rumorph 0.4.0

Fast Russian morphological analyzer: lemmas, Universal Dependencies features and inflection
Documentation
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
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
use std::collections::{BTreeMap, BTreeSet, HashMap, HashSet};

use fst::MapBuilder;

use crate::Error;
use crate::alphabet::{Alphabet, MAX_KEY, yo_order};
use crate::dictionary::{Entry, GuessIndex};
use crate::format::{self, ENTRY_KEYS, MAX_LIST, MAX_SPELLINGS, Sections, WordValue};

/// Сборщик словаря из таблиц тегов, префиксов, суффиксов, парадигм, словоформ и частот
///
/// Парадигма - список форм лексемы; форма задается номерами суффикса, тега OpenCorpora
/// и префикса, форма 0 - начальная. Таблица словоизменения дополняет парадигму для
/// лексем одного типа: у каждой формы - форма леммы и тег UD. Разбор словоформы
/// ссылается на таблицу и форму.
pub struct Builder {
    meta: String,
    tags: Vec<String>,
    ud_tags: Vec<String>,
    ud_numbers: HashMap<String, u16>,
    prefixes: Vec<String>,
    suffixes: Vec<String>,
    suffix_numbers: HashMap<String, u16>,
    paradigms: Vec<Vec<(u16, u16, u16)>>,
    tables: Vec<(u16, Vec<u32>)>,
    table_numbers: HashMap<(u16, Vec<u32>), u16>,
    words: BTreeMap<String, Vec<u32>>,
    /// Списки частот: ключи - формы таблиц (`true`) или теги, пары «ключ, доля в миллионных»
    probabilities: BTreeMap<String, (bool, Vec<(u32, u32)>)>,
    guesses: BTreeMap<(GuessIndex, String), Vec<(u32, u32)>>,
    context: Vec<u8>,
}

impl Builder {
    /// Сборщик с тегами OpenCorpora, префиксами и суффиксами форм: на них ссылаются парадигмы
    /// по номерам
    pub fn new(tags: Vec<String>, prefixes: Vec<String>, suffixes: Vec<String>) -> Self {
        let mut suffix_numbers = HashMap::new();
        for (number, suffix) in suffixes.iter().enumerate() {
            suffix_numbers
                .entry(suffix.clone())
                .or_insert(number as u16);
        }
        Builder {
            suffix_numbers,
            meta: String::new(),
            tags,
            ud_tags: Vec::new(),
            ud_numbers: HashMap::new(),
            prefixes,
            suffixes,
            paradigms: Vec::new(),
            tables: Vec::new(),
            table_numbers: HashMap::new(),
            words: BTreeMap::new(),
            probabilities: BTreeMap::new(),
            guesses: BTreeMap::new(),
            context: Vec::new(),
        }
    }

    /// Описание источника словаря, которое хранится в файле как есть
    pub fn meta(&mut self, meta: impl Into<String>) -> &mut Self {
        self.meta = meta.into();
        self
    }

    /// Веса контекстной модели - файл `scripts/train_context.py`; проверяются при добавлении
    pub fn context(&mut self, weights: Vec<u8>) -> Result<&mut Self, Error> {
        crate::dictionary::Model::parse(&weights)?;
        self.context = weights;
        Ok(self)
    }

    /// Добавляет тег UD и возвращает его номер; одинаковые теги получают один номер
    ///
    /// `feats` - признаки в записи CoNLL-U («Case=Gen|Number=Sing», пустая строка - без признаков)
    /// в любом порядке: тег хранит их по алфавиту без учета регистра, как требует CoNLL-U
    pub fn add_ud_tag(&mut self, pos: &str, feats: &str, labels: &[&str]) -> Result<u16, Error> {
        let invalid_feats = || Error::Build(format!("неверные признаки UD {feats:?}"));
        let mut pairs = Vec::new();
        for feat in feats.split('|').filter(|_| !feats.is_empty()) {
            match feat.split_once('=') {
                Some((name, value)) if !name.is_empty() && !value.is_empty() => {
                    pairs.push((name, value));
                }
                _ => return Err(invalid_feats()),
            }
        }
        pairs.sort_by_cached_key(|&(name, _)| (name.to_ascii_lowercase(), name));
        if pairs.windows(2).any(|pair| pair[0].0 == pair[1].0) {
            return Err(invalid_feats());
        }
        let feats = pairs
            .iter()
            .map(|(name, value)| format!("{name}={value}"))
            .collect::<Vec<_>>()
            .join("|");
        let fields = [pos, &feats, &labels.join(",")];
        if pos.is_empty() || fields.iter().any(|field| field.contains(['\t', '\n'])) {
            return Err(Error::Build(format!("неверный тег UD {fields:?}")));
        }
        let tag = fields.join("\t");
        if let Some(&number) = self.ud_numbers.get(&tag) {
            return Ok(number);
        }
        let number = u16::try_from(self.ud_tags.len())
            .map_err(|_| Error::Build("больше 65 536 тегов UD".into()))?;
        self.ud_tags.push(tag.clone());
        self.ud_numbers.insert(tag, number);
        Ok(number)
    }

