Ayikla

Ayikla, Türkçe metinlerden yapılandırılmış varlıkları ayıklayan hafif bir Python kütüphanesidir. Tek çağrıda geniş bir yelpazede bilgiyi normalize eder.

Desteklenen varlık anahtarları (bul(metin)) çıktısında yer alır:

• isimler
• telefonlar
• tarihler (tarih + opsiyonel saat)
• tarih_aralik (başlangıç/bitis)
• lokasyonlar (adres benzeri tetikleyici bloklar)
• firmalar
• tckn (T.C. Kimlik No)
• iban (TR IBAN)
• emailler
• websiteler (URL)
• ip_adresleri (IPv4 / IPv6)
• uuid4
• olculer (miktar + ölçü birimi)
• kurlar (miktar + para birimi)

Seçmeli Çalıştırma (1.1.27+)

Varsayılan olarak bütün varlık çıkarıcılar çalışır. Performans veya gereksinim nedeniyle belirli anahtarları sınırlamak isterseniz:

from ayikla import bul
metin = "Ahmet 250 TL ve 3 kilo un aldı, TR33 0006 1005 1978 6457 8413 26"

# 1) sadece -> Yalnızca belirtilen anahtarlar
bul(metin, sadece=["iban","kurlar"])  # isimler vs. çalışmaz

# 2) aktif -> Çalıştırılacak alt küme
bul(metin, aktif=["isimler","telefonlar"])  # diğerleri boş listeler döner

# 3) pasif -> Bu anahtarları kapat, diğerleri çalışsın
bul(metin, pasif=["iban","uuid4"])  # iban ve uuid4 çıkarılmaz

# 4) include_meta -> Pasif kalanları görmek için
bul(metin, sadece=["kurlar"], include_meta=True)["_pasif"]  # diğer tüm anahtarların listesi

Öncelik sırası: sadece > (aktif / pasif) > (varsayılan hepsi). Tanınmayan anahtarlar sessizce yok sayılır. Çıktı şeması sabit olduğundan çalıştırılmayan anahtarlar yine boş liste ([]) olarak bulunur; böylece tip beklentileri değişmez.

Kurulum

pip install ayikla

Hızlı Kullanım

from ayikla import bul
metin = "Dr. Ahmet Yılmaz beni 0532 123 45 67 numarasından yarın akşam 8'de ara, 250 TL gönder."
sonuc = bul(metin)
print(sonuc.keys())

Örnekler

İsim + Telefon + Tarih/Saat

bul("Dr. Ahmet Yılmaz beni 0532 123 4567 numarasından yarın saat 19'da ara.")

Belirli Tarih

bul("Çağrı Güngör 532 123 4567 – 18 Ocak saat 19'da görüşelim.")

Sadece Saat

bul("Sadece saat 19'da uygun olur.")

Lokasyon / Adres

bul("Toplantı salı günü saat 14'te istanbul beşiktaş çarşı mah. no:5 kat 2 daire 4 ofiste olsun.")

Tarih Aralıkları

metin = "Önümüzdeki hafta ve 3-5 Ocak 2024 ile 25 Aralık - 3 Ocak 2025 arası müsait değilim. Mart - Nisan 2025 planlayalım."
bul(metin)["tarih_aralik"]

Ölçü / Miktar (olculer)

bul("on kilo un ve 3.5 lt süt aldım, ayrıca 250gram tereyağı")['olculer']

Para Birimi (kurlar)

bul("250,5 TL ve 99$ ile 1.250,75 usd harcadım")['kurlar']

Özellikler (Özet)

