← Back to branch summary

~slub.team/goobi-indexserver/3.x

« back to all changes in this revision

Viewing changes to lucene/contrib/analyzers/common/src/java/org/apache/lucene/analysis/ro/RomanianAnalyzer.java

  • Committer: Sebastian Meyer
  • Date: 2012-08-03 09:12:40 UTC
  • Revision ID: sebastian.meyer@slub-dresden.de-20120803091240-x6861b0vabq1xror
https://launchpad.net/bugs/985487
Remove Lucene and Solr source code and add patches instead
Fix Bug #985487: Auto-suggestion for the search interface

Show diffs side-by-side

added added

removed removed

Lines of Context:
lucene/contrib/analyzers/common/src/java/org/apache/lucene/analysis/ro/RomanianAnalyzer.java
1
 
package org.apache.lucene.analysis.ro;
2
 
 
3
 
/**
4
 
 * Licensed to the Apache Software Foundation (ASF) under one or more
5
 
 * contributor license agreements.  See the NOTICE file distributed with
6
 
 * this work for additional information regarding copyright ownership.
7
 
 * The ASF licenses this file to You under the Apache License, Version 2.0
8
 
 * (the "License"); you may not use this file except in compliance with
9
 
 * the License.  You may obtain a copy of the License at
10
 
 *
11
 
 *     http://www.apache.org/licenses/LICENSE-2.0
12
 
 *
13
 
 * Unless required by applicable law or agreed to in writing, software
14
 
 * distributed under the License is distributed on an "AS IS" BASIS,
15
 
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
16
 
 * See the License for the specific language governing permissions and
17
 
 * limitations under the License.
18
 
 */
19
 
 
20
 
import java.io.IOException;
21
 
import java.io.Reader;
22
 
import java.util.Set;
23
 
 
24
 
import org.apache.lucene.analysis.Analyzer;
25
 
import org.apache.lucene.analysis.CharArraySet;
26
 
import org.apache.lucene.analysis.KeywordMarkerFilter;
27
 
import org.apache.lucene.analysis.LowerCaseFilter;
28
 
import org.apache.lucene.analysis.StopFilter;
29
 
import org.apache.lucene.analysis.StopwordAnalyzerBase;
30
 
import org.apache.lucene.analysis.TokenStream;
31
 
import org.apache.lucene.analysis.Tokenizer;
32
 
import org.apache.lucene.analysis.snowball.SnowballFilter;
33
 
import org.apache.lucene.analysis.standard.StandardFilter;
34
 
import org.apache.lucene.analysis.standard.StandardTokenizer;
35
 
import org.apache.lucene.util.Version;
36
 
import org.tartarus.snowball.ext.RomanianStemmer;
37
 
 
38
 
/**
39
 
 * {@link Analyzer} for Romanian.
40
 
 */
41
 
public final class RomanianAnalyzer extends StopwordAnalyzerBase {
42
 
  private final Set<?> stemExclusionSet;
43
 
  
44
 
  /** File containing default Romanian stopwords. */
45
 
  public final static String DEFAULT_STOPWORD_FILE = "stopwords.txt";
46
 
  /**
47
 
   * The comment character in the stopwords file.  
48
 
   * All lines prefixed with this will be ignored.
49
 
   */
50
 
  private static final String STOPWORDS_COMMENT = "#";
51
 
  
52
 
  /**
53
 
   * Returns an unmodifiable instance of the default stop words set.
54
 
   * @return default stop words set.
55
 
   */
56
 
  public static Set<?> getDefaultStopSet(){
57
 
    return DefaultSetHolder.DEFAULT_STOP_SET;
58
 
  }
59
 
  
60
 
  /**
61
 
   * Atomically loads the DEFAULT_STOP_SET in a lazy fashion once the outer class 
62
 
   * accesses the static final set the first time.;
63
 
   */
64
 
  private static class DefaultSetHolder {
65
 
    static final Set<?> DEFAULT_STOP_SET;
66
 
 
67
 
    static {
68
 
      try {
69
 
        DEFAULT_STOP_SET = loadStopwordSet(false, RomanianAnalyzer.class, 
70
 
            DEFAULT_STOPWORD_FILE, STOPWORDS_COMMENT);
71
 
      } catch (IOException ex) {
72
 
        // default set should always be present as it is part of the
73
 
        // distribution (JAR)
74
 
        throw new RuntimeException("Unable to load default stopword set");
75
 
      }
76
 
    }
77
 
  }
78
 
 
79
 
  /**
80
 
   * Builds an analyzer with the default stop words: {@link #DEFAULT_STOPWORD_FILE}.
81
 
   */
82
 
  public RomanianAnalyzer(Version matchVersion) {
83
 
    this(matchVersion, DefaultSetHolder.DEFAULT_STOP_SET);
84
 
  }
85
 
  
86
 
  /**
87
 
   * Builds an analyzer with the given stop words.
88
 
   * 
89
 
   * @param matchVersion lucene compatibility version
90
 
   * @param stopwords a stopword set
91
 
   */
92
 
  public RomanianAnalyzer(Version matchVersion, Set<?> stopwords) {
93
 
    this(matchVersion, stopwords, CharArraySet.EMPTY_SET);
94
 
  }
95
 
 
96
 
  /**
97
 
   * Builds an analyzer with the given stop words. If a non-empty stem exclusion set is
98
 
   * provided this analyzer will add a {@link KeywordMarkerFilter} before
99
 
   * stemming.
100
 
   * 
101
 
   * @param matchVersion lucene compatibility version
102
 
   * @param stopwords a stopword set
103
 
   * @param stemExclusionSet a set of terms not to be stemmed
104
 
   */
105
 
  public RomanianAnalyzer(Version matchVersion, Set<?> stopwords, Set<?> stemExclusionSet) {
106
 
    super(matchVersion, stopwords);
107
 
    this.stemExclusionSet = CharArraySet.unmodifiableSet(CharArraySet.copy(
108
 
        matchVersion, stemExclusionSet));
109
 
  }
110
 
 
111
 
  /**
112
 
   * Creates a
113
 
   * {@link org.apache.lucene.analysis.ReusableAnalyzerBase.TokenStreamComponents}
114
 
   * which tokenizes all the text in the provided {@link Reader}.
115
 
   * 
116
 
   * @return A
117
 
   *         {@link org.apache.lucene.analysis.ReusableAnalyzerBase.TokenStreamComponents}
118
 
   *         built from an {@link StandardTokenizer} filtered with
119
 
   *         {@link StandardFilter}, {@link LowerCaseFilter}, {@link StopFilter}
120
 
   *         , {@link KeywordMarkerFilter} if a stem exclusion set is
121
 
   *         provided and {@link SnowballFilter}.
122
 
   */
123
 
  @Override
124
 
  protected TokenStreamComponents createComponents(String fieldName,
125
 
      Reader reader) {
126
 
    final Tokenizer source = new StandardTokenizer(matchVersion, reader);
127
 
    TokenStream result = new StandardFilter(matchVersion, source);
128
 
    result = new LowerCaseFilter(matchVersion, result);
129
 
    result = new StopFilter(matchVersion, result, stopwords);
130
 
    if(!stemExclusionSet.isEmpty())
131
 
      result = new KeywordMarkerFilter(result, stemExclusionSet);
132
 
    result = new SnowballFilter(result, new RomanianStemmer());
133
 
    return new TokenStreamComponents(source, result);
134
 
  }
135
 
}