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 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
  74         /*
  75         {"AR", "DE" },
  76         {"AR", "ES" },
  77         {"AR", "FR" },
  78         {"AR", "HE" },
  79         {"AR", "IT" },
  80         {"AR", "JA" },
  81         {"AR", "RU" },
  82         {"AR", "TR" },  // Turkish
  83         {"AR", "ZH" },
  84
  85         {"DE", "AR" },
  86         {"DE", "FR" },
  87         {"DE", "CA" },  // Catalan
  88         {"DE", "CS" },  // Czech
  89         {"DE", "EO" },  // Esperanto
  90         {"DE", "ES" },
  91         {"DE", "FR" },
  92         {"DE", "HE" },
  93         {"DE", "HU" },  // Hungarian
  94         {"DE", "IT" },
  95         {"DE", "JA" },
  96         {"DE", "LA" },  // Latin
  97         {"DE", "PL" },  // Polish
  98         {"DE", "RU" },
  99         {"DE", "SV" },  // Swedish
 100         {"DE", "TR" },  // Turkish
 101         {"DE", "ZH" },
 102
 103
 104         {"FR", "BG" },  // Bulgarian
 105         {"FR", "CS" },  // Czech
 106         {"FR", "DE" },
 107         {"FR", "ES" },
 108         {"FR", "IT" },
 109         {"FR", "JA" },
 110         {"FR", "LA" },
 111         {"FR", "NL" },  // Dutch
 112         {"FR", "RU" },
 113         {"FR", "TR" },  // Turkish
 114         {"FR", "ZH" },
 115
 116         {"IT", "DE" },
 117         {"IT", "EL" },  // Greek
 118         {"IT", "ES" },
 119         {"IT", "FR" },
 120         {"IT", "HU" },
 121         {"IT", "JA" },
 122         {"IT", "LA" },  // Latin
 123         {"IT", "LV" },  // Latvian
 124         {"IT", "NL" },
 125         {"IT", "PL" },
 126         {"IT", "RU" },
 127         {"IT", "SV" },
 128         {"IT", "TR" },  // Turkish
 129         {"IT", "ZH" },
 130
 131         {"JA", "ZH" },
 132         {"JA", "AR" },
 133         {"JA", "KO" },
 134
 135         {"ZH", "AR" },
 136         {"ZH", "DE" },
 137         {"ZH", "ES" },
 138         {"ZH", "FR" },
 139         {"ZH", "IT" },
 140         {"ZH", "KO" },
 141
 142
 143         {"NO", "SV" },
 144         {"NO", "FI" },
 145         {"FI", "SV" },
 146
 147         {"PL", "FR" },  // Polish
 148         {"PL", "RU" },  // Polish
 149         {"PL", "HU" },  // Polish
 150         {"PL", "ES" },  // Polish
 151
 152         */
 153
 154
 155     };
 156
 157     final Set<List<String>> done = new LinkedHashSet<List<String>>();
 158     for (final String[] pair : nonEnPairs) {
 159       Arrays.sort(pair);
 160       final List<String> pairList = Arrays.asList(pair);
 161       if (done.contains(pairList)) {
 162         continue;
 163       }
 164       done.add(pairList);
 165
 166       final String lang1 = pair[0];
 167       final String lang2 = pair[1];
 168
 169       final String dictFile = String.format("%s/%s-%s_enwiktionary_BETA.quickdic",
 170           OUTPUTS, lang1, lang2);
 171       System.out.println("building dictFile: " + dictFile);
 172
 173       if (!isoToStoplist.containsKey(lang1)) {
 174         isoToStoplist.put(lang1, "empty.txt");
 175       }
 176       if (!isoToStoplist.containsKey(lang2)) {
 177         isoToStoplist.put(lang2, "empty.txt");
 178       }
 179
 180       DictionaryBuilder.main(new String[] {
 181           String.format("--dictOut=%s", dictFile),
 182           String.format("--lang1=%s", lang1),
 183           String.format("--lang2=%s", lang2),
 184           String.format("--lang1Stoplist=%s", STOPLISTS + isoToStoplist.get(lang1)),
 185           String.format("--lang2Stoplist=%s", STOPLISTS + isoToStoplist.get(lang2)),
 186           String.format("--dictInfo=(EN)Wikitionary-based %s-%s dictionary.", lang1, lang2),
 187
 188           String.format("--input2=%swikiSplit/en/EN.data", INPUTS),
 189           String.format("--input2Name=BETA!enwiktionary.%s-%s", lang1, lang2),
 190           String.format("--input2Format=%s", EnTranslationToTranslationParser.NAME),
 191           String.format("--input2LangPattern1=%s", lang1),
 192           String.format("--input2LangPattern2=%s", lang2),
 193       });
 194     }
 195     if (1==1) {
 196       //return;
 197     }
 198
 199
 200     // Now build the EN ones.
