]> gitweb.fperrin.net Git - Dictionary.git/commitdiff
go
authorThad Hughes <thad.hughes@gmail.com>
Fri, 23 Jul 2010 21:21:50 +0000 (14:21 -0700)
committerThad Hughes <thad.hughes@gmail.com>
Fri, 23 Jul 2010 21:21:50 +0000 (14:21 -0700)
src/com/hughes/android/dictionary/SimpleEntry.java [new file with mode: 0755]

diff --git a/src/com/hughes/android/dictionary/SimpleEntry.java b/src/com/hughes/android/dictionary/SimpleEntry.java
new file mode 100755 (executable)
index 0000000..d90d51f
--- /dev/null
@@ -0,0 +1,217 @@
+package com.hughes.android.dictionary;\r
+\r
+import java.io.IOException;\r
+import java.io.RandomAccessFile;\r
+import java.util.ArrayList;\r
+import java.util.Arrays;\r
+import java.util.LinkedHashMap;\r
+import java.util.LinkedHashSet;\r
+import java.util.List;\r
+import java.util.Map;\r
+import java.util.Set;\r
+import java.util.regex.Matcher;\r
+import java.util.regex.Pattern;\r
+\r
+import com.hughes.util.raf.RAFFactory;\r
+import com.hughes.util.raf.RAFSerializable;\r
+\r
+public final class SimpleEntry implements Entry {\r
+\r
+  static final byte LANG1 = 0;\r
+  static final byte LANG2 = 1;\r
+\r
+  static final Pattern lineSplitPattern = Pattern.compile("\\s::\\s");\r
+  static final Pattern sublineSplitPattern = Pattern.compile("\\s\\|\\s");\r
+\r
+  final String[] lang1;\r
+  final String[] lang2;\r
+  \r
+  SimpleEntry(final String[] lang1, final String[] lang2) {\r
+    this.lang1 = lang1;\r
+    this.lang2 = lang2;\r
+  }\r
+\r
+  public static final RAFFactory<SimpleEntry> RAF_FACTORY = new RAFFactory<SimpleEntry>() {\r
+    public SimpleEntry create(RandomAccessFile raf) throws IOException {\r
+      final int rows = raf.readByte();\r
+      final String[] lang1 = new String[rows];\r
+      final String[] lang2 = new String[rows];\r
+      for (int i = 0; i < lang1.length; ++i) {\r
+        lang1[i] = raf.readUTF();\r
+        lang2[i] = raf.readUTF();\r
+      }\r
+      return new SimpleEntry(lang1, lang2);\r
+    }};\r
+  public void write(RandomAccessFile raf) throws IOException {\r
+    assert lang1.length == (byte) lang1.length;\r
+    raf.writeByte(lang1.length);\r
+    for (int i = 0; i < lang1.length; ++i) {\r
+      raf.writeUTF(lang1[i]);\r
+      raf.writeUTF(lang2[i]);\r
+    }\r
+  }\r
+\r
+  @Override\r
+  public boolean equals(Object o) {\r
+    if (!(o instanceof SimpleEntry)) {\r
+      return false;\r
+    }\r
+    final SimpleEntry that = (SimpleEntry) o;\r
+    return Arrays.deepEquals(this.lang1, that.lang1) && Arrays.deepEquals(this.lang2, that.lang2); \r
+  }\r
+\r
+  @Override\r
+  public int hashCode() {\r
+    return Arrays.deepHashCode(lang1) + Arrays.deepHashCode(lang2);\r
+  }\r
+\r
+  @Override\r
+  public String toString() {\r
+    return getRawText(false);\r
+  }\r
+\r
+  public int getRowCount() {\r
+    assert lang1.length == lang2.length;\r
+    return lang1.length;\r
+  }\r
+\r
+  String[] getAllText(final byte lang) {\r
+    if (lang == LANG1) {\r
+      return lang1;\r
+    }\r
+    assert lang == LANG2;\r
+    return lang2;\r
+  }\r
+  \r
+  String getRawText(boolean onlyFirstSubentry) {\r
+    final StringBuilder result = new StringBuilder();\r
+    for (int i = 0; i < (onlyFirstSubentry ? 1 : lang1.length); ++i) {\r
+      result.append(i == 0 ? "" : " | ").append(lang1[i]);\r
+    }\r
+    result.append("\t");\r
+    for (int i = 0; i < (onlyFirstSubentry ? 1 : lang2.length); ++i) {\r
+      result.append(i == 0 ? "" : " | ").append(lang2[i]);\r
+    }\r
+    return result.toString();\r
+  }\r
+  \r
+  static byte otherLang(final byte lang) {\r
+    assert lang == LANG1 || lang == LANG2;\r
+    return lang == LANG1 ? LANG2 : LANG1;\r
+  }\r
+  \r
+/*\r
+Lu     Letter, Uppercase\r
+Ll  Letter, Lowercase\r
+Lt  Letter, Titlecase\r
+Lm  Letter, Modifier\r
+Lo  Letter, Other\r
+Mn  Mark, Nonspacing\r
+Mc  Mark, Spacing Combining\r
+Me  Mark, Enclosing\r
