src/myspell/phonet.cxx

   1 /*  phonetic.c - generic replacement aglogithms for phonetic transformation
   2     Copyright (C) 2000 Bjoern Jacke
   3
   4     This library is free software; you can redistribute it and/or
   5     modify it under the terms of the GNU Lesser General Public
   6     License version 2.1 as published by the Free Software Foundation;
   7
   8     This library is distributed in the hope that it will be useful,
   9     but WITHOUT ANY WARRANTY; without even the implied warranty of
  10     MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  11     Lesser General Public License for more details.
  12
  13     You should have received a copy of the GNU Lesser General Public
  14     License along with this library; If not, see
  15     <http://www.gnu.org/licenses/>.
  16
  17     Changelog:
  18
  19     2000-01-05  Bjoern Jacke <bjoern at j3e.de>
  20                 Initial Release insprired by the article about phonetic
  21                 transformations out of c't 25/1999
  22
  23     2007-07-26  Bjoern Jacke <bjoern at j3e.de>
  24                 Released under MPL/GPL/LGPL tri-license for Hunspell
  25
  26     2007-08-23  Laszlo Nemeth <nemeth at OOo>
  27                 Porting from Aspell to Hunspell using C-like structs
  28 */
  29
  30 #include <stdlib.h>
  31 #include <string.h>
  32 #include <stdio.h>
  33 #include <ctype.h>
  34
  35 #include "csutil.hxx"
  36 #include "phonet.hxx"
  37
  38 void init_phonet_hash(phonetable & parms)
  39   {
  40     int i, k;
  41
  42     for (i = 0; i < HASHSIZE; i++) {
  43       parms.hash[i] = -1;
  44     }
  45
  46     for (i = 0; parms.rules[i][0] != '\0'; i += 2) {
  47       /**  set hash value  **/
  48       k = (unsigned char) parms.rules[i][0];
  49
  50       if (parms.hash[k] < 0) {
  51         parms.hash[k] = i;
  52       }
  53     }
  54   }
  55
  56 // like strcpy but safe if the strings overlap
  57 //   but only if dest < src
  58 static inline void strmove(char * dest, char * src) {
  59   while (*src)
  60     *dest++ = *src++;
  61   *dest = '\0';
  62 }
  63
  64 static int myisalpha(char ch) {
  65   if ((unsigned char) ch < 128) return isalpha(ch);
  66   return 1;
  67 }
  68
  69 /*  phonetic transcription algorithm                   */
  70 /*  see: http://aspell.net/man-html/Phonetic-Code.html */
  71 /*  convert string to uppercase before this call       */
  72 int phonet (const char * inword, char * target,
  73               int len,
  74               phonetable & parms)
  75   {
  76     /**       Do phonetic transformation.       **/
  77     /**  "len" = length of "inword" incl. '\0'. **/
  78
  79     /**  result:  >= 0:  length of "target"    **/
  80     /**            otherwise:  error            **/
  81
  82     int  i,j,k=0,n,p,z;
  83     int  k0,n0,p0=-333,z0;
  84     char c, c0;
  85     const char * s;
  86     typedef unsigned char uchar;
  87     char word[MAXPHONETUTF8LEN + 1];
  88     if (len == -1) len = strlen(inword);
  89     if (len > MAXPHONETUTF8LEN) return 0;
  90     strcpy(word, inword);
  91
  92     /**  check word  **/
  93     i = j = z = 0;
  94     while ((c = word[i]) != '\0') {
  95       n = parms.hash[(uchar) c];
  96       z0 = 0;
  97
  98       if (n >= 0) {
  99         /**  check all rules for the same letter  **/
 100         while (parms.rules[n][0] == c) {
 101
 102           /**  check whole string  **/
 103           k = 1;   /** number of found letters  **/
 104           p = 5;   /** default priority  **/
 105           s = parms.rules[n];
 106           s++;     /**  important for (see below)  "*(s-1)"  **/
 107
 108           while (*s != '\0'  &&  word[i+k] == *s
 109                  &&  !isdigit ((unsigned char) *s)  &&  strchr ("(-<^$", *s) == NULL) {
 110             k++;
 111             s++;
 112           }
 113           if (*s == '(') {
 114             /**  check letters in "(..)"  **/
 115             if (myisalpha(word[i+k])  // ...could be implied?
