src/com/hughes/android/dictionary/parser/enwiktionary/EnWiktionaryXmlParser.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.parser.enwiktionary;
  16
  17 import java.io.BufferedInputStream;
  18 import java.io.DataInputStream;
  19 import java.io.EOFException;
  20 import java.io.File;
  21 import java.io.FileInputStream;
  22 import java.io.IOException;
  23 import java.util.ArrayList;
  24 import java.util.Arrays;
  25 import java.util.Collection;
  26 import java.util.LinkedHashSet;
  27 import java.util.List;
  28 import java.util.Map;
  29 import java.util.Set;
  30 import java.util.logging.Logger;
  31 import java.util.regex.Pattern;
  32
  33 import com.hughes.android.dictionary.engine.EntryTypeName;
  34 import com.hughes.android.dictionary.engine.IndexBuilder;
  35 import com.hughes.android.dictionary.engine.IndexedEntry;
  36 import com.hughes.android.dictionary.engine.PairEntry;
  37 import com.hughes.android.dictionary.engine.PairEntry.Pair;
  38 import com.hughes.android.dictionary.parser.WikiTokenizer;
  39 import com.hughes.util.ListUtil;
  40
  41 public class EnWiktionaryXmlParser {
  42
  43   private static final String TRANSLITERATION_FORMAT = " (tr. %s)";
  44
  45   static final Logger LOG = Logger.getLogger(EnWiktionaryXmlParser.class.getName());
  46
  47   // TODO: process {{ttbc}} lines
  48
  49   static final Pattern partOfSpeechHeader = Pattern.compile(
  50       "Noun|Verb|Adjective|Adverb|Pronoun|Conjunction|Interjection|" +
  51       "Preposition|Proper noun|Article|Prepositional phrase|Acronym|" +
  52       "Abbreviation|Initialism|Contraction|Prefix|Suffix|Symbol|Letter|" +
  53       "Ligature|Idiom|Phrase|\\{\\{acronym\\}\\}|\\{\\{initialism\\}\\}|" +
  54       // These are @deprecated:
  55       "Noun form|Verb form|Adjective form|Nominal phrase|Noun phrase|" +
  56       "Verb phrase|Transitive verb|Intransitive verb|Reflexive verb|" +
  57       // These are extras I found:
  58       "Determiner|Numeral|Number|Cardinal number|Ordinal number|Proverb|" +
  59       "Particle|Interjection|Pronominal adverb" +
  60       "Han character|Hanzi|Hanja|Kanji|Katakana character|Syllable");
  61
  62   final IndexBuilder enIndexBuilder;
  63   final IndexBuilder foreignIndexBuilder;
  64   final Pattern langPattern;
  65   final Pattern langCodePattern;
  66   final boolean swap;
  67
  68   // State used while parsing.
  69   enum State {
  70     TRANSLATION_LINE,
  71     ENGLISH_DEF_OF_FOREIGN,
  72     ENGLISH_EXAMPLE,
  73     FOREIGN_EXAMPLE,
  74   }
  75   State state = null;
  76   String title;
  77
  78   public EnWiktionaryXmlParser(final IndexBuilder enIndexBuilder, final IndexBuilder otherIndexBuilder, final Pattern langPattern, final Pattern langCodePattern, final boolean swap) {
  79     this.enIndexBuilder = enIndexBuilder;
  80     this.foreignIndexBuilder = otherIndexBuilder;
  81     this.langPattern = langPattern;
  82     this.langCodePattern = langCodePattern;
  83     this.swap = swap;
  84   }
  85
  86
  87   public void parse(final File file, final int pageLimit) throws IOException {
  88     int pageCount = 0;
  89     final DataInputStream dis = new DataInputStream(new BufferedInputStream(new FileInputStream(file)));
  90     while (true) {
  91       if (pageLimit >= 0 && pageCount >= pageLimit) {
  92         return;
  93       }
  94
  95       try {
  96         title = dis.readUTF();
  97       } catch (EOFException e) {
  98         LOG.warning("Error reading split!");
  99         dis.close();
 100         return;
 101       }
 102       final String heading = dis.readUTF();
 103       final int bytesLength = dis.readInt();
 104       final byte[] bytes = new byte[bytesLength];
 105       dis.readFully(bytes);
 106       final String text = new String(bytes, "UTF8");
 107
 108       parseSection(heading, text);
 109
 110       ++pageCount;
 111       if (pageCount % 1000 == 0) {
 112         LOG.info("pageCount=" + pageCount);
 113       }
 114     }
 115   }
 116
 117   private void parseSection(String heading, final String text) {
 118     if (title.startsWith("Wiktionary:") ||
 119         title.startsWith("Template:") ||
 120         title.startsWith("Appendix:") ||
 121         title.startsWith("Category:") ||
 122         title.startsWith("Index:") ||
 123         title.startsWith("MediaWiki:") ||
 124         title.startsWith("TransWiki:") ||
