sillsdev / sillsdev/ptx2pdf

Random(?) changes in strongs numbering.

Open
#999 2 comments 0 reactions 0 assignees View on GitHub

Nobody has claimed this yet.

Dominant language
Python
Stars
33
Forks
15
PR merge metrics
No merged PRs in 30d

Description

Two consecutive runs of the test file WSG_Strongs_JHN do not give identical results.
Often the number changes by 1, e.g. 228 vs 227:

@@ -1119,7 +1119,7 @@
 \v 32 తె సిపా­యిర్ వాసి, యేసున్ బరొ­బర్ ​\xts|strong="4957" align="r"\*\nobreak మొద్క్‌నగ టాంగి కీసి మన్వ­లిర్ ఇవి­రంగ్తె కాల్క్ ఉరు­స్తెర్.
 \v 33 బతి వూర్ యేసు­నగ వాసి, అదెన్ మునెనె వోర్ సాసి మత్త సూడ్సి, వోనంగ్ కాల్క్ ఉరు­స్మకి.
 \v 34 బతి వూర్గ­టల్ వొరొర్ సిపాయి యేసున డొక­తున్ గొర్కతె కొట్తొర్. యెంటనె ​\xts|strong="129" align="r"\*\nobreak నెతుర్ అరిక్ యేర్ పోంగ్త.
-\v 35 మిరట్ గిర్ ​\xts|strong="4100" align="r"\*\nobreak బరొస ఇర్నల్, ఇద్ సూడ్తొర్ వోర్ ​\xts|strong="3141" align="r"\*\nobreak గవ ​\xts|strong="3004" align="r"\*\nobreak వెహ్తొర్. వోన ​\xts|strong="3140" align="r"\*\nobreak గవ ​\xts|strong="227" align="r"\*\nobreak కరల్ ఆంద్. వోర్ ​\xts|strong="228" align="r"\*\nobreak సతెమ్ వెహ్చెర్ మంతొర్ ఇంజెర్ వోన్ టావ.
+\v 35 మిరట్ గిర్ ​\xts|strong="4100" align="r"\*\nobreak బరొస ఇర్నల్, ఇద్ సూడ్తొర్ వోర్ ​\xts|strong="3141" align="r"\*\nobreak గవ ​\xts|strong="3004" align="r"\*\nobreak వెహ్తొర్. వోన ​\xts|strong="3140" align="r"\*\nobreak గవ ​\xts|strong="228" align="r"\*\nobreak కరల్ ఆంద్. వోర్ ​\xts|strong="227" align="r"\*\nobreak సతెమ్ వెహ్చెర్ మంతొర్ ఇంజెర్ వోన్ టావ.
 \v 36-37 “వోనంగ్ బొక­నల్ ఉంది బొక గిర్ ఉర్న్‌గొంగ్” అని ఉండె ఉంది జాగ, “వోన్ కొట్తుర్ వూర్ వోన్ బాజ్ సూడం­తెర్” ఇంజెర్ ​\xts|strong="1124" align="r"\*\nobreak దర్మ-గ్రంత్‌నగ లిహి కీసి మత్తంగ్ అవ్, గొస్టింగ్ పూరె మాయ్లెనె ఇహిన్ జర్గ్‌త.

Image

But by no means always, here 571 and 4103 are swapping with each other:

@@ -1167,7 +1167,7 @@
 \v 25 అదెన్ సాటి ​\xts|strong="3101" align="r"\*\nobreak సిస్య­లిర్, “మమొట్ ​\xts|strong="2962" align="r"\*\nobreak పర్బున్ సూడ్తొమ్!” ఇంజెర్ తోమన్ ​\xts|strong="3004" align="r"\*\nobreak వెహ్తెర్. బతి తోమల్, “నన కుద్ పర్బు­నంగ్ కెయ్క్‌నగ ​\xts|strong="2247" align="r"\*\nobreak మోలనె పాతంగ్ అవ్ గద్దిన్ సూడ్సి, అవె­నగ బొటనె ఇట బీగర్ అని గొర్కతె కొట్త డొక­తగ కెయ్ ఇర బీగర్, నన ​\xts|strong="4100" align="r"\*\nobreak నమ్మొన్ ఇత్తెకె నమ్మొన్” ఇంజెర్ ఇత్తొర్.
 \p
 \v 26 అహన్ ఇంజి ఆట్ రోజ్క్ ఆత పెజె, తోమల్ అని మెయ్తుర్ ​\xts|strong="3101" align="r"\*\nobreak సిస్య­లిర్ ఉంది రోన్ కావడ్ కెహ్చి, గొల్చ్ వాట్
సి మత్తెర్. తెర్ బతి, యేసు వూర్గ పావె మాతొర్. అని “మీకున్ ​\xts|strong="1515" align="r"\*\nobreak సాంతి వాయి!” ఇంజెర్ ఇత్తొర్.
-\v 27 అహన్ ​\xts|strong="3004" align="r"\*\nobreak ఇత్త పెజె ​\xts|strong="2381" align="r"\*\nobreak తోమన్, “నీవంగ్ బొటనె నా కెయ్కున్ ఇట్సి సూడ. అని నీవ కెయ్ చహ్చి, నా డొక­తగ ఇర్సి, ​\xts|strong="4103" align="r"\*\nobreak బరొస సెలొర్ వోన్ మోడి ఆయ్వక్‌నె, ​\xts|strong="571" align="r"\*\nobreak బరొస వాలెని ఆసి మన్” ఇంజెర్ వెహ్తొర్.
+\v 27 అహన్ ​\xts|strong="3004" align="r"\*\nobreak ఇత్త పెజె ​\xts|strong="2381" align="r"\*\nobreak తోమన్, “నీవంగ్ బొటనె నా కెయ్కున్ ఇట్సి సూడ. అని నీవ కెయ్ చహ్చి, నా డొక­తగ ఇర్సి, ​\xts|strong="571" align="r"\*\nobreak బరొస సెలొర్ వోన్ మోడి ఆయ్వక్‌నె, ​\xts|strong="4103" align="r"\*\nobreak బరొస వాలెని ఆసి మన్” ఇంజెర్ వెహ్తొర్.
 \v 28 అస్కె ​\xts|strong="2381" align="r"\*\nobreak తోమల్, “హో, నా ​\xts|strong="2962" align="r"\*\nobreak బగ­వంత! నా 
పర్బు!” ఇంజెర్ యేసున్ జవబ్ సీతొర్.

Image
Image

Given that they seem to be matching the same sub-string, it is perhaps explicable, but perhaps a more consistent method of mapping could be used??

Contributor guide

No contributing guide indexed for this repository

First steps

  1. Read the whole issue, then the project's contributing guide.
  2. Comment on the issue to say you are picking it up — it saves two people doing the same work.
  3. Fork the repository and make your change on a branch.
  4. Open a pull request that references the issue number.

Research direction

Start by running the WSG_Strongs_JHN test file twice and comparing the generated Strong's numbers, focusing on the shown swaps and off-by-one changes. Trace the matching or numbering logic involved in that test and confirm that repeated runs produce identical mappings and output.

Written by the indexing model from the issue text.

Assessment

Tech stack
python, tex
Domain
backend, testing-qa
Issue type
Bug
Difficulty
3/5
Estimated time
1-2 days
Activity status
Stale
Clarity
Mostly clear
Newbie friendliness
35/100

Get new issues in your inbox

A short digest of beginner-friendly GitHub issues.