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.util.Arrays;
  18 import java.util.LinkedHashMap;
  19 import java.util.LinkedHashSet;
  20 import java.util.List;
  21 import java.util.Map;
  22 import java.util.Set;
  23
  24 import junit.framework.TestCase;
  25
  26 import com.hughes.android.dictionary.parser.wiktionary.EnTranslationToTranslationParser;
  27 import com.hughes.android.dictionary.parser.wiktionary.WiktionaryLangs;
  28
  29 public class DictionaryBuilderMain extends TestCase {
  30
  31   static final String INPUTS = "data/inputs/";
  32   static final String STOPLISTS = "data/inputs/stoplists/";
  33   static final String OUTPUTS = "data/outputs/";
  34
  35   public static <E> void main(final String[] args) throws Exception {
  36
  37     // Builds all the dictionaries it can, outputs list to a text file.
  38
  39     final Map<String,String> isoToWikiName = new LinkedHashMap<String, String>(WiktionaryLangs.isoCodeToWikiName);
  40     isoToWikiName.remove("EN");
  41     isoToWikiName.remove("DE");
  42
  43     final Map<String,String>  isoToDedication = new LinkedHashMap<String, String>();
  44     isoToDedication.put("AF", "Afrikaans dictionary dedicated to Heiko and Mariëtte Horn.");
  45     isoToDedication.put("HR", "Croatian dictionary dedicated to Ines Viskic and Miro Kresonja.");
  46     isoToDedication.put("NL", "Dutch dictionary dedicated to Mike LeBeau.");
  47     // German handled in file.
  48     isoToDedication.put("EL", "Greek dictionary dedicated to Noah Egge.");
  49     isoToDedication.put("IT", "Italian dictionary dedicated to Carolina Tropini, my favorite stardust in the whole universe!  Ti amo!");
  50     isoToDedication.put("KO", "Korean dictionary dedicated to Ande Elwood--fall fashion und Fernsehturms!");
  51     isoToDedication.put("PT", "Portuguese dictionary dedicated to Carlos Melo, one Tough Mudder.");
  52     isoToDedication.put("RO", "Romanian dictionary dedicated to Radu Teodorescu.");
  53     isoToDedication.put("RU", "Russian dictionary dedicated to Maxim Aronin--best friend always!.");
  54     isoToDedication.put("SR", "Serbian dictionary dedicated to Filip Crnogorac--thanks for the honey.");
  55     isoToDedication.put("ES", "Spanish dictionary made especially for Carolina Tropini! <3 XoXoXXXXX!");
  56     isoToDedication.put("SV", "Swedish dictionary dedicated to Kajsa Palmblad--björn kramar!");
  57
  58     final Map<String,String>  isoToStoplist = new LinkedHashMap<String, String>();
  59     isoToStoplist.put("DE", "de.txt");
  60     isoToStoplist.put("EN", "en.txt");
  61     isoToStoplist.put("ES", "es.txt");
  62     isoToStoplist.put("IT", "it.txt");
  63     isoToStoplist.put("FR", "fr.txt");
  64
  65     final Map<String,String>  isoToRegex = new LinkedHashMap<String, String>();
  66     // HACK: The missing "e" prevents a full match, causing "Cantonese" to be appended to the entries.
  67     isoToRegex.put("ZH", "Chinese|Mandarin|Cantones");
  68
  69
  70     // Build the non EN ones.