 125         title.startsWith("Citations:") ||
 126         title.startsWith("Concordance:") ||
 127         title.startsWith("Help:")) {
 128       return;
 129     }
 130
 131     heading = heading.replaceAll("=", "").trim();
 132     if (heading.equals("English")) {
 133       doEnglishWord(text);
 134     } else if (langPattern.matcher(heading).find()){
 135       doForeignWord(heading, text);
 136     }
 137
 138   }  // endPage()
 139
 140   // -------------------------------------------------------------------------
 141
 142   private void doEnglishWord(String text) {
 143
 144     String pos = null;
 145     int posDepth = -1;
 146
 147     final WikiTokenizer wikiTokenizer = new WikiTokenizer(text);
 148     while (wikiTokenizer.nextToken() != null) {
 149
 150       if (wikiTokenizer.isHeading()) {
 151         final String headerName = wikiTokenizer.headingWikiText();
 152
 153         if (wikiTokenizer.headingDepth() <= posDepth) {
 154           pos = null;
 155           posDepth = -1;
 156         }
 157
 158         if (partOfSpeechHeader.matcher(headerName).matches()) {
 159           posDepth = wikiTokenizer.headingDepth();
 160           pos = wikiTokenizer.headingWikiText();
 161           // TODO: if we're inside the POS section, we should handle the first title line...
 162
 163         } else if (headerName.equals("Translations")) {
 164           if (pos == null) {
 165             LOG.warning("Translations without POS: " + title);
 166           }
 167           doTranslations(wikiTokenizer, pos);
 168         } else if (headerName.equals("Pronunciation")) {
 169           //doPronunciation(wikiLineReader);
 170         }
 171       } else if (wikiTokenizer.isFunction()) {
 172         final String name = wikiTokenizer.functionName();
 173         if (name.equals("head")) {
 174           LOG.warning("{{head}} without POS: " + title);
 175         }
 176       }
 177     }
 178   }
 179
 180   final AppendAndIndexWikiCallback appendAndIndexWikiCallback = new AppendAndIndexWikiCallback(this);
 181
 182   private void doTranslations(final WikiTokenizer wikiTokenizer, final String pos) {
 183     if (title.equals("absolutely")) {
 184       //System.out.println();
 185     }
 186
 187     String topLevelLang = null;
 188     String sense = null;
 189     boolean done = false;
 190     while (wikiTokenizer.nextToken() != null) {
 191       if (wikiTokenizer.isHeading()) {
 192         wikiTokenizer.returnToLineStart();
 193         return;
 194       }
 195       if (done) {
 196         continue;
 197       }
 198
 199       // Check whether we care about this line:
 200
 201       if (wikiTokenizer.isFunction()) {
 202         final String functionName = wikiTokenizer.functionName();
 203         final List<String> positionArgs = wikiTokenizer.functionPositionArgs();
 204
 205         if (functionName.equals("trans-top")) {
 206           sense = null;
 207           if (wikiTokenizer.functionPositionArgs().size() >= 1) {
 208             sense = positionArgs.get(0);
 209             // TODO: could emphasize words in [[brackets]] inside sense.
 210             sense = WikiTokenizer.toPlainText(sense);
 211             //LOG.info("Sense: " + sense);
 212           }
 213         } else if (functionName.equals("trans-bottom")) {
 214           sense = null;
 215         } else if (functionName.equals("trans-mid")) {
 216         } else if (functionName.equals("trans-see")) {
 217           // TODO: would also be nice...
 218         } else if (functionName.startsWith("picdic")) {
 219         } else if (functionName.startsWith("checktrans")) {
 220           done = true;
 221         } else if (functionName.startsWith("ttbc")) {
 222           wikiTokenizer.nextLine();
 223           // TODO: would be great to handle ttbc
 224           // TODO: Check this: done = true;
 225         } else {
 226           LOG.warning("Unexpected translation wikifunction: " + wikiTokenizer.token() + ", title=" + title);
 227         }
 228       } else if (wikiTokenizer.isListItem()) {
 229         final String line = wikiTokenizer.listItemWikiText();
 230         // This line could produce an output...
 231
 232         if (line.contains("ich hoan dich gear")) {
 233           //System.out.println();
 234         }
 235
 236         // First strip the language and check whether it matches.
 237         // And hold onto it for sub-lines.
