src/com/hughes/android/dictionary/engine/IndexBuilder.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.ArrayList;
  18 import java.util.Collections;
  19 import java.util.Comparator;
  20 import java.util.EnumMap;
  21 import java.util.HashSet;
  22 import java.util.List;
  23 import java.util.Map;
  24 import java.util.Set;
  25 import java.util.SortedMap;
  26 import java.util.TreeMap;
  27
  28 import com.hughes.android.dictionary.engine.Index.IndexEntry;
  29 import com.hughes.android.dictionary.parser.DictFileParser;
  30
  31 public class IndexBuilder {
  32
  33   final DictionaryBuilder dictionaryBuilder;
  34   public final Index index;
  35   final Set<String> stoplist;
  36
  37   final SortedMap<String, TokenData> tokenToData;
  38
  39   IndexBuilder(final DictionaryBuilder dictionaryBuilder, final String shortName, final String longName, final Language language, final String normalizerRules, final Set<String> stoplist, final boolean swapPairEntries) {
  40     this.dictionaryBuilder = dictionaryBuilder;
  41     index = new Index(dictionaryBuilder.dictionary, shortName, longName, language, normalizerRules, swapPairEntries, stoplist);
  42     tokenToData = new TreeMap<String, TokenData>(new NormalizeComparator(index.normalizer(), language.getCollator()));
  43     this.stoplist = stoplist;
  44   }
  45
  46   public void build() {
  47     final Set<IndexedEntry> tokenEntryDatas = new HashSet<IndexedEntry>();
  48     final List<RowBase> rows = index.rows;
  49     index.mainTokenCount = 0;
  50     for (final TokenData tokenData : tokenToData.values()) {
  51       tokenEntryDatas.clear();
  52       final int indexIndex = index.sortedIndexEntries.size();
  53       final int startRow = rows.size();
  54
  55       final TokenRow tokenRow = new TokenRow(indexIndex, rows.size(), index, tokenData.hasMainEntry);
  56       rows.add(tokenRow);
  57       if (tokenRow.hasMainEntry) {
  58         index.mainTokenCount++;
  59       }
  60 //      System.out.println("Added TokenRow: " + rows.get(rows.size() - 1));
  61       int numRows = 0;
  62 //      System.out.println("TOKEN: " + tokenData.token);
  63       for (final Map.Entry<EntryTypeName, List<IndexedEntry>> typeToEntry : tokenData.typeToEntries.entrySet()) {
  64         for (final IndexedEntry entryData : typeToEntry.getValue()) {
  65           if (entryData.index() == -1) {
  66             entryData.addToDictionary(dictionaryBuilder.dictionary);
  67             assert entryData.index() >= 0;
  68           }
  69           if (tokenEntryDatas.add(entryData)) {
  70             rows.add(new PairEntry.Row(entryData.index(), rows.size(), index));
  71             ++entryData.entry.entrySource.numEntries;
  72             ++numRows;
  73
  74 //            System.out.print("  " + typeToEntry.getKey() + ": ");
  75   //          rows.get(rows.size() - 1).print(System.out);
  76 //            System.out.println();
  77           }
  78         }
  79       }
  80       index.sortedIndexEntries.add(new Index.IndexEntry(tokenData.token, index
  81           .normalizer().transliterate(tokenData.token), startRow, numRows));
  82     }
  83
  84     final List<IndexEntry> entriesSortedByNumRows = new ArrayList<IndexEntry>(index.sortedIndexEntries);
  85     Collections.sort(entriesSortedByNumRows, new Comparator<IndexEntry>() {
  86       @Override
  87       public int compare(IndexEntry object1, IndexEntry object2) {
  88         return object2.numRows - object1.numRows;
  89       }});
  90     System.out.println("Most common tokens:");
  91     for (int i = 0; i < 50 && i < entriesSortedByNumRows.size(); ++i) {
  92       System.out.println("  " + entriesSortedByNumRows.get(i));
  93     }
  94   }
  95
  96   static class TokenData {
  97     final String token;
  98
  99     final Map<EntryTypeName, List<IndexedEntry>> typeToEntries = new EnumMap<EntryTypeName, List<IndexedEntry>>(EntryTypeName.class);
 100     boolean hasMainEntry = false;
 101
 102     TokenData(final String token) {
 103       assert token.equals(token.trim());
 104       assert token.length() > 0;
 105       this.token = token;
 106     }
 107   }
 108
 109   private TokenData getOrCreateTokenData(final String token) {
 110     TokenData tokenData = tokenToData.get(token);
 111     if (tokenData == null) {
 112       tokenData = new TokenData(token);
 113       tokenToData.put(token, tokenData);
 114     }
 115     return tokenData;
 116   }
 117
 118   private List<IndexedEntry> getOrCreateEntries(final String token, final EntryTypeName entryTypeName) {
 119     final TokenData tokenData = getOrCreateTokenData(token);
 120     List<IndexedEntry> entries = tokenData.typeToEntries.get(entryTypeName);
 121     if (entryTypeName.mainWord) {
 122       tokenData.hasMainEntry = true;
 123     }
 124     if (entries == null) {
 125       entries = new ArrayList<IndexedEntry>();
 126       tokenData.typeToEntries.put(entryTypeName, entries);
 127     }
 128     return entries;
 129   }
 130
 131   public void addEntryWithTokens(final IndexedEntry indexedEntry, final Set<String> tokens,
 132       final EntryTypeName entryTypeName) {
 133     if (indexedEntry == null) {
 134       System.out.println("asdfasdf");
 135     }
 136     assert indexedEntry != null;
 137     for (final String token : tokens) {
 138       if (entryTypeName.overridesStopList || !stoplist.contains(token)) {
 139         getOrCreateEntries(token, entryTypeName).add(indexedEntry);
 140       }
 141     }
 142   }
 143
 144   public void addEntryWithString(final IndexedEntry indexedEntry, final String untokenizedString,
 145       final EntryTypeName entryTypeName) {
 146     final Set<String> tokens = DictFileParser.tokenize(untokenizedString, DictFileParser.NON_CHAR);
 147     addEntryWithTokens(indexedEntry, tokens, tokens.size() == 1 ? entryTypeName.singleWordInstance : entryTypeName);
 148   }
 149
 150   public void addEntryWithStringNoSingle(final IndexedEntry indexedEntry, final String untokenizedString,
 151       final EntryTypeName entryTypeName) {
 152     final Set<String> tokens = DictFileParser.tokenize(untokenizedString, DictFileParser.NON_CHAR);
 153     addEntryWithTokens(indexedEntry, tokens, entryTypeName);
 154   }
 155 }