    /// Добавляет суффикс и возвращает его номер; известный суффикс сохраняет свой номер
    pub fn add_suffix(&mut self, suffix: &str) -> Result<u16, Error> {
        if let Some(&number) = self.suffix_numbers.get(suffix) {
            return Ok(number);
        }
        let number = u16::try_from(self.suffixes.len())
            .map_err(|_| Error::Build("больше 65 536 суффиксов".into()))?;
        self.suffixes.push(suffix.to_owned());
        self.suffix_numbers.insert(suffix.to_owned(), number);
        Ok(number)
    }

    /// Добавляет парадигму из форм `(суффикс, тег, префикс)` и возвращает ее номер
    pub fn add_paradigm(&mut self, forms: &[(u16, u16, u16)]) -> Result<u16, Error> {
        if forms.is_empty() {
            return Err(Error::Build("парадигма без форм".into()));
        }
        for &(suffix, tag, prefix) in forms {
            check_id("суффикс", suffix, self.suffixes.len())?;
            check_id("тег", tag, self.tags.len())?;
            check_id("префикс", prefix, self.prefixes.len())?;
        }
        let id = u16::try_from(self.paradigms.len())
            .map_err(|_| Error::Build("больше 65 536 парадигм".into()))?;
        self.paradigms.push(forms.to_vec());
        Ok(id)
    }

    /// Добавляет таблицу словоизменения - пары «форма леммы, тег UD» всех форм парадигмы -
    /// и возвращает ее номер; одинаковые таблицы получают один номер
    pub fn add_table(&mut self, paradigm: u16, forms: &[(u16, u16)]) -> Result<u16, Error> {
        let count = self
            .paradigms
            .get(paradigm as usize)
            .ok_or_else(|| Error::Build(format!("нет парадигмы {paradigm}")))?
            .len();
        if forms.len() != count {
            return Err(Error::Build(format!(
                "в таблице {} форм, в парадигме {paradigm} - {count}",
                forms.len()
            )));
        }
        for &(lemma_form, ud) in forms {
            check_id("форма леммы", lemma_form, count)?;
            check_id("тег UD", ud, self.ud_tags.len())?;
        }
        let cells: Vec<u32> = forms
            .iter()
            .map(|&(lemma_form, ud)| (u32::from(lemma_form) << 16) | u32::from(ud))
            .collect();
        let key = (paradigm, cells);
        if let Some(&number) = self.table_numbers.get(&key) {
            return Ok(number);
        }
        let number = u16::try_from(self.tables.len())
            .map_err(|_| Error::Build("больше 65 536 таблиц словоизменения".into()))?;
        self.tables.push(key.clone());
        self.table_numbers.insert(key, number);
        Ok(number)
    }