 238         final int colonIndex = line.indexOf(":");
 239         if (colonIndex == -1) {
 240           continue;
 241         }
 242
 243         final String lang = trim(WikiTokenizer.toPlainText(line.substring(0, colonIndex)));
 244         final boolean appendLang;
 245         if (wikiTokenizer.listItemPrefix().length() == 1) {
 246           topLevelLang = lang;
 247           final boolean thisFind = langPattern.matcher(lang).find();
 248           if (!thisFind) {
 249             continue;
 250           }
 251           appendLang = !langPattern.matcher(lang).matches();
 252         } else if (topLevelLang == null) {
 253           continue;
 254         } else {
 255           // Two-level -- the only way we won't append is if this second level matches exactly.
 256           if (!langPattern.matcher(lang).matches() && !langPattern.matcher(topLevelLang).find()) {
 257             continue;
 258           }
 259           appendLang = !langPattern.matcher(lang).matches();
 260         }
 261
 262         String rest = line.substring(colonIndex + 1).trim();
 263         if (rest.length() > 0) {
 264           doTranslationLine(line, appendLang ? lang : null, pos, sense, rest);
 265         }
 266
 267       } else if (wikiTokenizer.remainderStartsWith("''See''")) {
 268         wikiTokenizer.nextLine();
 269         LOG.fine("Skipping See line: " + wikiTokenizer.token());
 270       } else if (wikiTokenizer.isWikiLink()) {
 271         final String wikiLink = wikiTokenizer.wikiLinkText();
 272         if (wikiLink.contains(":") && wikiLink.contains(title)) {
 273         } else if (wikiLink.contains("Category:")) {
 274         } else  {
 275           LOG.warning("Unexpected wikiLink: " + wikiTokenizer.token() + ", title=" + title);
 276         }
 277       } else if (wikiTokenizer.isNewline() || wikiTokenizer.isMarkup() || wikiTokenizer.isComment()) {
 278       } else {
 279         final String token = wikiTokenizer.token();
 280         if (token.equals("----")) {
 281         } else {
 282           LOG.warning("Unexpected translation token: " + wikiTokenizer.token() + ", title=" + title);
 283         }
 284       }
 285
 286     }
 287   }
 288
 289   private void doTranslationLine(final String line, final String lang, final String pos, final String sense, final String rest) {
 290     state = State.TRANSLATION_LINE;
 291     // Good chance we'll actually file this one...
 292     final PairEntry pairEntry = new PairEntry();
 293     final IndexedEntry indexedEntry = new IndexedEntry(pairEntry);
 294
 295     final StringBuilder foreignText = new StringBuilder();
 296     appendAndIndexWikiCallback.reset(foreignText, indexedEntry);
 297     appendAndIndexWikiCallback.functionCallbacks.clear();
 298     appendAndIndexWikiCallback.functionCallbacks.putAll(FunctionCallbacksDefault.DEFAULT);
 299     appendAndIndexWikiCallback.dispatch(rest, foreignIndexBuilder, EntryTypeName.WIKTIONARY_TRANSLATION_OTHER_TEXT);
 300
 301     if (foreignText.length() == 0) {
 302       LOG.warning("Empty foreignText: " + line);
 303       return;
 304     }
 305
 306     if (lang != null) {
 307       foreignText.insert(0, String.format("(%s) ", lang));
 308     }
 309
 310     StringBuilder englishText = new StringBuilder();
 311
 312     englishText.append(title);
 313     if (sense != null) {
 314       englishText.append(" (").append(sense).append(")");
 315       enIndexBuilder.addEntryWithString(indexedEntry, sense, EntryTypeName.WIKTIONARY_TRANSLATION_SENSE);
 316     }
 317     if (pos != null) {
 318       englishText.append(" (").append(pos.toLowerCase()).append(")");
 319     }
 320     enIndexBuilder.addEntryWithString(indexedEntry, title, EntryTypeName.WIKTIONARY_TITLE_MULTI);
 321
 322     final Pair pair = new Pair(trim(englishText.toString()), trim(foreignText.toString()), swap);
 323     pairEntry.pairs.add(pair);
 324     if (!pairsAdded.add(pair.toString())) {
 325       LOG.warning("Duplicate pair: " + pair.toString());
 326     }
 327     if (pair.toString().equals("libero {m} :: free (adjective)")) {
 328       System.out.println();
 329     }
 330
 331   }
 332
 333
 334   Set<String> pairsAdded = new LinkedHashSet<String>();
 335
 336   // -------------------------------------------------------------------------
 337
 338   private void doForeignWord(final String lang, final String text) {
 339     final WikiTokenizer wikiTokenizer = new WikiTokenizer(text);
 340     while (wikiTokenizer.nextToken() != null) {
 341       if (wikiTokenizer.isHeading()) {
 342         final String headingName = wikiTokenizer.headingWikiText();
