CL ToolKit

一个用于处理跨语言数据的Python库。

由Johann-Mattis List和Robert Forkel创建。

概述

虽然pycldf提供了一个基本的Python API来访问编码在CLDF数据集中的跨语言数据，但cltoolkit更进一步，将数据转换为完整的Python对象，而不是CSV文件行中的浅代理。当然，与pycldf的ORM包一样，这里涉及权衡，以便利的访问和更Pythonic的API为代价，牺牲性能（特别是内存占用但也是数据加载时间）和写访问。但大多数今天的CLDF数据集（或这些数据的聚合）将在合理的硬件上用cltoolkit在几分钟内即可处理——而不是几个小时。

cltoolkit背后的主要思想是使（聚合的）CLDF数据易于进行计算，以一般意义上的语言特征（例如，类型学特征等）。这是通过

• 为处理代码提供数据 作为Python对象，
• 提供一个 框架，该框架使得特征计算与编写一个作用于cltoolkit.models.Language对象的Python函数一样简单。

总的来说，聚合的CLDF词表在数据集之间（例如，可以比较每个数据集中每种语言的单词数量）提供了有限的（自动化的）可比性。当数据集使用CLDF参考属性链接到参考目录时，可以做更多的事情，即

• 将语言变体链接到 Glottolog 语言类型，
• 将词义链接到 Concepticon概念集，
• 将音素链接到 CLTS音。

cltoolkit对象通过区分“词义”和“概念”、“图形符号”和“声音”，并方便地访问聚合中对象的可比子集来利用这种扩展的可比性（见models.py）。

有关使用cltoolkit的典型工作流程的说明，请参阅example.md。