+Nd  Number, Decimal Digit\r
+Nl  Number, Letter\r
+No  Number, Other\r
+Pc  Punctuation, Connector\r
+Pd  Punctuation, Dash\r
+Ps  Punctuation, Open\r
+Pe  Punctuation, Close\r
+Pi  Punctuation, Initial quote (may behave like Ps or Pe depending on usage)\r
+Pf  Punctuation, Final quote (may behave like Ps or Pe depending on usage)\r
+Po  Punctuation, Other\r
+Sm  Symbol, Math\r
+Sc  Symbol, Currency\r
+Sk  Symbol, Modifier\r
+So  Symbol, Other\r
+Zs  Separator, Space\r
+Zl  Separator, Line\r
+Zp  Separator, Paragraph\r
+*/\r
+\r
+  static Pattern htmlDecimalCode = Pattern.compile("&#([0-9]+);");\r
+  static Pattern htmlCode = Pattern.compile("&#[^;]+;");\r
+  \r
+  static SimpleEntry parseFromLine(String line, final boolean hasMultipleSubentries) {\r
+    \r
+    line = line.replaceAll("&lt;", "<");\r
+    line = line.replaceAll("&gt;", ">");\r
+    Matcher matcher;\r
+    while ((matcher = htmlDecimalCode.matcher(line)).find()) {\r
+      final int intVal = Integer.parseInt(matcher.group(1));\r
+      final String charCode = "" + ((char) intVal);\r
+      System.out.println("Replacing " + matcher.group() + " with " + charCode);\r
+      line = matcher.replaceAll(charCode);\r
+    }\r
+    if ((matcher = htmlCode.matcher(line)).find()) {\r
+      System.err.println("HTML code: " + matcher.group());\r
+    }\r
+    \r
+    final String[] parts = lineSplitPattern.split(line);\r
+    if (parts.length != 2) {\r
+      System.err.println("Entry:" + "Invalid line: " + line);\r
+      return null;\r
+    }\r
+    if (!hasMultipleSubentries) {\r
+      return new SimpleEntry(new String[] {parts[0].trim()}, new String[] {parts[1].trim()});\r
+    }\r
+    \r
+    final String[] lang1 = sublineSplitPattern.split(" " + parts[0].trim() + " ");\r
+    final String[] lang2 = sublineSplitPattern.split(" " + parts[1].trim() + " ");\r
+    if (lang1.length != lang2.length) {\r
+      System.err.println("Entry:" + "Invalid subline: " + line);\r
+      return null;\r
+    }\r
+    for (int i = 0; i < lang1.length; ++i) {\r
+      lang1[i] = lang1[i].trim();\r
+      lang2[i] = lang2[i].trim();\r
+    }\r
+    return new SimpleEntry(lang1, lang2);\r
+  }\r
+  \r
+  static final Map<String, String> bracketToClose = new LinkedHashMap<String, String>();\r
+  static {\r
+    bracketToClose.put("\"", "\"");\r
+    bracketToClose.put(" '", "' ");\r
+  }\r
+  \r
+  // This used to be called WHITESPACE.\r
+  static final Pattern NON_TOKEN_CHAR = Pattern.compile("\\s+");\r
+  \r
+  public Map<String,Integer> getIndexableTokens(final byte lang) {\r
+    final Set<String> result = new LinkedHashSet<String>();\r
+    String text = " ";\r
+    for (final String subentry : getAllText(lang)) {\r
+      text += subentry + " ";\r
+    }\r
+\r
+    text = text.replaceAll("fig\\.", " ");\r
+    text = text.replaceAll("\\{[^\\}]+}", " ");\r
+    text = text.replaceAll("\"-", "-");\r
+    text = text.replaceAll("-\"", "-");\r
+    text = text.replaceAll("[\"/\\()<>\\[\\],;?!.]", " ");\r
+    text = text.replaceAll("[-:] ", " ");\r
+    text = text.replaceAll(" [-:]", " ");\r
+    \r
+    // Now be really conservative about what we allow inside a token:\r
+    // See: http://unicode.org/Public/UNIDATA/UCD.html#General_Category_Values\r
+    text = text.replaceAll("[^-:\\p{L}\\p{N}\\p{S}]", " ");\r
+    result.addAll(Arrays.asList(NON_TOKEN_CHAR.split(text)));\r
+\r
+    text = text.replaceAll("[-]", " ");\r
+    result.addAll(Arrays.asList(NON_TOKEN_CHAR.split(text)));\r
+    \r
+    final Set<String> result2 = new LinkedHashSet<String>();\r
+    for (final String token : result) {\r
+      if (isIndexable(token)) {\r
+        result2.add(token);\r
+      }\r
+    }\r
+    return result2;\r
+  }\r
+\r
+  static boolean isIndexable(final String text) {\r
+    // Does it have an alpha-numeric anywhere?\r
+    return text.matches(".*\\w.*");\r
+  }\r
+  \r
+}
\ No newline at end of file