 343         if (headingName.equals("Translations")) {
 344           LOG.warning("Translations not in English section: " + title);
 345         } else if (headingName.equals("Pronunciation")) {
 346           //doPronunciation(wikiLineReader);
 347         } else if (partOfSpeechHeader.matcher(headingName).matches()) {
 348           doForeignPartOfSpeech(lang, headingName, wikiTokenizer.headingDepth(), wikiTokenizer);
 349         }
 350       } else {
 351       }
 352     }
 353   }
 354
 355   static final class ListSection {
 356     final String firstPrefix;
 357     final String firstLine;
 358     final List<String> nextPrefixes = new ArrayList<String>();
 359     final List<String> nextLines = new ArrayList<String>();
 360
 361     public ListSection(String firstPrefix, String firstLine) {
 362       this.firstPrefix = firstPrefix;
 363       this.firstLine = firstLine;
 364     }
 365
 366     @Override
 367     public String toString() {
 368       return firstPrefix + firstLine + "{ " + nextPrefixes + "}";
 369     }
 370   }
 371
 372
 373   int foreignCount = 0;
 374   private void doForeignPartOfSpeech(final String lang, String posHeading, final int posDepth, WikiTokenizer wikiTokenizer) {
 375     if (++foreignCount % 1000 == 0) {
 376       LOG.info("***" + lang + ", " + title + ", pos=" + posHeading + ", foreignCount=" + foreignCount);
 377     }
 378     if (title.equals("moro")) {
 379       System.out.println();
 380     }
 381
 382     boolean titleAppended = false;
 383     final StringBuilder foreignBuilder = new StringBuilder();
 384     final Collection<String> wordForms = new ArrayList<String>();
 385     final List<ListSection> listSections = new ArrayList<ListSection>();
 386
 387     try {
 388
 389     ListSection lastListSection = null;
 390
 391     int currentHeadingDepth = posDepth;
 392     while (wikiTokenizer.nextToken() != null) {
 393       if (wikiTokenizer.isHeading()) {
 394         currentHeadingDepth = wikiTokenizer.headingDepth();
 395
 396         if (currentHeadingDepth <= posDepth) {
 397           wikiTokenizer.returnToLineStart();
 398           return;
 399         }
 400       }
 401
 402       if (currentHeadingDepth > posDepth) {
 403         // TODO: deal with other neat info sections
 404         continue;
 405       }
 406
 407       if (wikiTokenizer.isFunction()) {
 408         final String name = wikiTokenizer.functionName();
 409         final List<String> args = wikiTokenizer.functionPositionArgs();
 410         final Map<String,String> namedArgs = wikiTokenizer.functionNamedArgs();
 411         // First line is generally a repeat of the title with some extra information.
 412         // We need to build up the left side (foreign text, tokens) separately from the
 413         // right side (English).  The left-side may get paired with multiple right sides.
 414         // The left side should get filed under every form of the word in question (singular, plural).
 415
 416         // For verbs, the conjugation comes later on in a deeper section.
 417         // Ideally, we'd want to file every English entry with the verb
 418         // under every verb form coming from the conjugation.
 419         // Ie. under "fa": see: "make :: fare" and "do :: fare"
 420         // But then where should we put the conjugation table?
 421         // I think just under fare.  But then we need a way to link to the entry (actually the row, since entries doesn't show up!)
 422         // for the conjugation table from "fa".
 423         // Would like to be able to link to a lang#token.
 424         if (FunctionCallbacksDefault.DEFAULT.get(name) instanceof FunctionCallbacksDefault.Gender) {
 425           // TODO: Fix hack!
 426           appendAndIndexWikiCallback.reset(foreignBuilder, null);
 427           FunctionCallbacksDefault.DEFAULT.get(name).onWikiFunction(wikiTokenizer, name, args, namedArgs, this, appendAndIndexWikiCallback);
 428         } else if (name.equals("wikipedia")) {
 429           namedArgs.remove("lang");
 430           if (args.size() > 1 || !namedArgs.isEmpty()) {
 431             // Unindexed!
 432             foreignBuilder.append(wikiTokenizer.token());
 433           } else if (args.size() == 1) {
 434             foreignBuilder.append(wikiTokenizer.token());
 435           } else {
 436             //foreignBuilder.append(title);
 437           }
 438         } else if (name.equals("attention") || name.equals("zh-attention")) {
 439           // See: http://en.wiktionary.org/wiki/Template:attention
 440           // Ignore these.
