Binomial distribution in VMS - Printable Version

Code:
import sys

import numpy as np

from scipy.special import comb



def calculate_binomial_distribution(n, max_length):

    """Berechnet die binomiale Verteilung für Wortlängen."""

    k_values = np.arange(1, max_length + 1)

    probabilities = [comb(n, k) * (0.5 ** n) for k in k_values]

    probabilities /= np.sum(probabilities)

    return probabilities



def adjust_word_lengths(words, target_distribution, last_truncated_part):

    """Passt die Wortlängen an, um die Zielverteilung zu erfüllen, indem Wörter gekürzt oder verlängert werden."""

    adjusted_words = []

    max_word_length = len(target_distribution)

  

    length_bins = np.arange(1, max_word_length + 1)

    length_probs = np.array(target_distribution)

  

    new_last_truncated_part = last_truncated_part



    for word in words:

        current_length = len(word)

        target_length = np.random.choice(length_bins, p=length_probs)



        if target_length < current_length:

            # Speichern des gekürzten Teils

            new_last_truncated_part = word[target_length:]

            adjusted_word = word[:target_length]

            adjusted_words.append(adjusted_word)

        elif target_length > current_length:

            if new_last_truncated_part:

                # Berechnen der benötigten Länge für die Verlängerung

                needed_length = target_length - current_length

                # Erstellen des Erweiterungsteils durch Wiederholung des gekürzten Teils

                repeated_part = (new_last_truncated_part * ((needed_length // len(new_last_truncated_part)) + 1))[:needed_length]

                adjusted_word = word + repeated_part

            else:

                # Falls kein gekürzter Teil vorhanden ist, das Wort mit Fallback-Zeichen verlängern

                adjusted_word = word + "_" * (target_length - current_length)

            adjusted_words.append(adjusted_word)

        else:

            adjusted_words.append(word)  # Länge entspricht der Zielvorgabe, Wort bleibt unverändert

  

    return adjusted_words, new_last_truncated_part



def process_text(file_path, output_path, target_distribution):

    """Liest den Text aus der Datei, passt die Wortlängen an und schreibt den modifizierten Text in eine Ausgabedatei."""

    try:

        with open(file_path, 'r', encoding='utf-8') as file:

            lines = file.readlines()

    except FileNotFoundError:

        print(f"Fehler: Die Datei {file_path} wurde nicht gefunden.")

        sys.exit(1)

    except IOError as e:

        print(f"Fehler: Ein Fehler ist beim Lesen der Datei aufgetreten: {e}")

        sys.exit(1)



    last_truncated_part = ""

    adjusted_lines = []

  

    for line in lines:

        words = line.split()

        adjusted_words, last_truncated_part = adjust_word_lengths(words, target_distribution, last_truncated_part)

        adjusted_lines.append(' '.join(adjusted_words))

  

    # Schreiben des modifizierten Textes in die Ausgabedatei

    try:

        with open(output_path, 'w', encoding='utf-8') as file:

            file.write('\n'.join(adjusted_lines))

        print(f"Modifizierter Text wurde in {output_path} geschrieben.")

    except IOError as e:

        print(f"Fehler: Ein Fehler ist beim Schreiben der Datei aufgetreten: {e}")

        sys.exit(1)



def main():

    if len(sys.argv) != 3:

        print("Verwendung: python adjust_word_length.py <input_filename> <output_filename>")

        sys.exit(1)

  

    input_file_path = sys.argv[1]

    output_file_path = sys.argv[2]

  

    max_word_length = 15

    n = 10

  

    # Berechnen der Binomialverteilung

    target_distribution = calculate_binomial_distribution(n, max_word_length)

  

    # Prozess des Textes und Schreiben in die Ausgabedatei

    process_text(input_file_path, output_file_path, target_distribution)



if __name__ == "__main__":

    main()