# Xenera´l vocabulariu d'un testu.

# Escrito por José A. Corrales 5-dic-2023

# pal diálogu d'apertura de ficheros
from tkinter import filedialog

def quita_non_lletres(testu):
    # devuelve un testu pero solo con lletres y espacios

    # lletres (valen les minúscules)
    lletres="abcdefghijklmnñopqrstuvwxyz"+"áéíóúü"

    # p'anotar y nun repetir los caracteres yá cambiaos
    ya_cambiaos=""

    for c in testu:
        if c not in lletres+" "+ya_cambiaos:
            testu=testu.replace(c," ")
            # yá se cambió una vez, nun fae falta repetilo
            ya_cambiaos=ya_cambiaos+c
    return testu

# Programa principal

# nome del ficheru a procesar
#nome_ficheru="Don Quijote de la Mancha texto.txt"
#nome_ficheru=input("nome del ficheru a procesar: ")
nome_ficheru=filedialog.askopenfilename(
    title="Seleccione'l nome del ficheru a analizar",
    filetypes=(("ficheros de testu","*.txt"),)
    )

if nome_ficheru=="":
    print("nun s'especificó un ficheru pa analizar")
    exit()

# llectura de datos
ficheru=open(nome_ficheru)
testu=ficheru.read() # too na misma cadena
ficheru.close()

# se pasa too a minúscules
testu=testu.lower()

# eliminación de tolo que nun son lletres y espacios
testu=quita_non_lletres(testu)

# nesti puntu tenemos una cadena con solo lletres y espacios,
# se xenera una llista
llista_palabres=testu.split()

# eliminación de duplicaos y obtención de una llista ordenada
llista_ordenada=sorted(set(llista_palabres))

# resultaos, númberu de veces y palabra
# importante: les lletres acentuaes y les qu'entamen per ñ van dir al final
for palabra in llista_ordenada:
    print(f"{llista_palabres.count(palabra):5} {palabra}")

print("total",len(llista_ordenada),"palabres distintes d'un total de",\
    len(llista_palabres),"nel testu","'"+nome_ficheru.split("/")[-1]+"'")