 441         } else if (name.equals("infl") || name.equals("head")) {
 442           // See: http://en.wiktionary.org/wiki/Template:infl
 443           final String langCode = ListUtil.get(args, 0);
 444           String head = namedArgs.remove("head");
 445           if (head == null) {
 446             head = namedArgs.remove("title"); // Bug
 447           }
 448           if (head == null) {
 449             head = title;
 450           } else {
 451             head = WikiTokenizer.toPlainText(head);
 452           }
 453           titleAppended = true;
 454
 455           namedArgs.keySet().removeAll(USELESS_WIKI_ARGS);
 456
 457           final String tr = namedArgs.remove("tr");
 458           String g = namedArgs.remove("g");
 459           if (g == null) {
 460             g = namedArgs.remove("gender");
 461           }
 462           final String g2 = namedArgs.remove("g2");
 463           final String g3 = namedArgs.remove("g3");
 464
 465           foreignBuilder.append(head);
 466
 467           if (g != null) {
 468             foreignBuilder.append(" {").append(g);
 469             if (g2 != null) {
 470               foreignBuilder.append("|").append(g2);
 471             }
 472             if (g3 != null) {
 473               foreignBuilder.append("|").append(g3);
 474             }
 475             foreignBuilder.append("}");
 476           }
 477
 478           if (tr != null) {
 479             foreignBuilder.append(String.format(TRANSLITERATION_FORMAT, tr));
 480             wordForms.add(tr);
 481           }
 482
 483           final String pos = ListUtil.get(args, 1);
 484           if (pos != null) {
 485             foreignBuilder.append(" (").append(pos).append(")");
 486           }
 487           for (int i = 2; i < args.size(); i += 2) {
 488             final String inflName = ListUtil.get(args, i);
 489             final String inflValue = ListUtil.get(args, i + 1);
 490             foreignBuilder.append(", ").append(WikiTokenizer.toPlainText(inflName));
 491             if (inflValue != null && inflValue.length() > 0) {
 492               foreignBuilder.append(": ").append(WikiTokenizer.toPlainText(inflValue));
 493               wordForms.add(inflValue);
 494             }
 495           }
 496           for (final String key : namedArgs.keySet()) {
 497             final String value = WikiTokenizer.toPlainText(namedArgs.get(key));
 498             foreignBuilder.append(" ").append(key).append("=").append(value);
 499             wordForms.add(value);
 500           }
 501         } else if (name.equals("it-noun")) {
 502           titleAppended = true;
 503           final String base = ListUtil.get(args, 0);
 504           final String gender = ListUtil.get(args, 1);
 505           final String singular = base + ListUtil.get(args, 2, null);
 506           final String plural = base + ListUtil.get(args, 3, null);
 507           foreignBuilder.append(String.format(" %s {%s}, %s {pl}", singular, gender, plural, plural));
 508           wordForms.add(singular);
 509           wordForms.add(plural);
 510           if (!namedArgs.isEmpty() || args.size() > 4) {
 511             LOG.warning("Invalid it-noun: " + wikiTokenizer.token());
 512           }
 513         } else if (name.equals("it-proper noun")) {
 514           foreignBuilder.append(wikiTokenizer.token());
 515         } else if (name.equals("it-adj")) {
 516           foreignBuilder.append(wikiTokenizer.token());
 517         } else if (name.startsWith("it-conj")) {
 518           if (name.equals("it-conj-are")) {
 519             itConjAre(args, namedArgs);
 520           } else if (name.equals("it-conj-ere")) {
 521           } else if (name.equals("it-conj-ire")) {
 522           } else {
 523             LOG.warning("Unknown conjugation: " + wikiTokenizer.token());
 524           }
 525         } else {
 526           // Unindexed!
 527           foreignBuilder.append(wikiTokenizer.token());
 528           // LOG.warning("Unknown function: " + wikiTokenizer.token());
 529         }
 530       } else if (wikiTokenizer.isListItem()) {
 531         final String prefix = wikiTokenizer.listItemPrefix();
 532         if (lastListSection != null &&
 533             prefix.startsWith(lastListSection.firstPrefix) &&
 534             prefix.length() > lastListSection.firstPrefix.length()) {
 535           lastListSection.nextPrefixes.add(prefix);
 536           lastListSection.nextLines.add(wikiTokenizer.listItemWikiText());
 537         } else {
 538           lastListSection = new ListSection(prefix, wikiTokenizer.listItemWikiText());
 539           listSections.add(lastListSection);
 540         }
 541       } else if (lastListSection != null) {
 542         // Don't append anything after the lists, because there's crap.
