src/com/hughes/android/dictionary/engine/DictionaryBuilderMain.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.PrintWriter;
  19 import java.io.RandomAccessFile;
  20 import java.util.ArrayList;
  21 import java.util.Collections;
  22 import java.util.List;
  23
  24 import junit.framework.TestCase;
  25
  26 public class DictionaryBuilderMain extends TestCase {
  27
  28   static final String INPUTS = "../DictionaryData/inputs/";
  29   static final String OUTPUTS = "../DictionaryData/outputs/";
  30
  31   static class Lang {
  32     final String nameRegex;
  33     final String isoCode;
  34     final String wikiSplit;
  35     public Lang(String nameRegex, String code, final String wikiSplit) {
  36       this.nameRegex = nameRegex;
  37       this.isoCode = code;
  38       this.wikiSplit = wikiSplit;
  39     }
  40   }
  41
  42
  43   public static void main(final String[] args) throws Exception {
  44
  45     Lang[] langs1 = new Lang[] {
  46         new Lang("^English$", "EN", null),
  47     };
  48     Lang[] langs2 = new Lang[] {
  49         new Lang("^.*Italian.*$", "IT", "italian.data"),
  50         new Lang("^.*Greek.*$", "EL", "greek.data"),
  51         new Lang("^.*Spanish.*$", "ES", "spanish.data"),
  52         /*
  53         new Lang("^German$", "DE"),
  54         new Lang("^Afrikaans$", "AF"),
  55         new Lang("^Armenian$", "HY"),
  56         new Lang("^Arabic$", "AR"),
  57         new Lang("^Chinese$|^Mandarin$", "ZH"),
  58         new Lang("^Croation$", "HR"),
  59         new Lang("^Czech$", "CS"),
  60         new Lang("^Dutch$", "NL"),
  61         new Lang("^English$", "EN"),
  62         new Lang("^Finnish$", "FI"),
  63         new Lang("^French$", "FR"),
  64         new Lang("^Hebrew$", "HE"),
  65         new Lang("^Hindi$", "HI"),
  66         new Lang("^Icelandic$", "IS"),
  67         new Lang("^Irish$", "GA"),
  68         new Lang("^Japanese$", "JA"),
  69         new Lang("^Korean$", "KO"),
  70         new Lang("^Kurdish$", "KU"),
  71         new Lang("^Lithuanian$", "LT"),
  72         new Lang("^Malay$", "MS"),
  73         new Lang("^Maori$", "MI"),
  74         new Lang("^Mongolian$", "MN"),
  75         new Lang("^Norwegian$", "NO"),
  76         new Lang("^Persian$", "FA"),
  77         new Lang("^Portuguese$", "PT"),
  78         new Lang("^Romanian$", "RO"),
  79         new Lang("^Russian$", "RU"),
  80         new Lang("^Sanskrit$", "SA"),
  81         new Lang("^Serbian$", "SR"),
  82         new Lang("^Somali$", "SO"),
  83         new Lang("^Sudanese$", "SU"),
  84         new Lang("^Swedish$", "SV"),
  85         new Lang("^Tajik$", "TG"),
  86         new Lang("^Thai$", "TH"),
  87         new Lang("^Tibetan$", "BO"),
  88         new Lang("^Turkish$", "TR"),
  89         new Lang("^Ukranian$", "UK"),
  90         new Lang("^Vietnamese$", "VI"),
  91         new Lang("^Welsh$", "CY"),
  92         new Lang("^Yiddish$", "YI"),
  93         new Lang("^Zulu$", "ZU"),*/
  94     };
  95
  96     for (final Lang lang1 : langs1) {
  97       for (final Lang lang2 : langs2) {
  98         if (lang1.nameRegex.equals(lang2.nameRegex)) {
  99           continue;
 100         }
 101
 102         int enIndex = -1;
 103         Lang nonEnglish = null;
 104         if (lang2.isoCode.equals("EN")) {
 105           enIndex = 2;
 106           nonEnglish = lang1;
 107         }
 108         if (lang1.isoCode.equals("EN")) {
 109           enIndex = 1;
 110           nonEnglish = lang2;
 111         }
 112         assert nonEnglish != null;
 113
 114         final String dictFile = String.format(OUTPUTS + "/%s-%s_enwiktionary.quickdic", lang1.isoCode, lang2.isoCode);
 115         System.out.println("building dictFile: " + dictFile);
 116         DictionaryBuilder.main(new String[] {
 117             String.format("--dictOut=%s", dictFile),
 118             String.format("--lang1=%s", lang1.isoCode),
 119             String.format("--lang2=%s", lang2.isoCode),
 120             String.format("--dictInfo=(EN)Wikitionary-based %s-%s dictionary", lang1.isoCode, lang2.isoCode),
 121
 122             "--input2=" + INPUTS + "wikiSplit/" + nonEnglish.wikiSplit,
 123             "--input2Name=enwiktionary." + nonEnglish.wikiSplit,
 124             "--input2Format=enwiktionary",
 125             "--input2LangPattern=" + nonEnglish.nameRegex,
 126             "--input2LangCodePattern=" + nonEnglish.isoCode.toLowerCase(),
 127             "--input2EnIndex=" + enIndex,
 128
 129             "--input3=" + INPUTS + "wikiSplit/english.data",
 130             "--input3Name=enwiktionary.english",
 131             "--input3Format=enwiktionary",
 132             "--input3LangPattern=" + nonEnglish.nameRegex,
 133             "--input3LangCodePattern=" + (enIndex == 1 ? lang2.isoCode : lang1.isoCode).toLowerCase(),
 134             "--input3EnIndex=" + enIndex,
 135
 136         });
 137
 138         // Print the entries for diffing.
 139         final RandomAccessFile raf = new RandomAccessFile(new File(dictFile), "r");
 140         final Dictionary dict = new Dictionary(raf);
 141         final PrintWriter textOut = new PrintWriter(new File(dictFile + ".text"));
 142         final List<PairEntry> sorted = new ArrayList<PairEntry>(dict.pairEntries);
 143         Collections.sort(sorted);
 144         for (final PairEntry pairEntry : sorted) {
 145           textOut.println(pairEntry.getRawText(false));
 146         }
 147         textOut.close();
 148         raf.close();
 149
 150       }  // langs2
 151     }  // langs1
 152
 153     DictionaryBuilder.main(new String[] {
 154         "--dictOut=" + OUTPUTS + "DE-EN_chemnitz.quickdic",
 155         "--lang1=DE",
 156         "--lang2=EN",
 157         "--dictInfo=@" + INPUTS + "de-en_chemnitz.info",
 158
 159         "--input1=" + INPUTS + "de-en_chemnitz.txt",
 160         "--input1Name=chemnitz",
 161         "--input1Charset=UTF8",
 162         "--input1Format=chemnitz",
 163     });
 164
 165     DictionaryBuilder.main(new String[] {
 166         "--dictOut=" + OUTPUTS + "de-en_all.quickdic",
 167         "--lang1=DE",
 168         "--lang2=EN",
 169         "--dictInfo=@" + INPUTS + "de-en_all.info",
 170
 171         "--input2=" + INPUTS + "de-en_chemnitz.txt",
 172         "--input2Name=dictcc",
 173         "--input2Charset=UTF8",
 174         "--input2Format=chemnitz",
 175
 176         "--input3=" + INPUTS + "/copyrighted/de-en_dictcc.txt",
 177         "--input3Name=dictcc",
 178         "--input3Charset=UTF8",
 179         "--input3Format=dictcc",
 180
 181         // TODO: wiktionary
 182     });
 183
 184   }
 185
 186 }