1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
use fst::{IntoStreamer, Streamer};
use itertools::Itertools;
use tracing::{debug, error};
use crate::{
analyzer::{declension::alphabet_stream, Parse, WordForm},
errors::ParseErr,
morph::grammemes::Grammem,
InflectWord, Method, MorphAnalyzer, NormalizedWord, ParsedWord,
};
use std::collections::HashMap;
use super::InflectWords;
impl MorphAnalyzer {
/// Преобразование разбора слова в соответствующую структуру.
pub(crate) fn try_into_parse(&self, word: &str, parse: &Parse) -> Result<ParsedWord, ParseErr> {
Ok(ParsedWord {
word: word.to_string(),
tags: self.get_tag(parse.tag)?.to_owned(),
normal_form: self.get_lemmas(parse.normal_form)?.to_string(),
method: Method::Dictionary,
})
}
/// Преобразование разбора слова в нормализованное слово.
pub(crate) fn try_into_normalized(&self, parse: &Parse) -> Result<NormalizedWord, ParseErr> {
Ok(NormalizedWord {
normal_word: self.get_lemmas(parse.normal_form)?.to_string(),
tags: self.get_tag(parse.tag)?.to_owned(),
method: Method::Dictionary,
})
}
/// Преобразование разбора слова в измененную форму слова.
pub(crate) fn try_into_inflect(
&self,
word: String,
parse: &Parse,
) -> Result<InflectWord, ParseErr> {
Ok(InflectWord {
inflect_form: word,
tags: self.get_tag(parse.tag)?.to_owned(),
normal_form: self.get_lemmas(parse.normal_form)?.to_string(),
method: Method::Dictionary,
})
}
/// Преобразование разбора слова в измененную форму слова
/// с учетом уже найденных данных.
pub(crate) fn try_into_inflect_hint(
&self,
word: String,
word_form: &WordForm,
) -> Result<InflectWord, ParseErr> {
Ok(InflectWord {
inflect_form: word,
tags: word_form.tag.to_owned(),
normal_form: word_form.lemma.to_string(),
method: Method::Dictionary,
})
}
}
impl MorphAnalyzer {
/// Фильтрация нужных `Parse` слов(а) в зависимости от запроса граммем.
/// Возвращается итератор вместе с `ParseId`, индексом в `fst::Map`.
pub fn id_forms<'a>(
&'a self,
word: &'a str,
ids: &'a [u32],
word_id: Option<u64>,
grammemes: &'a Option<Vec<Grammem>>,
) -> impl Iterator<Item = (u64, &'a Parse)> {
self.word_parses.iter().enumerate().flat_map(move |(i, p)| {
p.iter()
.filter_map(|p| {
let id = p.form.id();
if id.is_none() {
error!("{}", ParseErr::LostLemmaId(word.into()));
return None;
}
// Unwrap() на id безопасен в связи с вышеизложенной проверкой.
match (grammemes.is_none(), word_id) {
(true, Some(word_id)) => {
// Начальная форма может совпадать с нормальной.
if word_id == id.unwrap() && (p.form.is_inizio() | p.form.is_normal()) {
Some((i as u64, p))
} else {
None
}
}
// Если специально граммемы не определены, нам нужно вернуть все варианты парсингов
// Если функция вызывалась из `inflect()`, а не `declension()`, сортировка будет в
// следующих звеньях логической цепочки
_ => {
if ids.contains(&(id.unwrap() as u32)) {
Some((i as u64, p))
} else {
None
}
}
}
})
.collect_vec()
})
}
/// Сбор префикс-ограничений для `fst::Stream`.
///
/// Префикс-ограничения - это пара префиксов, внутри которых Streamer проходит fst-словарь,
/// игнорируя все остальные части словаря.
pub(crate) fn collect_stream_hashset<'a>(
&'a self,
word: &str,
grammemes: &Option<Vec<Grammem>>,
id_forms: impl Iterator<Item = (u64, &'a Parse)>,
hash_set: &mut HashMap<(String, Option<String>), Vec<WordForm<'a>>>,
) -> Result<(), ParseErr> {
for (i, parse) in id_forms {
let tag = self.get_tag(parse.tag)?;
if let Some(grammemes) = grammemes.as_ref() {
if !grammemes.iter().all(|item| tag.contains(item)) {
continue;
};
}
let normal_form = self.get_lemmas(parse.normal_form)?;
for (first, last) in
alphabet_stream(word, normal_form, tag.to_owned()).map_err(ParseErr::Declension)?
{
let word_form = WordForm {
i,
tag,
lemma: normal_form,
};
let vec = hash_set.entry((first, last)).or_default();
if !vec.contains(&word_form) {
vec.push(word_form)
}
}
}
Ok(())
}
/// Итерация по fst::Stream с учетом префиксных ограничений для сокращения прохода.
/// При итерации в `InflectWords` сохраняются только те формы,
/// которые соответствуют индексу в fst::Map -> WordForm { i, ..}.
pub(crate) fn iter_fst(
&self,
hash_set: &mut HashMap<(String, Option<String>), Vec<WordForm<'_>>>,
inflect: &mut InflectWords,
) -> Result<(), ParseErr> {
let map = &self.fst;
for ((first, last), vec) in hash_set.iter() {
debug!("{first}-{last:?}");
let range = match last {
Some(last) => map.range().ge(first).lt(last),
None => map.range().ge(first).le(first),
};
let mut stream = range.into_stream();
while let Some((key, value)) = stream.next() {
for word_form in vec.iter().filter(|WordForm { i, .. }| *i == value) {
debug!("Value == i was found");
let inflect_word = self.try_into_inflect_hint(
String::from_utf8_lossy(key).to_string(),
word_form,
)?;
if !inflect.0.contains(&inflect_word) {
inflect.0.push(inflect_word);
}
}
}
}
Ok(())
}
}