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.Parser;
  35 import com.hughes.android.dictionary.parser.wiktionary.EnForeignParser;
  36 import com.hughes.android.dictionary.parser.wiktionary.EnToTranslationParser;
  37 import com.hughes.util.Args;
  38 import com.hughes.util.FileUtil;
  39
  40 public class DictionaryBuilder {
  41
  42   public final Dictionary dictionary;
  43   public final List<IndexBuilder> indexBuilders = new ArrayList<IndexBuilder>();
  44
  45   public DictionaryBuilder(final String dictInfoString, final Language lang0, final Language lang1, final String normalizerRules1, final String normalizerRules2, final Set<String> lang1Stoplist, final Set<String> lang2Stoplist) {
  46     dictionary = new Dictionary(dictInfoString);
  47     indexBuilders.add(new IndexBuilder(this, lang0.getIsoCode(), lang0.getIsoCode() + "->" + lang1.getIsoCode(), lang0, normalizerRules1, lang1Stoplist, false));
  48     indexBuilders.add(new IndexBuilder(this, lang1.getIsoCode(), lang1.getIsoCode() + "->" + lang0.getIsoCode(), lang1, normalizerRules2, lang2Stoplist, true));
  49   }
  50
  51   void build() {
  52     for (final IndexBuilder indexBuilder : indexBuilders) {
  53       indexBuilder.build();
  54       dictionary.indices.add(indexBuilder.index);
  55     }
  56   }
  57
  58   public static void main(final String[] args) throws IOException, ParserConfigurationException, SAXException {
  59     System.out.println("Running with arguments:");
  60     for (final String arg : args) {
  61       System.out.println(arg);
  62     }
  63
  64     final Map<String,String> keyValueArgs = Args.keyValueArgs(args);
  65
  66     if (!keyValueArgs.containsKey("lang1") || !keyValueArgs.containsKey("lang2")) {
  67       fatalError("--lang1= and --lang2= must both be specified.");
  68     }
  69     final Language lang1 = Language.lookup(keyValueArgs.remove("lang1"));
  70     final Language lang2 = Language.lookup(keyValueArgs.remove("lang2"));
  71
  72     final Set<String> lang1Stoplist = new LinkedHashSet<String>();
  73     final Set<String> lang2Stoplist = new LinkedHashSet<String>();
  74     final String lang1StoplistFile = keyValueArgs.remove("lang1Stoplist");
  75     final String lang2StoplistFile = keyValueArgs.remove("lang2Stoplist");
  76     if (lang1StoplistFile != null) {
  77       lang1Stoplist.addAll(FileUtil.readLines(new File(lang1StoplistFile)));
  78     }
  79     if (lang2StoplistFile != null) {
  80       lang2Stoplist.addAll(FileUtil.readLines(new File(lang2StoplistFile)));
  81     }
  82
  83     String normalizerRules1 = keyValueArgs.remove("normalizerRules1");
  84     String normalizerRules2 = keyValueArgs.remove("normalizerRules2");
  85     if (normalizerRules1 == null) {
  86       normalizerRules1 = lang1.getDefaultNormalizerRules();
  87     }
  88     if (normalizerRules2 == null) {
  89       normalizerRules2 = lang2.getDefaultNormalizerRules();
  90     }
  91
  92     final String dictOutFilename = keyValueArgs.remove("dictOut");
  93     if (dictOutFilename == null) {
  94       fatalError("--dictOut= must be specified.");
  95     }
  96
  97     String dictInfo = keyValueArgs.remove("dictInfo");
  98     if (dictInfo == null) {
  99       fatalError("--dictInfo= must be specified.");
 100     }
 101     if (dictInfo.startsWith("@")) {
 102       dictInfo = FileUtil.readToString(new File(dictInfo.substring(1)));
 103     }
 104
 105     final String printFile = keyValueArgs.remove("print");
 106
 107     System.out.println("lang1=" + lang1);
 108     System.out.println("lang2=" + lang2);
 109     System.out.println("normalizerRules1=" + normalizerRules1);
 110     System.out.println("normalizerRules2=" + normalizerRules2);
 111     System.out.println("dictInfo=" + dictInfo);
 112     System.out.println("dictOut=" + dictOutFilename);
 113
 114     final DictionaryBuilder dictionaryBuilder = new DictionaryBuilder(dictInfo, lang1, lang2, normalizerRules1, normalizerRules2, lang1Stoplist, lang2Stoplist);
 115
 116     for (int i = 0; i < 100; ++i) {
 117       final String prefix = "input" + i;
 118       if (keyValueArgs.containsKey(prefix)) {
 119         final File file = new File(keyValueArgs.remove(prefix));
