src/com/hughes/android/dictionary/engine/DictionaryBuilder.java

   1 // Copyright 2011 Google Inc. All Rights Reserved.
   2 //
   3 // Licensed under the Apache License, Version 2.0 (the "License");
   4 // you may not use this file except in compliance with the License.
   5 // You may obtain a copy of the License at
   6 //
   7 //     http://www.apache.org/licenses/LICENSE-2.0
   8 //
   9 // Unless required by applicable law or agreed to in writing, software
  10 // distributed under the License is distributed on an "AS IS" BASIS,
  11 // WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  12 // See the License for the specific language governing permissions and
  13 // limitations under the License.
  14
  15 package com.hughes.android.dictionary.engine;
  16
  17 import java.io.File;
  18 import java.io.IOException;
  19 import java.io.PrintStream;
  20 import java.io.RandomAccessFile;
  21 import java.nio.charset.Charset;
  22 import java.util.ArrayList;
  23 import java.util.LinkedHashSet;
  24 import java.util.List;
  25 import java.util.Map;
  26 import java.util.Set;
  27 import java.util.regex.Pattern;
  28
  29 import javax.xml.parsers.ParserConfigurationException;
  30
  31 import org.xml.sax.SAXException;
  32
  33 import com.hughes.android.dictionary.parser.DictFileParser;
  34 import com.hughes.android.dictionary.parser.EnWiktionaryXmlParser;
  35 import com.hughes.util.Args;
  36 import com.hughes.util.FileUtil;
  37
  38
  39 public class DictionaryBuilder {
  40
  41   public final Dictionary dictionary;
  42   public final List<IndexBuilder> indexBuilders = new ArrayList<IndexBuilder>();
  43
  44   public DictionaryBuilder(final String dictInfo, final Language lang0, final Language lang1, final String normalizerRules1, final String normalizerRules2, final Set<String> lang1Stoplist, final Set<String> lang2Stoplist) {
  45     dictionary = new Dictionary(dictInfo);
  46     indexBuilders.add(new IndexBuilder(this, lang0.getSymbol(), lang0.getSymbol() + "->" + lang1.getSymbol(), lang0, normalizerRules1, lang1Stoplist, false));
  47     indexBuilders.add(new IndexBuilder(this, lang1.getSymbol(), lang1.getSymbol() + "->" + lang0.getSymbol(), lang1, normalizerRules2, lang2Stoplist, true));
  48   }
  49
  50   void build() {
  51     for (final IndexBuilder indexBuilder : indexBuilders) {
  52       indexBuilder.build();
  53       dictionary.indices.add(indexBuilder.index);
  54     }
  55   }
  56
  57   public static void main(final String[] args) throws IOException, ParserConfigurationException, SAXException {
  58     final Map<String,String> keyValueArgs = Args.keyValueArgs(args);
  59
  60     final Language lang1 = Language.lookup(keyValueArgs.remove("lang1"));
  61     final Language lang2 = Language.lookup(keyValueArgs.remove("lang2"));
  62     if (lang1 == null || lang2 == null) {
  63       fatalError("--lang1= and --lang2= must both be specified.");
  64     }
  65
  66     final Set<String> lang1Stoplist = new LinkedHashSet<String>();
  67     final Set<String> lang2Stoplist = new LinkedHashSet<String>();
  68     final String lang1StoplistFile = keyValueArgs.remove("lang1Stoplist");
  69     final String lang2StoplistFile = keyValueArgs.remove("lang2Stoplist");
  70     if (lang1StoplistFile != null) {
  71       lang1Stoplist.addAll(FileUtil.readLines(new File(lang1StoplistFile)));
  72     }
  73     if (lang2StoplistFile != null) {
  74       lang2Stoplist.addAll(FileUtil.readLines(new File(lang2StoplistFile)));
  75     }
  76
  77     String normalizerRules1 = keyValueArgs.remove("normalizerRules1");
  78     String normalizerRules2 = keyValueArgs.remove("normalizerRules2");
  79     if (normalizerRules1 == null) {
  80       normalizerRules1 = lang1.getDefaultNormalizerRules();
  81     }
  82     if (normalizerRules2 == null) {
  83       normalizerRules2 = lang2.getDefaultNormalizerRules();
  84     }
  85
  86     final String dictOutFilename = keyValueArgs.remove("dictOut");
  87     if (dictOutFilename == null) {
  88       fatalError("--dictOut= must be specified.");
  89     }
  90
  91     String dictInfo = keyValueArgs.remove("dictInfo");
  92     if (dictInfo == null) {
  93       fatalError("--dictInfo= must be specified.");