    /// Добавляет словоформу с разборами; повторные разборы дописываются
    pub fn add_word(&mut self, word: &str, entries: &[Entry]) -> Result<(), Error> {
        if word.contains('\0') {
            return Err(Error::Build(format!(
                "словоформа {word:?} с символом U+0000"
            )));
        }
        let mut packed = Vec::with_capacity(entries.len());
        for entry in entries {
            let &(paradigm, _) = self.tables.get(entry.table as usize).ok_or_else(|| {
                Error::Build(format!("словоформа {word:?}: нет таблицы {}", entry.table))
            })?;
            let forms = &self.paradigms[paradigm as usize];
            let &(suffix, _, prefix) = forms.get(entry.form as usize).ok_or_else(|| {
                Error::Build(format!(
                    "словоформа {word:?}: в парадигме {paradigm} нет формы {}",
                    entry.form
                ))
            })?;
            let (prefix, suffix) = (
                &self.prefixes[prefix as usize],
                &self.suffixes[suffix as usize],
            );
            if word.len() < prefix.len() + suffix.len()
                || !word.starts_with(prefix.as_str())
                || !word.ends_with(suffix.as_str())
            {
                return Err(Error::Build(format!(
                    "словоформа {word:?} не совпадает с формой {} парадигмы {paradigm}",
                    entry.form
                )));
            }
            packed.push((u32::from(entry.table) << 16) | u32::from(entry.form));
        }
        self.words
            .entry(word.to_owned())
            .or_default()
            .extend(packed);
        Ok(())
    }

    /// Добавляет P(тег | словоформа) в миллионных долях; доля делится поровну между разборами
    /// словоформы с этим тегом
    pub fn add_probability(&mut self, word: &str, tag: u16, millionths: u32) -> Result<(), Error> {
        check_id("тег", tag, self.tags.len())?;
        let (by_entry, pairs) = self.probabilities.entry(word.to_owned()).or_default();
        if *by_entry {
            return Err(Error::Build(format!(
                "у словоформы {word:?} уже есть доли форм таблиц"
            )));
        }
        match pairs.iter_mut().find(|(known, _)| *known == u32::from(tag)) {
            Some(pair) => pair.1 = millionths,
            None => pairs.push((u32::from(tag), millionths)),
        }
        Ok(())
    }

    /// Задает доли разборов словоформы по формам таблиц в миллионных: список заменяет прежние
    /// доли словоформы, в том числе по тегам. Разборы без доли в списке получают нулевую
    pub fn set_entry_probabilities(
        &mut self,
        word: &str,
        probabilities: &[(Entry, u32)],
    ) -> Result<(), Error> {
        let mut pairs = Vec::with_capacity(probabilities.len());
        for &(entry, millionths) in probabilities {
            let &(paradigm, _) = self.tables.get(entry.table as usize).ok_or_else(|| {
                Error::Build(format!("словоформа {word:?}: нет таблицы {}", entry.table))
            })?;
            check_id("форма", entry.form, self.paradigms[paradigm as usize].len())?;
            pairs.push((
                (u32::from(entry.table) << 16) | u32::from(entry.form),
                millionths,
            ));
        }
        self.probabilities.insert(word.to_owned(), (true, pairs));
        Ok(())
    }

    /// Добавляет формы для угадывания незнакомых слов с окончанием `ending`: форма таблицы
    /// и число словоформ словаря с этим окончанием и этой формой
    pub fn add_guesses(
        &mut self,
        index: GuessIndex,
        ending: &str,
        forms: &[(Entry, u32)],
    ) -> Result<(), Error> {
        if ending.contains('\0') {
            return Err(Error::Build(format!(
                "окончание {ending:?} с символом U+0000"
            )));
        }
        let mut packed = Vec::with_capacity(forms.len());
        for &(entry, count) in forms {
            let &(paradigm, _) = self.tables.get(entry.table as usize).ok_or_else(|| {
                Error::Build(format!("окончание {ending:?}: нет таблицы {}", entry.table))
            })?;
            if count == 0 {
                return Err(Error::Build(format!(
                    "окончание {ending:?}: нулевое число словоформ"
                )));
            }
            check_id("форма", entry.form, self.paradigms[paradigm as usize].len())?;
            packed.push((
                (u32::from(entry.table) << 16) | u32::from(entry.form),
                count,
            ));
        }
        self.guesses.insert((index, ending.to_owned()), packed);
        Ok(())
    }

    /// Собирает словарь в бинарном формате
    pub fn build(&self) -> Result<Vec<u8>, Error> {
        self.check()?;
        let mut paradigm_offsets = vec![0u32];
        let mut paradigms = Vec::new();
        for forms in &self.paradigms {
            paradigms.extend(forms.iter().map(|form| form.0));
            paradigms.extend(forms.iter().map(|form| form.1));
            paradigms.extend(forms.iter().map(|form| form.2));
            paradigm_offsets.push(paradigms.len() as u32);
        }
        let tables = self
            .tables
            .iter()
            .flat_map(|(paradigm, cells)| {
                std::iter::once(u32::from(*paradigm)).chain(cells.iter().copied())
            })
            .collect();

        let alphabet = self.alphabet();
        let letters = Alphabet::new(&alphabet).map_err(|err| match err {
            Error::Format(msg) => Error::Build(msg),
            err => err,
        })?;

