-
Notifications
You must be signed in to change notification settings - Fork 3
/
Copy pathbuildlexicon.cc
628 lines (586 loc) · 16.5 KB
/
buildlexicon.cc
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
#include <iostream>
#include <fstream>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>
#include <sys/stat.h>
#include "buildlexicon.h"
#define PACKAGE "lexicon"
#define VERSION "1.0.0"
//#define DIFF
char *LexedBuffer;
unsigned long int nbreItem;
unsigned long int nbreItemMax;
int swap;
struct Fsa *fsa; // table fsa
InfoBuff *info; //table des info
TYPEPTR LexedInitial;
Arbre *LexiqueInit;
Arbre *Lexique;
static struct stat *statbuf;
FILE *Table;
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
void Usage() {
fprintf(stderr,
"Usage: lexicon [global-option] <build|consult> <filename>\n"
"Global options:\n"
"-h|--help print this\n"
"-v|--version print version\n"
"-p <name> prefix name\n"
"-d <directory> directory\n"
);
}
////////////////////////////////////////////////////////////
////////////////////////////////////////////////////////////
void PrintResults (TYPEPTR Index,
bool Sep,
FILE *Table)
{
char Etiquette[LEXEDMAXSTRING];
if (Sep)
fputs(SEP_PREF, stdout);
if (Index == (TYPEPTR)(~(0UL))){
fputs(SEP_UW, stdout);
if (Sep) fputs(SEP_SUFF, stdout);
return;
}
while (Index != (TYPEPTR)(~(0UL))){
// an other element will be describe
strcpy (Etiquette, LexedBuffer+(info[Index].offset));
fputs(Etiquette, stdout);
if (info[Index].suivant!=(TYPEPTR)(~(0UL)))
fputs(SEP_OR, stdout);
if ((info[Index].suivant)!=(TYPEPTR)(~(0UL)))
Index=info[Index].suivant;
else
Index=(TYPEPTR)(~(0UL));
}
if (Sep) fputs(SEP_SUFF, stdout);
}
////////////////////////////////////////////////////////////
// input: string
// output: info
////////////////////////////////////////////////////////////
TYPEPTR SearchStatic(TYPEPTR Index,
char *Str)
{
char *car=Str;
Index=fsa[Index].fils;
// for each letter of the suffix
while (*car){
// parse the brothers while founding the actual char
while (*car != fsa[Index].car){
if (fsa[Index].frere != (TYPEPTR)(~(0UL)))
Index=fsa[Index].frere;
else
return (TYPEPTR)(~(0UL));
}
if (*car != fsa[Index].car)
return ((TYPEPTR)(~(0UL)));
if (*(car+1)){
if (fsa[Index].fils != (TYPEPTR)(~(0UL)))
Index=fsa[Index].fils;
else
return (TYPEPTR)(~(0UL));
} else
if (fsa[Index].info != (TYPEPTR)(~(0UL)))
return fsa[Index].info;
car++;
}
return (TYPEPTR)(~(0UL));
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
void List(TYPEPTR Index,
char *Chaine,
int Rang,
FILE *Table)
{
Chaine[Rang] = fsa[Index].car;
if (fsa[Index].fils != (TYPEPTR)(~(0UL)))
List(fsa[Index].fils, Chaine, Rang+1, Table);
if (fsa[Index].frere != (TYPEPTR)(~(0UL)))
List(fsa[Index].frere, Chaine, Rang, Table);
if (fsa[Index].info != (TYPEPTR)(~(0UL))){
Chaine[Rang] = fsa[Index].car;
Chaine[Rang+1]=0;
fputs (Chaine, stdout);
putchar('\t');
PrintResults(fsa[Index].info, 0, Table);
putchar('\n');
}
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
int
SaveFSA(FILE *Fichier)
{
TYPEPTR Taille;
int NbrBytes;
// encodage des offsets (16 ou 32 bits)
NbrBytes=sizeof(TYPEPTR);
fwrite(&NbrBytes, sizeof(NbrBytes), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "%d bytes\n", NbrBytes);
#endif //DIFF
Taille=(TYPEPTR)~0UL;
fwrite(&Taille, sizeof(Taille), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Test %lX\n", Taille);
#endif //DIFF
// nombre d'offsets du fsa
nbreItem=0;
Taille=0;
LexiqueInit->SetIndexStaticFSA(Taille);