  94     }
  95     if (dictInfo.startsWith("@")) {
  96       dictInfo = FileUtil.readToString(new File(dictInfo.substring(1)));
  97     }
  98
  99     final String printFile = keyValueArgs.remove("print");
 100
 101     System.out.println("lang1=" + lang1);
 102     System.out.println("lang2=" + lang2);
 103     System.out.println("normalizerRules1=" + normalizerRules1);
 104     System.out.println("normalizerRules2=" + normalizerRules2);
 105     System.out.println("dictInfo=" + dictInfo);
 106     System.out.println("dictOut=" + dictOutFilename);
 107
 108     final DictionaryBuilder dictionaryBuilder = new DictionaryBuilder(dictInfo, lang1, lang2, normalizerRules1, normalizerRules2, lang1Stoplist, lang2Stoplist);
 109
 110     for (int i = 0; i < 100; ++i) {
 111       final String prefix = "input" + i;
 112       if (keyValueArgs.containsKey(prefix)) {
 113         final File file = new File(keyValueArgs.remove(prefix));
 114         System.out.println("Processing: " + file);
 115         String charsetName = keyValueArgs.remove(prefix + "Charset");
 116         if (charsetName == null) {
 117           charsetName = "UTF8";
 118         }
 119         final Charset charset = Charset.forName(charsetName);
 120         String inputName = keyValueArgs.remove(prefix + "Name");
 121         if (inputName == null) {
 122           fatalError("Must specify human readable name for: " + prefix + "Name");
 123         }
 124
 125         final EntrySource entrySource = new EntrySource(dictionaryBuilder.dictionary.sources.size(), inputName, dictionaryBuilder.dictionary.pairEntries.size());
 126         System.out.println("");
 127
 128         String inputFormat = keyValueArgs.remove(prefix + "Format");
 129         if ("dictcc".equals(inputFormat)) {
 130           new DictFileParser(charset, false, DictFileParser.TAB, null, dictionaryBuilder, dictionaryBuilder.indexBuilders.toArray(new IndexBuilder[0]), null).parseFile(file);
 131         } else if ("chemnitz".equals(inputFormat)) {
 132           new DictFileParser(charset, false, DictFileParser.DOUBLE_COLON, DictFileParser.PIPE, dictionaryBuilder, dictionaryBuilder.indexBuilders.toArray(new IndexBuilder[0]), null).parseFile(file);
 133         } else if ("enwiktionary".equals(inputFormat)) {
 134           final Pattern langPattern = Pattern.compile(keyValueArgs.remove(prefix + "LangPattern"));
 135           final Pattern langCodePattern = Pattern.compile(keyValueArgs.remove(prefix + "LangCodePattern"));
 136           final int enIndex = Integer.parseInt(keyValueArgs.remove(prefix + "EnIndex")) - 1;
 137           String pageLimit = keyValueArgs.remove(prefix + "PageLimit");
 138           if (pageLimit == null) {
 139             pageLimit = "-1";
 140           }
 141
 142           if (enIndex < 0 || enIndex >= 2) {
 143             fatalError("Must be 1 or 2: " + prefix + "EnIndex");
 144           }
 145           new EnWiktionaryXmlParser(dictionaryBuilder.indexBuilders.get(enIndex), dictionaryBuilder.indexBuilders.get(1-enIndex),
 146               langPattern, langCodePattern, enIndex != 0).parse(file, Integer.parseInt(pageLimit));
 147         } else {
 148           fatalError("Invalid or missing input format: " + inputFormat);
 149         }
 150
 151         dictionaryBuilder.dictionary.sources.add(entrySource);
 152         System.out.println("Done: " + file + "\n\n");
 153       }
 154     }
 155
 156     dictionaryBuilder.build();
 157
 158     if (printFile != null) {
 159       final PrintStream out = new PrintStream(new File(printFile));
 160       dictionaryBuilder.dictionary.print(out);
 161       out.close();
 162     }
 163
 164     System.out.println("Writing dictionary to: " + dictOutFilename);
 165     final RandomAccessFile dictOut = new RandomAccessFile(dictOutFilename, "rw");
 166     dictOut.setLength(0);
 167     dictionaryBuilder.dictionary.write(dictOut);
 168     dictOut.close();
 169
 170     if (!keyValueArgs.isEmpty()) {
 171       System.err.println("WARNING: couldn't parse arguments: " + keyValueArgs);
 172       System.exit(1);
 173     }
 174
 175   }
 176
 177   private static void fatalError(String string) {
 178     System.err.println(string);
 179     System.exit(1);
 180   }
 181
 182 }