 543       } else if (wikiTokenizer.isWikiLink()) {
 544         // Unindexed!
 545         foreignBuilder.append(wikiTokenizer.wikiLinkText());
 546
 547       } else if (wikiTokenizer.isPlainText()) {
 548         // Unindexed!
 549         foreignBuilder.append(wikiTokenizer.token());
 550
 551       } else if (wikiTokenizer.isMarkup() || wikiTokenizer.isNewline() || wikiTokenizer.isComment()) {
 552         // Do nothing.
 553       } else {
 554         LOG.warning("Unexpected token: " + wikiTokenizer.token());
 555       }
 556     }
 557
 558     } finally {
 559       // Here's where we exit.
 560       // Should we make an entry even if there are no foreign list items?
 561       String foreign = foreignBuilder.toString().trim();
 562       if (!titleAppended && !foreign.toLowerCase().startsWith(title.toLowerCase())) {
 563         foreign = String.format("%s %s", title, foreign);
 564       }
 565       if (!langPattern.matcher(lang).matches()) {
 566         foreign = String.format("(%s) %s", lang, foreign);
 567       }
 568       for (final ListSection listSection : listSections) {
 569         doForeignListItem(foreign, title, wordForms, listSection);
 570       }
 571     }
 572   }
 573
 574
 575   // Might only want to remove "lang" if it's equal to "zh", for example.
 576   static final Set<String> USELESS_WIKI_ARGS = new LinkedHashSet<String>(
 577       Arrays.asList(
 578           "lang",
 579           "sc",
 580           "sort",
 581           "cat",
 582           "xs"));
 583
 584   private void doForeignListItem(final String foreignText, String title, final Collection<String> forms, final ListSection listSection) {
 585     state = State.ENGLISH_DEF_OF_FOREIGN;
 586     final String prefix = listSection.firstPrefix;
 587     if (prefix.length() > 1) {
 588       // Could just get looser and say that any prefix longer than first is a sublist.
 589       LOG.warning("Prefix too long: " + listSection);
 590       return;
 591     }
 592
 593     final PairEntry pairEntry = new PairEntry();
 594     final IndexedEntry indexedEntry = new IndexedEntry(pairEntry);
 595
 596     final StringBuilder englishBuilder = new StringBuilder();
 597     final String mainLine = listSection.firstLine;
 598
 599     appendAndIndexWikiCallback.reset(englishBuilder, indexedEntry);
 600     appendAndIndexWikiCallback.functionCallbacks.putAll(FunctionCallbacksDefault.DEFAULT);
 601     appendAndIndexWikiCallback.dispatch(mainLine, enIndexBuilder, EntryTypeName.WIKTIONARY_ENGLISH_DEF);
 602
 603     final String english = trim(englishBuilder.toString());
 604     if (english.length() > 0) {
 605       final Pair pair = new Pair(english, trim(foreignText), this.swap);
 606       pairEntry.pairs.add(pair);
 607       foreignIndexBuilder.addEntryWithString(indexedEntry, title, EntryTypeName.WIKTIONARY_TITLE_MULTI);
 608       for (final String form : forms) {
 609         foreignIndexBuilder.addEntryWithString(indexedEntry, form, EntryTypeName.WIKTIONARY_INFLECTED_FORM_MULTI);
 610       }
 611     }
 612
 613     // Do examples.