• Türkçe isim / soyisim sözlükleri ve ünvan yakalama
• Telefon numarası normalizasyonu (E.164 TR varsayılan)
• Doğal dil tarih & saat: "yarın", "bugün", "akşam 8", tek başına saat
• Tarih aralıkları: relative (önümüzdeki/geçen/bugün), gün-ay aralığı (3-5 Ocak), ay-ay (Mart - Nisan), çapraz (25 Aralık - 3 Ocak)
• Lokasyon tetikleyici blokları (mahalle, cadde, sokak, no, kat, daire + sözlük)
• Firma tespiti (sözlük + sonek heuristiği: Holding, A.Ş., Ltd, Ltd Şti, Anonim Şirketi, Şirketi, Firması...)
• TCKN algoritmik doğrulama
• TR IBAN (MOD 97) doğrulama
• E-posta, URL tespiti
• IP adresleri (IPv4 / IPv6 ipaddress doğrulaması)
• UUID4 pattern
• Ölçü/miktar çıkarımı (4kg, 3.5 lt, on kilo, iki yemek kaşığı...)
• Para birimi çıkarımı (250 TL, 99$, 1.250,75 usd, 45€, 10 amerikan doları)

Detaylı Açıklamalar

1. İsim / Ünvan

• isimler.txt + soyisimler.txt sözlükleri
• Ünvan seti (Dr, Prof, Av vb.)
• Çoklu ad + soyad zinciri

2. Telefon

• phonenumbers kullanır; boşluk/tire varyantları normalize
• Maskeleme ile tarih çıkarım çakışması azaltılır

3. Tarih & Saat

• Türkçe doğal ifadeler normalize: "akşam 8" -> 20:00
• Tek saat + tek tarih kombinasyonu birleştirilir

4. Tarih Aralıkları

• Relative: önümüzdeki hafta/ay/yıl, geçen, bu
• Gün aralığı: 3-5 Ocak 2024
• Ay aralığı: Mart - Nisan 2025
• Çapraz: 25 Aralık - 3 Ocak
• Çıktı: {"baslangic", "bitis"}

5. Lokasyon

• Regex tetikleyiciler + lokasyon.txt kelimeleri
• Karakter aralığına göre segment birleştirme (gap <= 8)

6. Firma

• Sözlük eşleşmesi + sonek bazlı geri genişleme

7. TCKN

• 11 hane, ilk hane ≠ 0, 10. & 11. hane algoritması

8. IBAN (TR)

• 26 karakter, TR + 24 alfanumerik
• MOD 97 parçalı hesap

9. E-posta & URL

• Basit sağlam regex kalıpları

10. IP Adresi

• Aday regex + ipaddress.ip_address doğrulaması

11. UUID4

• Versiyon alanı 4, varyant bitleri 8/9/a/b

12. Ölçü / Miktar (olculer)

• olculer.txt ilk alias kanonik
• Sayı (1, 1.5, 2,5, 250gram) & kelime sayı (on kilo)

13. Para Birimi (kurlar)

• kurlar.txt ilk öğe ISO kodu
• 250 TL, 99$, 1.250,75 usd, 10 amerikan doları
• Karışık binlik/ondalık ayracı sezgisel normalize

Sınırlamalar (Genel)

• Yaklaşık/örnekleyici ifadeler (~, ≈, "yaklaşık") henüz işlenmiyor
• Ölçülerde ve kurlarda aralık (3-5 kg, 10-12 USD) ayrıştırılmıyor
• Çok karmaşık sayısal dil ("iki milyon yüz on üç bin") kısmen desteklenir
• Lokasyonlar tam adres ayrıştırması değildir; tetikleyici bloklar

Gelişmiş Kullanım

from ayikla.extractor import TextEntityExtractor
extr = TextEntityExtractor()
print(extr.extract_all("on kilo un 250 TL"))

Sürüm Notları (Özet)

• 1.1.17: tarih_aralik format sadeleştirme
• 1.1.18: firmalar
• 1.1.19: tckn
• 1.1.20: iban
• 1.1.21: emailler, websiteler
• 1.1.22: ip_adresleri, uuid4
• 1.1.23: olculer
• 1.1.24: kurlar
• 1.1.26: olculer performans (regex precompile)
• 1.1.27: seçmeli çalıştırma parametreleri (sadece/aktif/pasif/include_meta)

Lisans

MIT