/**
* @dataProvider getNormalizeDataProvider
*/
public function testNormalize($source, $normalized)
{
$token = new Token($source, 0, 100);
$token->setPositionIncrement(50);
$actualToken = $this->filter->normalize($token);
$expectedToken = new Token($normalized, 0, 100);
$expectedToken->setPositionIncrement(50);
$this->assertEquals($expectedToken, $actualToken);
}
/**
* @dataProvider getNormalizeDataProvider
*/
public function testNormalize($source, $expected, $pseudoRoots, $encoding)
{
$this->phpmorphy->shouldReceive('getEncoding')->andReturn($encoding);
$this->phpmorphy->shouldReceive('getPseudoRoot')->andReturn($pseudoRoots);
$filter = new TokenFilterEnRu($this->phpmorphyFactory);
$token = new Token($source, 0, 100);
$token->setPositionIncrement(50);
$actualToken = $filter->normalize($token);
$expectedToken = new Token($expected, 0, 100);
$expectedToken->setPositionIncrement(50);
$this->assertEquals($expectedToken, $actualToken);
}
/**
* Normalize
* @param \ZendSearch\Lucene\Analysis\Token $token
* @return null|\ZendSearch\Lucene\Analysis\Token
*/
public function normalize(Token $token)
{
$pseudo_root = $this->morphy->getPseudoRoot($this->string()->toUpper($token->getTermText()));
if ($pseudo_root === false) {
$new_str = $this->string()->toUpper($token->getTermText());
} else {
$new_str = $pseudo_root[0];
}
if (strlen($new_str) < 3) {
return null;
}
$new_token = new Token($new_str, $token->getStartOffset(), $token->getEndOffset());
$new_token->setPositionIncrement($token->getPositionIncrement());
return $new_token;
}
/**
* Normalize Token or remove it (if null is returned)
*
* @param \ZendSearch\Lucene\Analysis\Token $srcToken
* @return \ZendSearch\Lucene\Analysis\Token
*/
public function normalize(Token $srcToken)
{
$newToken = new Token(mb_strtolower($srcToken->getTermText(), 'UTF-8'), $srcToken->getStartOffset(), $srcToken->getEndOffset());
$newToken->setPositionIncrement($srcToken->getPositionIncrement());
return $newToken;
}
/**
* {@inheritdoc}
*/
public function normalize(Token $srcToken)
{
$termText = $srcToken->getTermText();
$newTokenString = !is_numeric($termText) ? $this->getPseudoRoot($termText) : $termText;
$newToken = new Token($newTokenString, $srcToken->getStartOffset(), $srcToken->getEndOffset());
$newToken->setPositionIncrement($srcToken->getPositionIncrement());
return $newToken;
}
/**
* {@inheritdoc}
*/
public function normalize(Token $srcToken)
{
$pseudoRootList = array();
$toSearch = mb_strtoupper($srcToken->getTermText(), 'utf-8');
$encoding = $this->getDictionaryEncoding($toSearch);
/**
* Если лексема короче MIN_TOKEN_LENGTH символов, то не используем её
*/
if (mb_strlen($toSearch, 'utf-8') < self::MIN_TOKEN_LENGTH) {
return null;
}
$toSearch = iconv('utf-8', "{$encoding}//IGNORE", $toSearch);
if (mb_strlen($toSearch, $encoding) < self::MIN_TOKEN_LENGTH) {
return null;
}
/**
* хардкорно извлекаем 'псевдокорень' слова
*/
$pseudoRootResult[] = $toSearch;
do {
$temp = $pseudoRootResult[0];
$pseudoRootResult = $this->getPseudoRoot($temp);
/**
* если возвращается несколько - выбрать самым короткий `псевдокорень`
*/
if (is_array($pseudoRootResult)) {
usort($pseudoRootResult, function ($a, $b) use($encoding) {
$len1 = mb_strlen($a, $encoding);
$len2 = mb_strlen($b, $encoding);
return $len1 > $len2;
});
}
$flag = $pseudoRootResult !== false && $pseudoRootResult[0] != $temp;
if ($flag) {
array_unshift($pseudoRootList, $pseudoRootResult[0]);
}
} while ($flag);
if (count($pseudoRootList) == 0 && $pseudoRootResult === false) {
/**
* В случае если 'псевдокорень' получить не удалось, берем исходное слово целиком
*/
$newTokenString = $toSearch;
} else {
/**
* Из полученного списка 'псевдокорней' выберем первый,
* длина которого не менее MIN_TOKEN_LENGTH
*/
$newTokenString = null;
foreach ($pseudoRootList as $pseudoRoot) {
if (mb_strlen($pseudoRoot, $encoding) < self::MIN_TOKEN_LENGTH) {
continue;
} else {
$newTokenString = $pseudoRoot;
break;
}
}
/**
* Если 'псевдокорень' не удалось получить даже сейчас, берем исходное слово целиком
*/
if (is_null($newTokenString)) {
$newTokenString = $toSearch;
}
}
$newTokenString = iconv($encoding, 'utf-8//IGNORE', $newTokenString);
$newToken = new Token($newTokenString, $srcToken->getStartOffset(), $srcToken->getEndOffset());
$newToken->setPositionIncrement($srcToken->getPositionIncrement());
return $newToken;
}