 614     String lastForeign = null;
 615     for (int i = 0; i < listSection.nextPrefixes.size(); ++i) {
 616       final String nextPrefix = listSection.nextPrefixes.get(i);
 617       final String nextLine = listSection.nextLines.get(i);
 618       int dash = nextLine.indexOf("&mdash;");
 619       int mdashLen = 7;
 620       if (dash == -1) {
 621         dash = nextLine.indexOf("—");
 622         mdashLen = 1;
 623       }
 624       if (dash == -1) {
 625         dash = nextLine.indexOf(" - ");
 626         mdashLen = 3;
 627       }
 628
 629       if ((nextPrefix.equals("#:") || nextPrefix.equals("##:")) && dash != -1) {
 630         final String foreignEx = nextLine.substring(0, dash);
 631         final String englishEx = nextLine.substring(dash + mdashLen);
 632         final Pair pair = new Pair(formatAndIndexExampleString(englishEx, enIndexBuilder, indexedEntry), formatAndIndexExampleString(foreignEx, foreignIndexBuilder, indexedEntry), swap);
 633         if (pair.lang1 != "--" && pair.lang1 != "--") {
 634           pairEntry.pairs.add(pair);
 635         }
 636         lastForeign = null;
 637       } else if (nextPrefix.equals("#:") || nextPrefix.equals("##:")){
 638         final Pair pair = new Pair("--", formatAndIndexExampleString(nextLine, null, indexedEntry), swap);
 639         lastForeign = nextLine;
 640         if (pair.lang1 != "--" && pair.lang1 != "--") {
 641           pairEntry.pairs.add(pair);
 642         }
 643       } else if (nextPrefix.equals("#::") || nextPrefix.equals("#**")) {
 644         if (lastForeign != null && pairEntry.pairs.size() > 0) {
 645           pairEntry.pairs.remove(pairEntry.pairs.size() - 1);
 646           final Pair pair = new Pair(formatAndIndexExampleString(nextLine, enIndexBuilder, indexedEntry), formatAndIndexExampleString(lastForeign, foreignIndexBuilder, indexedEntry), swap);
 647           if (pair.lang1 != "--" || pair.lang2 != "--") {
 648             pairEntry.pairs.add(pair);
 649           }
 650           lastForeign = null;
 651         } else {
 652           LOG.warning("TODO: English example with no foreign: " + title + ", " + nextLine);
 653           final Pair pair = new Pair("--", formatAndIndexExampleString(nextLine, null, indexedEntry), swap);
 654           if (pair.lang1 != "--" || pair.lang2 != "--") {
 655             pairEntry.pairs.add(pair);
 656           }
 657         }
 658       } else if (nextPrefix.equals("#*")) {
 659         // Can't really index these.
 660         final Pair pair = new Pair("--", formatAndIndexExampleString(nextLine, null, indexedEntry), swap);
 661         lastForeign = nextLine;
 662         if (pair.lang1 != "--" || pair.lang2 != "--") {
 663           pairEntry.pairs.add(pair);
 664         }
 665       } else if (nextPrefix.equals("#::*") || nextPrefix.equals("##") || nextPrefix.equals("#*:") || nextPrefix.equals("#:*") || true) {
 666         final Pair pair = new Pair("--", formatAndIndexExampleString(nextLine, null, indexedEntry), swap);
 667         if (pair.lang1 != "--" || pair.lang2 != "--") {
 668           pairEntry.pairs.add(pair);
 669         }
 670 //      } else {
 671 //        assert false;
 672       }
 673     }
 674   }
 675
 676   private String formatAndIndexExampleString(final String example, final IndexBuilder indexBuilder, final IndexedEntry indexedEntry) {
 677     final WikiTokenizer wikiTokenizer = new WikiTokenizer(example, false);
 678     final StringBuilder builder = new StringBuilder();
 679     boolean insideTripleQuotes = false;
 680     while (wikiTokenizer.nextToken() != null) {
 681       if (wikiTokenizer.isPlainText()) {
 682         builder.append(wikiTokenizer.token());
 683         if (indexBuilder != null) {
 684           indexBuilder.addEntryWithStringNoSingle(indexedEntry, wikiTokenizer.token(), EntryTypeName.WIKTIONARY_EXAMPLE);
 685         }
 686       } else if (wikiTokenizer.isWikiLink()) {
 687         final String text = wikiTokenizer.wikiLinkText().replaceAll("'", "");
 688         builder.append(text);
 689         if (indexBuilder != null) {
 690           indexBuilder.addEntryWithStringNoSingle(indexedEntry, text, EntryTypeName.WIKTIONARY_EXAMPLE);
 691         }
 692       } else if (wikiTokenizer.isFunction()) {
 693         builder.append(wikiTokenizer.token());
 694       } else if (wikiTokenizer.isMarkup()) {
 695         if (wikiTokenizer.token().equals("'''")) {
 696           insideTripleQuotes = !insideTripleQuotes;
 697         }
 698       } else if (wikiTokenizer.isComment() || wikiTokenizer.isNewline()) {
 699         // Do nothing.