        // Одинаковые списки разборов у разных словоформ хранятся один раз; написания одного ключа
        // («все» и «всё») - вместе
        let mut records = Vec::new();
        let mut offsets: HashMap<&[u32], u32> = HashMap::new();
        let mut keys: BTreeMap<Vec<u8>, Spellings> = BTreeMap::new();
        for (word, packed) in &self.words {
            let key = letters.spelling_key(word).ok_or_else(|| {
                Error::Build(format!("словоформа {word:?} длиннее {MAX_KEY} букв"))
            })?;
            let offset = *offsets.entry(packed).or_insert_with(|| {
                let offset = records.len() as u32;
                records.push(packed.len() as u32);
                records.extend_from_slice(packed);
                offset
            });
            keys.entry(key.bytes().to_vec())
                .or_default()
                .variants
                .push((key.yo, offset));
        }

        // Частоты написаний, у которых нет ключа в словаре, не нужны: такие слова не разбираются
        // по словарю
        let mut probability_records = Vec::new();
        for (word, (by_entry, pairs)) in &self.probabilities {
            let Some(key) = letters.spelling_key(word) else {
                continue;
            };
            let Some(spellings) = keys.get_mut(key.bytes()) else {
                continue;
            };
            spellings
                .probabilities
                .push((key.yo, probability_records.len() as u32));
            let flag = if *by_entry { ENTRY_KEYS } else { 0 };
            probability_records.push(pairs.len() as u32 | flag);
            for &(key, millionths) in pairs {
                probability_records.extend([key, millionths]);
            }
        }

        let mut variants = Vec::new();
        let mut words = MapBuilder::memory();
        for (key, mut spellings) in keys {
            if spellings.variants.len() > MAX_SPELLINGS {
                let spelling = letters.decode(&key, 0);
                return Err(Error::Build(format!(
                    "у словоформы {spelling:?} больше {MAX_SPELLINGS} написаний с «ё»"
                )));
            }
            spellings.variants.sort_by(|a, b| yo_order(a.0, b.0));
            let single = match (&spellings.variants[..], &spellings.probabilities[..]) {
                (&[(yo, records)], []) => WordValue::Single {
                    yo,
                    records,
                    probabilities: None,
                }
                .pack(),
                (&[(yo, records)], &[(spelling, probabilities)]) if spelling == yo => {
                    WordValue::Single {
                        yo,
                        records,
                        probabilities: Some(probabilities),
                    }
                    .pack()
                }
                _ => None,
            };
            let value = match single {
                Some(value) => value,
                None => {
                    let offset = u32::try_from(variants.len())
                        .map_err(|_| Error::Build("слишком много написаний с «ё»".into()))?;
                    for list in [&spellings.variants, &spellings.probabilities] {
                        variants.push(list.len() as u32);
                        for &(yo, offset) in list {
                            variants.extend([yo as u32, (yo >> 32) as u32, offset]);
                        }
                    }
                    WordValue::Many(offset).pack().unwrap_or_default()
                }
            };
            words.insert(key, value).map_err(build_error)?;
        }

        let mut guess_records = Vec::new();
        let mut guess_offsets: HashMap<&[(u32, u32)], u64> = HashMap::new();
        let mut guess_keys = BTreeMap::new();
        for ((index, ending), forms) in &self.guesses {
            let key = letters.key(index.byte(), ending).ok_or_else(|| {
                Error::Build(format!("окончание {ending:?} длиннее {MAX_KEY} букв"))
            })?;
            guess_keys.insert(key.bytes().to_vec(), forms);
        }
        let mut guesses = MapBuilder::memory();
        for (key, forms) in guess_keys {
            let offset = *guess_offsets.entry(forms).or_insert_with(|| {
                let offset = guess_records.len() as u64;
                guess_records.push(forms.len() as u32);
                for &(entry, count) in forms {
                    guess_records.extend([entry, count]);
                }
                offset
            });
            guesses.insert(key, offset).map_err(build_error)?;
        }

