#!/usr/bin/perl -w
use strict;
#;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
#;;                                                                       ;;
#;;          Department of General Linguistics / Suopuhe project          ;;
#;;                      University of Helsinki, FI                       ;;
#;;                  Copyright (c) 2000,2001,2002,2003                      ;;
#;;                        All Rights Reserved.                           ;;
#;;                                                                       ;;
#;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
#;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;


#; This program is distributed under Gnu Lesser General Public License (cf. the
#; file LICENSE in distribution).
 
#; This program is free software; you can redistribute it and/or modify
#; it under the terms of the GNU Lesser General Public License as published by
#; the Free Software Foundation; either version 2 of the License, or
#; (at your option) any later version.
 
#; This program is distributed in the hope that it will be useful,
#; but WITHOUT ANY WARRANTY; without even the implied warranty of
#; MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
#; GNU Lesser General Public License for more details.

# suopuheen BASH-filtteri
# syötteen tulisi olla lause/rivi -muotoista 

# Fri Oct 26 12:04:40 EEST 2001 
# -Added partial sayas-replacement already here, because of Festival
#  (rxp-parser?) bug.

undef $/;

$_ = <>;

# kommentit pois 
s/<!\-\-.*?\-\->//gs;
s/\s+/ /gs;

s/ original=\"<\"//g; # XML-parseri bugaa tähän
s/ original=\"\&\"//g;

#> yksi kaksi <# muuttuu muotoon #> yksi-kaksi <# 
# (korjaa raa'asti festarin token-mokan):
while ( s/> ([A-Za-zåäö\-]+) ([A-Za-zåäö])/> $1-$2/ ) {} 
# tyhjät pois:
s/<token( +[a-z]+=\"[^\"]*\")*> +<\/token>\s*//;
s/> />\n/g;
s/ </\n</g;

print $_;

#my $status = 1;
#while ( <> ) {
#    if ( /<utterance>/ ) { $status = 1; }
#    # skipataan aloittavat puncit
#    # voisi olla parempi ehkä lukea ne...
#    elsif ( /<token pos=\"punc\">/ ) { next; }
#    else { $status = 0; }
#    # delete comments...
#    s/<!\-\-.*?\-\->//g;
#
#    s/ original=\"<\"//g; # XML-parseri bugaa tähän
#    s/ original=\"\&\"//g;
#    
#    # #> yksi kaksi <# muuttuu muotoon #> yksikaksi <# 
#    while ( s/> ([A-Za-zåäö]+) ([A-Za-zåäö])/> $1$2/ ) {} 
#    
#    # tyhjät pois... (toimiikohan)
#    s/<token( +[a-z]+=\"[^\"]*\")*> +<\/token>//;     
#    
#
#    
#    print;
#}