  71
  72     final String[][] nonEnPairs = new String[][] {
  73         {"AR", "DE" },
  74         {"AR", "ES" },
  75         {"AR", "FR" },
  76         {"AR", "IT" },
  77         {"AR", "JA" },
  78         {"AR", "RU" },
  79         {"AR", "ZH" },
  80
  81         {"DE", "FR" },
  82         {"DE", "CA" },  // Catalan
  83         {"DE", "CS" },  // Czech
  84         {"DE", "EO" },  // Esperanto
  85         {"DE", "ES" },
  86         {"DE", "FR" },
  87         {"DE", "HU" },  // Hungarian
  88         {"DE", "IT" },
  89         {"DE", "JA" },
  90         {"DE", "LA" },  // Latin
  91         {"DE", "PL" },  // Polish
  92         {"DE", "RU" },
  93         {"DE", "SV" },  // Swedish
  94         {"DE", "ZH" },
  95
  96
  97         {"FR", "BG" },  // Bulgarian
  98         {"FR", "CS" },  // Czech
  99         {"FR", "DE" },
 100         {"FR", "ES" },
 101         {"FR", "IT" },
 102         {"FR", "JA" },
 103         {"FR", "LA" },
 104         {"FR", "NL" },  // Dutch
 105         {"FR", "RU" },
 106         {"FR", "ZH" },
 107
 108         {"IT", "DE" },
 109         {"IT", "EL" },  // Greek
 110         {"IT", "ES" },
 111         {"IT", "FR" },
 112         {"IT", "HU" },
 113         {"IT", "JA" },
 114         {"IT", "LA" },  // Latin
 115         {"IT", "LV" },  // Latvian
 116         {"IT", "NL" },
 117         {"IT", "PL" },
 118         {"IT", "RU" },
 119         {"IT", "SV" },
 120         {"IT", "ZH" },
 121
 122         {"JA", "ZH" },
 123         {"JA", "AR" },
 124
 125         {"ZH", "AR" },
 126         {"ZH", "DE" },
 127         {"ZH", "ES" },
 128         {"ZH", "FR" },
 129         {"ZH", "IT" },
 130
 131
 132         {"NO", "SV" },
 133         {"NO", "FI" },
 134         {"FI", "SV" },
 135         {"AR", "HE" },
 136         {"KO", "JA" },
 137         {"KO", "ZH" },
 138     };
 139
 140     final Set<List<String>> done = new LinkedHashSet<List<String>>();
 141     for (final String[] pair : nonEnPairs) {
 142       Arrays.sort(pair);
 143       final List<String> pairList = Arrays.asList(pair);
 144       if (done.contains(pairList)) {
 145         continue;
 146       }
 147       done.add(pairList);
 148
 149       final String lang1 = pair[0];
 150       final String lang2 = pair[1];
 151
 152       final String dictFile = String.format("%s/%s-%s_enwiktionary_BETA.quickdic",
 153           OUTPUTS, lang1, lang2);
 154       System.out.println("building dictFile: " + dictFile);
 155
 156       if (!isoToStoplist.containsKey(lang1)) {
 157         isoToStoplist.put(lang1, "empty.txt");
 158       }
 159       if (!isoToStoplist.containsKey(lang2)) {
 160         isoToStoplist.put(lang2, "empty.txt");
 161       }
 162
 163       DictionaryBuilder.main(new String[] {
 164           String.format("--dictOut=%s", dictFile),
 165           String.format("--lang1=%s", lang1),
 166           String.format("--lang2=%s", lang2),
 167           String.format("--lang1Stoplist=%s", STOPLISTS + isoToStoplist.get(lang1)),
 168           String.format("--lang2Stoplist=%s", STOPLISTS + isoToStoplist.get(lang2)),
 169           String.format("--dictInfo=(EN)Wikitionary-based %s-%s dictionary.", lang1, lang2),
 170
 171           String.format("--input2=%swikiSplit/en/EN.data", INPUTS),
 172           String.format("--input2Name=BETA!enwiktionary.%s-%s", lang1, lang2),
 173           String.format("--input2Format=%s", EnTranslationToTranslationParser.NAME),
 174           String.format("--input2LangPattern1=%s", lang1),
 175           String.format("--input2LangPattern2=%s", lang2),
 176       });
 177     }
 178     if (1==1) {
 179       return;
 180     }
 181
 182
 183     // Now build the EN ones.
