ayikla 1.2.0

Türkçe metinlerden isim, telefon, tarih/saat, tarih aralıkları, lokasyon/adres, firma adları, TCKN, IBAN, e-posta, web sitesi, IP adresi, UUID4, miktar/ölçü birimi (olculer) ve para birimi (kurlar) ayıklayan kütüphane.

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