("web-site").get(0).getSuggestedReplacements().get(0), is("website"));
+    // in the compounds TXT as "Grã-Bretanha*"
+    assertThat(checkCompound("Grã Bretanha").size(), is(1));
+    assertThat(checkCompound("Grã Bretanha").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("Grã Bretanha").get(0).getSuggestedReplacements().get(0), is("Grã-Bretanha"));
+    // in the compounds TXT as "ultra-som?"
+    assertThat(checkCompound("ultra-som").size(), is(1));
+    assertThat(checkCompound("ultra-som").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("ultra-som").get(0).getSuggestedReplacements().get(0), is("ultrassom"));
+    // in the compounds TXT as "ultra-realismo?"
+    assertThat(checkCompound("ultra-realismo").size(), is(1));
+    assertThat(checkCompound("ultra-realismo").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("ultra-realismo").get(0).getSuggestedReplacements().get(0), is("ultrarrealismo"));
+    // in the compounds TXT as "anti-semita?"
+    assertThat(checkCompound("anti semita").size(), is(1));
+    assertThat(checkCompound("anti semita").get(0).getSuggestedReplacements().size(), is(1));
+    assertThat(checkCompound("anti semita").get(0).getSuggestedReplacements().get(0), is("antissemita"));
   }
 
   private List<RuleMatch> checkCompound(String text) throws IOException {