 116                 && strchr(s+1, word[i+k]) != NULL) {
 117               k++;
 118               while (*s != ')')
 119                 s++;
 120               s++;
 121             }
 122           }
 123           p0 = (int) *s;
 124           k0 = k;
 125           while (*s == '-'  &&  k > 1) {
 126             k--;
 127             s++;
 128           }
 129           if (*s == '<')
 130             s++;
 131           if (isdigit ((unsigned char) *s)) {
 132             /**  determine priority  **/
 133             p = *s - '0';
 134             s++;
 135           }
 136           if (*s == '^'  &&  *(s+1) == '^')
 137             s++;
 138
 139           if (*s == '\0'
 140               || (*s == '^'
 141                   && (i == 0  ||  ! myisalpha(word[i-1]))
 142                   && (*(s+1) != '$'
 143                       || (! myisalpha(word[i+k0]) )))
 144               || (*s == '$'  &&  i > 0
 145                   &&  myisalpha(word[i-1])
 146                   && (! myisalpha(word[i+k0]) )))
 147           {
 148             /**  search for followup rules, if:     **/
 149             /**  parms.followup and k > 1  and  NO '-' in searchstring **/
 150             c0 = word[i+k-1];
 151             n0 = parms.hash[(uchar) c0];
 152
 153 //            if (parms.followup  &&  k > 1  &&  n0 >= 0
 154             if (k > 1  &&  n0 >= 0
 155                 &&  p0 != (int) '-'  &&  word[i+k] != '\0') {
 156               /**  test follow-up rule for "word[i+k]"  **/
 157               while (parms.rules[n0][0] == c0) {
 158
 159                 /**  check whole string  **/
 160                 k0 = k;
 161                 p0 = 5;
 162                 s = parms.rules[n0];
 163                 s++;
 164                 while (*s != '\0'  &&  word[i+k0] == *s
 165                        && ! isdigit((unsigned char) *s)  &&  strchr("(-<^$",*s) == NULL) {
 166                   k0++;
 167                   s++;
 168                 }
 169                 if (*s == '(') {
 170                   /**  check letters  **/
 171                   if (myisalpha(word[i+k0])
 172                       &&  strchr (s+1, word[i+k0]) != NULL) {
 173                     k0++;
 174                     while (*s != ')'  &&  *s != '\0')
 175                       s++;
 176                     if (*s == ')')
 177                       s++;
 178                   }
 179                 }
 180                 while (*s == '-') {
 181                   /**  "k0" gets NOT reduced   **/
 182                   /**  because "if (k0 == k)"  **/
 183                   s++;
 184                 }
 185                 if (*s == '<')
 186                   s++;
 187                 if (isdigit ((unsigned char) *s)) {
 188                   p0 = *s - '0';
 189                   s++;
 190                 }
 191
 192                 if (*s == '\0'
 193                     /**  *s == '^' cuts  **/
 194                     || (*s == '$'  &&  ! myisalpha(word[i+k0])))
 195                 {
 196                   if (k0 == k) {
 197                     /**  this is just a piece of the string  **/
 198                     n0 += 2;
 199                     continue;
 200                   }
 201
 202                   if (p0 < p) {
 203                     /**  priority too low  **/
 204                     n0 += 2;
 205                     continue;
 206                   }
 207                   /**  rule fits; stop search  **/
 208                   break;
 209                 }
 210                 n0 += 2;
 211               } /**  End of "while (parms.rules[n0][0] == c0)"  **/
 212
 213               if (p0 >= p  && parms.rules[n0][0] == c0) {
 214                 n += 2;
 215                 continue;
 216               }
 217             } /** end of follow-up stuff **/
 218
 219             /**  replace string  **/
 220             s = parms.rules[n+1];
 221             p0 = (parms.rules[n][0] != '\0'
 222                  &&  strchr (parms.rules[n]+1,'<') != NULL) ? 1:0;
 223             if (p0 == 1 &&  z == 0) {
 224               /**  rule with '<' is used  **/
 225               if (j > 0  &&  *s != '\0'
 226                  && (target[j-1] == c  ||  target[j-1] == *s)) {
 227                 j--;
 228               }
 229               z0 = 1;
 230               z = 1;
 231               k0 = 0;
 232               while (*s != '\0'  &&  word[i+k0] != '\0') {
 233                 word[i+k0] = *s;
 234                 k0++;
 235                 s++;
 236               }
 237               if (k > k0)
 238                 strmove (&word[0]+i+k0, &word[0]+i+k);
 239
 240               /**  new "actual letter"  **/
 241               c = word[i];
 242             }
 243             else { /** no '<' rule used **/
 244               i += k - 1;
 245               z = 0;
 246               while (*s != '\0'
 247                      &&  *(s+1) != '\0'  &&  j < len) {
 248                 if (j == 0  ||  target[j-1] != *s) {
 249                   target[j] = *s;
 250                   j++;
 251                 }
 252                 s++;
 253               }
 254               /**  new "actual letter"  **/
 255               c = *s;
 256               if (parms.rules[n][0] != '\0'
 257                  &&  strstr (parms.rules[n]+1, "^^") != NULL) {
 258                 if (c != '\0') {
 259                   target[j] = c;
 260                   j++;
 261                 }
 262                 strmove (&word[0], &word[0]+i+1);
 263                 i = 0;
 264                 z0 = 1;
 265               }
 266             }
 267             break;
 268           }  /** end of follow-up stuff **/
 269           n += 2;
 270         } /**  end of while (parms.rules[n][0] == c)  **/
 271       } /**  end of if (n >= 0)  **/
 272       if (z0 == 0) {
 273 //        if (k && (assert(p0!=-333),!p0) &&  j < len &&  c != '\0'
 274 //           && (!parms.collapse_result  ||  j == 0  ||  target[j-1] != c)){
 275         if (k && !p0 && j < len &&  c != '\0'
 276            && (1 || j == 0  ||  target[j-1] != c)){
 277            /**  condense only double letters  **/
 278           target[j] = c;
 279           ///printf("\n setting \n");
 280           j++;
 281         }
 282
 283         i++;
 284         z = 0;
 285         k=0;
 286       }
 287     }  /**  end of   while ((c = word[i]) != '\0')  **/
 288
 289     target[j] = '\0';
 290     return (j);
 291
 292   }  /**  end of function "phonet"  **/