        let (ud_strings, ud_tags) = self.ud_tables()?;
        Ok(format::write(&Sections {
            meta: self.meta.clone(),
            tags: self.tags.clone(),
            ud_strings,
            ud_tags,
            alphabet,
            prefixes: self.prefixes.clone(),
            suffixes: self.suffixes.clone(),
            paradigm_offsets,
            paradigms,
            tables,
            words: words.into_inner().map_err(build_error)?,
            records,
            variants,
            probability_records,
            guesses: guesses.into_inner().map_err(build_error)?,
            guess_records,
            context: self.context.clone(),
        }))
    }

    /// Префиксы и суффиксы не повторяются (формы одной леммы сравниваются по их номерам),
    /// а списки разборов, частот и форм для угадывания не длиннее, чем читает словарь
    fn check(&self) -> Result<(), Error> {
        for (what, items) in [("префикс", &self.prefixes), ("суффикс", &self.suffixes)]
        {
            let mut seen = HashSet::new();
            if let Some(item) = items.iter().find(|item| !seen.insert(item.as_str())) {
                return Err(Error::Build(format!("{what} {item:?} повторяется")));
            }
        }
        let long = |what: &str, owner: &str, len: usize| {
            (len > MAX_LIST).then(|| Error::Build(format!("у {owner} больше {MAX_LIST} {what}")))
        };
        for (word, entries) in &self.words {
            if let Some(err) = long("разборов", &format!("словоформы {word:?}"), entries.len())
            {
                return Err(err);
            }
        }
        for (word, (_, pairs)) in &self.probabilities {
            if let Some(err) = long("частот", &format!("словоформы {word:?}"), pairs.len())
            {
                return Err(err);
            }
        }
        for ((_, ending), forms) in &self.guesses {
            if let Some(err) = long("форм", &format!("окончания {ending:?}"), forms.len())
            {
                return Err(err);
            }
        }
        Ok(())
    }

    /// Буквы словоформ и окончаний по порядку: у «ё» в словоформе ключ пишется с «е»
    fn alphabet(&self) -> String {
        let mut letters: BTreeSet<char> = self
            .words
            .keys()
            .chain(self.guesses.keys().map(|(_, ending)| ending))
            .flat_map(|word| word.chars())
            .collect();
        if letters.contains(&'ё') {
            letters.insert('е');
        }
        letters.into_iter().collect()
    }

    /// Строки и теги UD номерами строк
    fn ud_tables(&self) -> Result<(Vec<String>, Vec<u16>), Error> {
        let mut strings = Vec::new();
        let mut numbers = HashMap::new();
        let mut number = |text: &str| -> Result<u16, Error> {
            if let Some(&number) = numbers.get(text) {
                return Ok(number);
            }
            let number = u16::try_from(strings.len())
                .map_err(|_| Error::Build("больше 65 536 строк в тегах UD".into()))?;
            strings.push(text.to_owned());
            numbers.insert(text.to_owned(), number);
            Ok(number)
        };
        let mut tags = Vec::new();
        for tag in &self.ud_tags {
            let mut fields = tag.split('\t');
            let mut field = || fields.next().unwrap_or_default();
            let (pos, feats, labels) = (field(), field(), field());
            let feats: Vec<(&str, &str)> = feats
                .split('|')
                .filter_map(|feat| feat.split_once('='))
                .collect();
            let labels: Vec<&str> = labels
                .split(',')
                .filter(|label| !label.is_empty())
                .collect();
            tags.push(number(pos)?);
            tags.push(feats.len() as u16);
            for (name, value) in feats {
                tags.extend([number(name)?, number(value)?]);
            }
            tags.push(labels.len() as u16);
            for label in labels {
                tags.push(number(label)?);
            }
        }
        Ok((strings, tags))
    }
}