 120         System.out.println("Processing: " + file);
 121         String charsetName = keyValueArgs.remove(prefix + "Charset");
 122         if (charsetName == null) {
 123           charsetName = "UTF8";
 124         }
 125         final Charset charset = Charset.forName(charsetName);
 126         String inputName = keyValueArgs.remove(prefix + "Name");
 127         if (inputName == null) {
 128           fatalError("Must specify human readable name for: " + prefix + "Name");
 129         }
 130         String pageLimitString = keyValueArgs.remove(prefix + "PageLimit");
 131         if (pageLimitString == null) {
 132           pageLimitString = "-1";
 133         }
 134         final int pageLimit = Integer.parseInt(pageLimitString);
 135
 136         final EntrySource entrySource = new EntrySource(dictionaryBuilder.dictionary.sources.size(), inputName, 0);
 137         System.out.println("");
 138
 139         String inputFormat = keyValueArgs.remove(prefix + "Format");
 140         if ("tab_separated".equals(inputFormat)) {
 141           final boolean flipColumns = "true".equals(keyValueArgs.remove(prefix + "FlipColumns"));
 142           new DictFileParser(charset, flipColumns, DictFileParser.TAB, null, dictionaryBuilder, dictionaryBuilder.indexBuilders.toArray(new IndexBuilder[0]), null).parse(file, entrySource, pageLimit);
 143         } else if ("chemnitz".equals(inputFormat)) {
 144           final boolean flipColumns = "true".equals(keyValueArgs.remove(prefix + "FlipColumns"));
 145           new DictFileParser(charset, flipColumns, DictFileParser.DOUBLE_COLON, DictFileParser.PIPE, dictionaryBuilder, dictionaryBuilder.indexBuilders.toArray(new IndexBuilder[0]), null).parse(file, entrySource, pageLimit);
 146         } else if ("enwiktionary".equals(inputFormat)) {
 147           final String type = keyValueArgs.remove(prefix + "WiktionaryType");
 148           final Pattern langPattern = Pattern.compile(keyValueArgs.remove(prefix + "LangPattern"), Pattern.CASE_INSENSITIVE);
 149           final Pattern langCodePattern = Pattern.compile(keyValueArgs.remove(prefix + "LangCodePattern"));
 150           final int enIndex = Integer.parseInt(keyValueArgs.remove(prefix + "EnIndex")) - 1;
 151
 152           if (enIndex < 0 || enIndex >= 2) {
 153             fatalError("Must be 1 or 2: " + prefix + "EnIndex");
 154           }
 155           final Parser parser;
 156           if ("EnToTranslation".equals(type)) {
 157             parser = new EnToTranslationParser(dictionaryBuilder.indexBuilders.get(enIndex), dictionaryBuilder.indexBuilders.get(1-enIndex),
 158                 langPattern, langCodePattern, enIndex != 0);
 159           } else if ("EnForeign".equals(type)) {
 160             parser = new EnForeignParser(dictionaryBuilder.indexBuilders.get(enIndex), dictionaryBuilder.indexBuilders.get(1-enIndex),
 161                 langPattern, langCodePattern, enIndex != 0);
 162           } else {
 163             fatalError("Invalid WiktionaryType (use EnToTranslation or EnForeign): " + type);
 164             return;
 165           }
 166           parser.parse(file, entrySource, pageLimit);
 167         } else {
 168           fatalError("Invalid or missing input format: " + inputFormat);
 169         }
 170
 171         dictionaryBuilder.dictionary.sources.add(entrySource);
 172         System.out.println("Done: " + file + "\n\n");
 173       }
 174     }
 175
 176     dictionaryBuilder.build();
 177
 178     if (printFile != null) {
 179       final PrintStream out = new PrintStream(new File(printFile));
 180       dictionaryBuilder.dictionary.print(out);
 181       out.close();
 182     }
 183
 184     System.out.println("Writing dictionary to: " + dictOutFilename);
 185     final RandomAccessFile dictOut = new RandomAccessFile(dictOutFilename, "rw");
 186     dictOut.setLength(0);
 187     dictionaryBuilder.dictionary.write(dictOut);
 188     dictOut.close();
 189
 190     if (!keyValueArgs.isEmpty()) {
 191       System.err.println("WARNING: couldn't parse arguments: " + keyValueArgs);
 192       System.exit(1);
 193     }
 194
 195   }
 196
 197   private static void fatalError(String string) {
 198     System.err.println(string);
 199
 200
 201     System.exit(1);
 202   }
 203
 204 }