 201
 202 //    isoToWikiName.keySet().retainAll(Arrays.asList("UK", "HR", "FI"));
 203     //isoToWikiName.clear();
 204     boolean go = false;
 205     for (final String foreignIso : isoToWikiName.keySet()) {
 206       if (foreignIso.equals("SL")) {
 207         go = true;
 208       }
 209       if (!go) {
 210         continue;
 211       }
 212
 213         final String dictFile = String.format("%s/EN-%s_enwiktionary.quickdic", OUTPUTS, foreignIso);
 214         System.out.println("building dictFile: " + dictFile);
 215
 216         if (!isoToStoplist.containsKey(foreignIso)) {
 217           isoToStoplist.put(foreignIso, "empty.txt");
 218         }
 219         if (!isoToDedication.containsKey(foreignIso)) {
 220           isoToDedication.put(foreignIso, "");
 221         }
 222         if (!isoToRegex.containsKey(foreignIso)) {
 223           isoToRegex.put(foreignIso, isoToWikiName.get(foreignIso));
 224         }
 225
 226         DictionaryBuilder.main(new String[] {
 227             String.format("--dictOut=%s", dictFile),
 228             String.format("--lang1=EN"),
 229             String.format("--lang2=%s", foreignIso),
 230             String.format("--lang1Stoplist=%s", STOPLISTS + isoToStoplist.get("EN")),
 231             String.format("--lang2Stoplist=%s", STOPLISTS + isoToStoplist.get(foreignIso)),
 232             String.format("--dictInfo=(EN)Wikitionary-based EN-%s dictionary.\n\n%s", foreignIso, isoToDedication.get(foreignIso)),
 233
 234             "--input2=" + INPUTS + "wikiSplit/en/" + foreignIso + ".data",
 235             "--input2Name=enwiktionary." + foreignIso,
 236             "--input2Format=enwiktionary",
 237             "--input2WiktionaryType=EnForeign",
 238             "--input2LangPattern=" + isoToRegex.get(foreignIso),
 239             "--input2LangCodePattern=" + foreignIso.toLowerCase(),
 240             "--input2EnIndex=1",
 241
 242             "--input3=" + INPUTS + "wikiSplit/en/EN.data",
 243             "--input3Name=enwiktionary.english",
 244             "--input3Format=enwiktionary",
 245             "--input3WiktionaryType=EnToTranslation",
 246             "--input3LangPattern=" + isoToRegex.get(foreignIso),
 247             "--input3LangCodePattern=" + foreignIso.toLowerCase(),
 248             "--input3EnIndex=1",
 249
 250         });
 251
 252     }  // foreignIso
 253
 254     // Now special case German-English.
 255
 256     final String dictFile = String.format("%s/DE-EN_chemnitz_enwiktionary.quickdic", OUTPUTS);
 257     DictionaryBuilder.main(new String[] {
 258         "--dictOut=" + dictFile,
 259         "--lang1=DE",
 260         "--lang2=EN",
 261         String.format("--lang1Stoplist=%s", STOPLISTS + "de.txt"),
 262         String.format("--lang2Stoplist=%s", STOPLISTS + "en.txt"),
 263         "--dictInfo=@" + INPUTS + "de-en_chemnitz_enwiktionary.info",
 264
 265         "--input4=" + INPUTS + "de-en_chemnitz.txt",
 266         "--input4Name=chemnitz",
 267         "--input4Charset=UTF8",
 268         "--input4Format=chemnitz",
 269
 270         "--input2=" + INPUTS + "wikiSplit/en/DE.data",
 271         "--input2Name=enwiktionary.DE",
 272         "--input2Format=enwiktionary",
 273         "--input2WiktionaryType=EnForeign",
 274         "--input2LangPattern=German",
 275         "--input2LangCodePattern=de",
 276         "--input2EnIndex=2",
 277
 278         "--input3=" + INPUTS + "wikiSplit/en/EN.data",
 279         "--input3Name=enwiktionary.english",
 280         "--input3Format=enwiktionary",
 281         "--input3WiktionaryType=EnToTranslation",
 282         "--input3LangPattern=German",
 283         "--input3LangCodePattern=de",
 284         "--input3EnIndex=2",
 285     });
 286
 287   }
 288
 289 }