/// Написания одного ключа и списки частот: места «ё» и начало списка
#[derive(Default)]
struct Spellings {
    variants: Vec<(u64, u32)>,
    probabilities: Vec<(u64, u32)>,
}

fn check_id(what: &str, id: u16, len: usize) -> Result<(), Error> {
    if (id as usize) < len {
        Ok(())
    } else {
        Err(Error::Build(format!("{what} {id} вне таблицы из {len}")))
    }
}

fn build_error(err: fst::Error) -> Error {
    Error::Build(err.to_string())
}

#[cfg(test)]
mod tests {
    use super::*;

    fn builder() -> Builder {
        let mut builder = Builder::new(
            vec!["NOUN".into()],
            vec![String::new()],
            vec![String::new(), "а".into()],
        );
        builder.add_ud_tag("NOUN", "", &[]).unwrap();
        builder
    }

    fn entry(table: u16, form: u16) -> Entry {
        Entry { table, form }
    }

    #[test]
    fn checks_paradigm_ids() {
        let mut builder = builder();
        assert!(builder.add_paradigm(&[]).is_err());
        assert!(builder.add_paradigm(&[(2, 0, 0)]).is_err());
        assert!(builder.add_paradigm(&[(0, 1, 0)]).is_err());
        assert!(builder.add_paradigm(&[(0, 0, 1)]).is_err());
        assert_eq!(builder.add_paradigm(&[(0, 0, 0), (1, 0, 0)]).unwrap(), 0);
    }

    #[test]
    fn adds_suffixes() {
        let mut builder = builder();
        assert_eq!(builder.add_suffix("а").unwrap(), 1);
        assert_eq!(builder.add_suffix("ой").unwrap(), 2);
        assert_eq!(builder.add_suffix("ой").unwrap(), 2);
        assert_eq!(builder.add_paradigm(&[(2, 0, 0)]).unwrap(), 0);
    }

    #[test]
    fn checks_tables() {
        let mut builder = builder();
        builder.add_paradigm(&[(0, 0, 0), (1, 0, 0)]).unwrap();
        assert!(builder.add_table(1, &[(0, 0), (0, 0)]).is_err());
        assert!(builder.add_table(0, &[(0, 0)]).is_err());
        assert!(builder.add_table(0, &[(0, 0), (2, 0)]).is_err());
        assert!(builder.add_table(0, &[(0, 0), (0, 1)]).is_err());
        assert_eq!(builder.add_table(0, &[(0, 0), (0, 0)]).unwrap(), 0);
        assert_eq!(builder.add_table(0, &[(0, 0), (1, 0)]).unwrap(), 1);
        assert_eq!(builder.add_table(0, &[(0, 0), (0, 0)]).unwrap(), 0);
    }

    #[test]
    fn checks_guesses() {
        let mut builder = builder();
        builder.add_paradigm(&[(0, 0, 0), (1, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0), (0, 0)]).unwrap();
        assert!(
            builder
                .add_guesses(GuessIndex::Common, "а", &[(entry(1, 0), 1)])
                .is_err()
        );
        assert!(
            builder
                .add_guesses(GuessIndex::Common, "а", &[(entry(0, 2), 1)])
                .is_err()
        );
        assert!(
            builder
                .add_guesses(GuessIndex::Common, "а", &[(entry(0, 1), 0)])
                .is_err()
        );
        builder
            .add_guesses(GuessIndex::Proper, "а", &[(entry(0, 1), 1)])
            .unwrap();
    }

    #[test]
    fn checks_word_forms() {
        let mut builder = builder();
        builder.add_paradigm(&[(0, 0, 0), (1, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0), (0, 0)]).unwrap();
        assert!(builder.add_word("ежа", &[entry(1, 0)]).is_err());
        assert!(builder.add_word("ежа", &[entry(0, 2)]).is_err());
        assert!(builder.add_word("еж", &[entry(0, 1)]).is_err());
        builder.add_word("ежа", &[entry(0, 1)]).unwrap();
    }

    #[test]
    fn limits_spellings_of_one_key() {
        let mut builder = builder();
        builder.add_paradigm(&[(0, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0)]).unwrap();
        // Восемь написаний ключа «ееее» укладываются, девятое - ошибка сборки
        let spellings: Vec<String> = (0..9)
            .map(|mask: u32| {
                (0..4)
                    .map(|at| if mask >> at & 1 == 1 { 'ё' } else { 'е' })
                    .collect()
            })
            .collect();
        for spelling in &spellings[..8] {
            builder.add_word(spelling, &[entry(0, 0)]).unwrap();
        }
        assert!(builder.build().is_ok());
        builder.add_word(&spellings[8], &[entry(0, 0)]).unwrap();
        let err = builder.build().err().unwrap();
        assert!(err.to_string().contains("\"ееее\""), "{err}");
    }