 184
 185 //    isoToWikiName.keySet().retainAll(Arrays.asList("UK", "HR", "FI"));
 186     //isoToWikiName.clear();
 187     boolean go = true;
 188     for (final String foreignIso : isoToWikiName.keySet()) {
 189       if (foreignIso.equals("GD")) {
 190         go = true;
 191       }
 192       if (!go) {
 193         continue;
 194       }
 195
 196         final String dictFile = String.format("%s/EN-%s_enwiktionary.quickdic", OUTPUTS, foreignIso);
 197         System.out.println("building dictFile: " + dictFile);
 198
 199         if (!isoToStoplist.containsKey(foreignIso)) {
 200           isoToStoplist.put(foreignIso, "empty.txt");
 201         }
 202         if (!isoToDedication.containsKey(foreignIso)) {
 203           isoToDedication.put(foreignIso, "");
 204         }
 205         if (!isoToRegex.containsKey(foreignIso)) {
 206           isoToRegex.put(foreignIso, isoToWikiName.get(foreignIso));
 207         }
 208
 209         DictionaryBuilder.main(new String[] {
 210             String.format("--dictOut=%s", dictFile),
 211             String.format("--lang1=EN"),
 212             String.format("--lang2=%s", foreignIso),
 213             String.format("--lang1Stoplist=%s", STOPLISTS + isoToStoplist.get("EN")),
 214             String.format("--lang2Stoplist=%s", STOPLISTS + isoToStoplist.get(foreignIso)),
 215             String.format("--dictInfo=(EN)Wikitionary-based EN-%s dictionary.\n\n%s", foreignIso, isoToDedication.get(foreignIso)),
 216
 217             "--input2=" + INPUTS + "wikiSplit/en/" + foreignIso + ".data",
 218             "--input2Name=enwiktionary." + foreignIso,
 219             "--input2Format=enwiktionary",
 220             "--input2WiktionaryType=EnForeign",
 221             "--input2LangPattern=" + isoToRegex.get(foreignIso),
 222             "--input2LangCodePattern=" + foreignIso.toLowerCase(),
 223             "--input2EnIndex=1",
 224
 225             "--input3=" + INPUTS + "wikiSplit/en/EN.data",
 226             "--input3Name=enwiktionary.english",
 227             "--input3Format=enwiktionary",
 228             "--input3WiktionaryType=EnToTranslation",
 229             "--input3LangPattern=" + isoToRegex.get(foreignIso),
 230             "--input3LangCodePattern=" + foreignIso.toLowerCase(),
 231             "--input3EnIndex=1",
 232
 233         });
 234
 235     }  // foreignIso
 236
 237     // Now special case German-English.
 238
 239     final String dictFile = String.format("%s/DE-EN_chemnitz_enwiktionary.quickdic", OUTPUTS);
 240     DictionaryBuilder.main(new String[] {
 241         "--dictOut=" + dictFile,
 242         "--lang1=DE",
 243         "--lang2=EN",
 244         String.format("--lang1Stoplist=%s", STOPLISTS + "de.txt"),
 245         String.format("--lang2Stoplist=%s", STOPLISTS + "en.txt"),
 246         "--dictInfo=@" + INPUTS + "de-en_chemnitz_enwiktionary.info",
 247
 248         "--input4=" + INPUTS + "de-en_chemnitz.txt",
 249         "--input4Name=chemnitz",
 250         "--input4Charset=UTF8",
 251         "--input4Format=chemnitz",
 252
 253         "--input2=" + INPUTS + "wikiSplit/en/DE.data",
 254         "--input2Name=enwiktionary.DE",
 255         "--input2Format=enwiktionary",
 256         "--input2WiktionaryType=EnForeign",
 257         "--input2LangPattern=German",
 258         "--input2LangCodePattern=de",
 259         "--input2EnIndex=2",
 260
 261         "--input3=" + INPUTS + "wikiSplit/en/EN.data",
 262         "--input3Name=enwiktionary.english",
 263         "--input3Format=enwiktionary",
 264         "--input3WiktionaryType=EnToTranslation",
 265         "--input3LangPattern=German",
 266         "--input3LangCodePattern=de",
 267         "--input3EnIndex=2",
 268     });
 269
 270   }
 271
 272 }