 700       } else {
 701         LOG.warning("unexpected token: " + wikiTokenizer.token());
 702       }
 703     }
 704     final String result = trim(builder.toString());
 705     return result.length() > 0 ? result : "--";
 706   }
 707
 708
 709   private void itConjAre(List<String> args, Map<String, String> namedArgs) {
 710     final String base = args.get(0);
 711     final String aux = args.get(1);
 712
 713     putIfMissing(namedArgs, "inf", base + "are");
 714     putIfMissing(namedArgs, "aux", aux);
 715     putIfMissing(namedArgs, "ger", base + "ando");
 716     putIfMissing(namedArgs, "presp", base + "ante");
 717     putIfMissing(namedArgs, "pastp", base + "ato");
 718     // Present
 719     putIfMissing(namedArgs, "pres1s", base + "o");
 720     putIfMissing(namedArgs, "pres2s", base + "i");
 721     putIfMissing(namedArgs, "pres3s", base + "a");
 722     putIfMissing(namedArgs, "pres1p", base + "iamo");
 723     putIfMissing(namedArgs, "pres2p", base + "ate");
 724     putIfMissing(namedArgs, "pres3p", base + "ano");
 725     // Imperfect
 726     putIfMissing(namedArgs, "imperf1s", base + "avo");
 727     putIfMissing(namedArgs, "imperf2s", base + "avi");
 728     putIfMissing(namedArgs, "imperf3s", base + "ava");
 729     putIfMissing(namedArgs, "imperf1p", base + "avamo");
 730     putIfMissing(namedArgs, "imperf2p", base + "avate");
 731     putIfMissing(namedArgs, "imperf3p", base + "avano");
 732     // Passato remoto
 733     putIfMissing(namedArgs, "prem1s", base + "ai");
 734     putIfMissing(namedArgs, "prem2s", base + "asti");
 735     putIfMissing(namedArgs, "prem3s", base + "ò");
 736     putIfMissing(namedArgs, "prem1p", base + "ammo");
 737     putIfMissing(namedArgs, "prem2p", base + "aste");
 738     putIfMissing(namedArgs, "prem3p", base + "arono");
 739     // Future
 740     putIfMissing(namedArgs, "fut1s", base + "erò");
 741     putIfMissing(namedArgs, "fut2s", base + "erai");
 742     putIfMissing(namedArgs, "fut3s", base + "erà");
 743     putIfMissing(namedArgs, "fut1p", base + "eremo");
 744     putIfMissing(namedArgs, "fut2p", base + "erete");
 745     putIfMissing(namedArgs, "fut3p", base + "eranno");
 746     // Conditional
 747     putIfMissing(namedArgs, "cond1s", base + "erei");
 748     putIfMissing(namedArgs, "cond2s", base + "eresti");
 749     putIfMissing(namedArgs, "cond3s", base + "erebbe");
 750     putIfMissing(namedArgs, "cond1p", base + "eremmo");
 751     putIfMissing(namedArgs, "cond2p", base + "ereste");
 752     putIfMissing(namedArgs, "cond3p", base + "erebbero");
 753     // Subjunctive / congiuntivo
 754     putIfMissing(namedArgs, "sub123s", base + "i");
 755     putIfMissing(namedArgs, "sub1p", base + "iamo");
 756     putIfMissing(namedArgs, "sub2p", base + "iate");
 757     putIfMissing(namedArgs, "sub3p", base + "ino");
 758     // Imperfect subjunctive
 759     putIfMissing(namedArgs, "impsub12s", base + "assi");
 760     putIfMissing(namedArgs, "impsub3s", base + "asse");
 761     putIfMissing(namedArgs, "impsub1p", base + "assimo");
 762     putIfMissing(namedArgs, "impsub2p", base + "aste");
 763     putIfMissing(namedArgs, "impsub3p", base + "assero");
 764     // Imperative
 765     putIfMissing(namedArgs, "imp2s", base + "a");
 766     putIfMissing(namedArgs, "imp3s", base + "i");
 767     putIfMissing(namedArgs, "imp1p", base + "iamo");
 768     putIfMissing(namedArgs, "imp2p", base + "ate");
 769     putIfMissing(namedArgs, "imp3p", base + "ino");
 770
 771
 772     itConj(args, namedArgs);
 773   }
 774
 775
 776   private void itConj(List<String> args, Map<String, String> namedArgs) {
 777     // TODO Auto-generated method stub
 778
 779   }
 780
 781
 782   private static void putIfMissing(final Map<String, String> namedArgs, final String key,
 783       final String value) {
 784     final String oldValue = namedArgs.get(key);
 785     if (oldValue == null || oldValue.length() == 0) {
 786       namedArgs.put(key, value);
 787     }
 788   }
 789
 790   // TODO: check how ='' and =| are manifested....
 791   // TODO: get this right in -are
 792   private static void putOrNullify(final Map<String, String> namedArgs, final String key,
 793       final String value) {
 794     final String oldValue = namedArgs.get(key);
 795     if (oldValue == null/* || oldValue.length() == 0*/) {
 796       namedArgs.put(key, value);
 797     } else {
 798       if (oldValue.equals("''")) {
 799         namedArgs.put(key, "");
 800       }
 801     }
 802   }
 803
 804   static final Pattern whitespace = Pattern.compile("\\s+");
 805   static String trim(final String s) {
 806     return whitespace.matcher(s).replaceAll(" ").trim();
 807   }
 808
 809
 810 }