    #[test]
    fn ud_tags_are_shared() {
        let mut builder = builder();
        assert_eq!(
            builder
                .add_ud_tag("VERB", "Aspect=Perf", &["intr"])
                .unwrap(),
            1
        );
        assert_eq!(
            builder
                .add_ud_tag("VERB", "Aspect=Perf", &["intr"])
                .unwrap(),
            1
        );
        assert_eq!(builder.add_ud_tag("VERB", "Aspect=Perf", &[]).unwrap(), 2);
        assert!(builder.add_ud_tag("", "", &[]).is_err());
        assert!(builder.add_ud_tag("VERB", "Aspect", &[]).is_err());
        assert!(builder.add_ud_tag("VERB", "Aspect=Perf\t", &[]).is_err());
    }

    #[test]
    fn ud_features_in_conllu_order() {
        let mut builder = builder();
        // По алфавиту без учета регистра: Number раньше NumForm и NumType
        let ordered = "Case=Gen|Number=Sing|NumForm=Word|NumType=Card";
        let number = builder.add_ud_tag("NUM", ordered, &[]).unwrap();
        for feats in [
            "NumType=Card|NumForm=Word|Number=Sing|Case=Gen",
            "Case=Gen|NumForm=Word|NumType=Card|Number=Sing",
        ] {
            assert_eq!(builder.add_ud_tag("NUM", feats, &[]).unwrap(), number);
        }
        let (strings, tags) = builder.ud_tables().unwrap();
        let start = tags.len() - 11;
        let names: Vec<&str> = (0..4)
            .map(|at| strings[usize::from(tags[start + 2 + 2 * at])].as_str())
            .collect();
        assert_eq!(names, ["Case", "Number", "NumForm", "NumType"]);
        for feats in ["Case=Gen|Case=Nom", "Case=", "=Gen", "Case=Gen|"] {
            assert!(builder.add_ud_tag("NOUN", feats, &[]).is_err(), "{feats}");
        }
    }

    #[test]
    fn rejects_files_the_dictionary_cannot_read() {
        let mut builder = builder();
        builder.add_paradigm(&[(0, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0)]).unwrap();
        builder
            .add_word("еж", &vec![entry(0, 0); MAX_LIST])
            .unwrap();
        assert!(builder.build().is_ok());
        builder.add_word("еж", &[entry(0, 0)]).unwrap();
        let err = builder.build().err().unwrap();
        assert!(err.to_string().contains("словоформы \"еж\""), "{err}");

        let mut builder = self::builder();
        builder.add_paradigm(&[(0, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0)]).unwrap();
        let tags: Vec<String> = (0..=MAX_LIST).map(|tag| tag.to_string()).collect();
        builder.tags = tags;
        for tag in 0..=MAX_LIST {
            builder.add_probability("еж", tag as u16, 1).unwrap();
        }
        let err = builder.build().err().unwrap();
        assert!(err.to_string().contains("частот"), "{err}");

        let mut builder = self::builder();
        builder.add_paradigm(&[(0, 0, 0)]).unwrap();
        builder.add_table(0, &[(0, 0)]).unwrap();
        builder
            .add_guesses(
                GuessIndex::Common,
                "а",
                &vec![(entry(0, 0), 1); MAX_LIST + 1],
            )
            .unwrap();
        let err = builder.build().err().unwrap();
        assert!(err.to_string().contains("окончания \"а\""), "{err}");

        // Повтор суффикса и символ U+0000
        let mut builder = Builder::new(
            Vec::new(),
            vec![String::new()],
            vec!["а".into(), "а".into()],
        );
        let err = builder.build().err().unwrap();
        assert!(
            err.to_string().contains("суффикс \"а\" повторяется"),
            "{err}"
        );
        assert!(builder.add_word("е\0ж", &[]).is_err());
        assert!(builder.add_guesses(GuessIndex::Common, "\0", &[]).is_err());
    }

    #[test]
    fn checks_probability_tags() {
        let mut builder = builder();
        assert!(builder.add_probability("еж", 1, 1).is_err());
        builder.add_probability("еж", 0, 1).unwrap();
    }
}