fwrite(&Taille, sizeof(Taille), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Size FSA %lX\n", Taille);
#endif //DIFF
if(Taille == (TYPEPTR)~0UL){
fputs ("*** Error: Lexicon too large\n", stderr);
fclose(Fichier);
return 0;
}
Taille=0;
LexiqueInit->SetIndexStaticInfo(Taille);
fwrite(&Taille, sizeof(Taille), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Size Info %lX\n", Taille);
#endif //DIFF
if(Taille == (TYPEPTR)~0UL){
fputs("*** Error: Data too large\n", stderr);
fclose(Fichier);
return 0;
}
#ifdef DIFF
fprintf(stdout, "---FSA---\n");
#endif //DIFF
LexiqueInit->PrintStaticFSA(Fichier);
#ifdef DIFF
fprintf(stdout, "---Info---\n");
#endif //DIFF
LexiqueInit->PrintStaticInfo(Fichier);
fputs("*** Writing Data\n", stderr);
fflush(Fichier);
// table
fflush(Fichier);
fwrite(&LexedInitial, sizeof(LexedInitial), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Initial: %lX\n", LexedInitial);
#endif //DIFF
return 1;
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
int
LoadFSA(FILE *Fichier){
TYPEPTR TailleFsa;
TYPEPTR TailleInfo;
int NbrBytes;
fputs("*** Loading Finite State Automata\n", stderr);
fread(&NbrBytes, sizeof(NbrBytes), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "%d bytes\n", NbrBytes);
#endif //DIFF
fread(&TailleFsa, sizeof(TailleFsa), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Test %lX\n", TailleFsa);
#endif //DIFF
if(NbrBytes!=(sizeof(TYPEPTR)) || (TailleFsa!=(TYPEPTR)~0UL)){
fputs("*** fatal error:\n*** lexicon not compiled with the good version of Lexed or on an incompatible system\n", stderr);
fclose (Fichier);
return 0;
}
fread(&TailleFsa, sizeof(TailleFsa), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Size FSA %lX\n", TailleFsa);
#endif //DIFF
fread(&TailleInfo, sizeof(TailleInfo), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Size Info %lX\n", TailleInfo);
#endif //DIFF
#ifdef DIFF
fprintf(stdout, "---FSA---\n");
#endif //DIFF
fsa = new Fsa[TailleFsa+1];
fread(fsa, sizeof(Fsa), TailleFsa, Fichier);
#ifdef DIFF
for(unsigned long int TailleSy=0;TailleSy<TailleFsa;TailleSy++){
fprintf(stdout, " so:%lX", fsa[TailleSy].fils);
fprintf(stdout, " br:%lX", fsa[TailleSy].frere);
fprintf(stdout, " in:%lX", fsa[TailleSy].info);
fprintf(stdout, " <%c>\n", fsa[TailleSy].car);
}
#endif //DIFF
#ifdef DIFF
fprintf(stdout, "---Info---\n");
#endif //DIFF
info = new InfoBuff [TailleInfo+1];
fread(info, sizeof(InfoBuff), TailleInfo, Fichier);
#ifdef DIFF
for(unsigned long int TailleSy=0;TailleSy<TailleInfo;TailleSy++){
fprintf(stdout, " su:%lX of:%lX\n", info[TailleSy].suivant, info[TailleSy].offset);
}
#endif //DIFF
fread(&LexedInitial, sizeof(LexedInitial), 1, Fichier);
#ifdef DIFF
fprintf(stdout, "Initial: %lX\n", LexedInitial);
#endif //DIFF
return 1;
}
////////////////////////////////////////////////////////////
// Calcule les offsets du tableau FSA
////////////////////////////////////////////////////////////
void Arbre::SetIndexStaticFSA(TYPEPTR &Index)
{
Arbre *LexiqueSy;
for (LexiqueSy=this;LexiqueSy!=NULL;LexiqueSy=LexiqueSy->frere){
LexiqueSy->adress = Index++;
if (LexiqueSy->fils)
LexiqueSy->fils->SetIndexStaticFSA(Index);
}
}
////////////////////////////////////////////////////////////
// écrit les enregistrements du FSA
// les offsets sont calculés sur 32 (vs 16) bits si long==1
////////////////////////////////////////////////////////////
void Arbre::PrintStaticFSA(FILE *Out)
{
Fsa Elt;
Arbre *LexiqueSy;
if (this==LexiqueInit){
LexedInitial=this->adress;
}
for (LexiqueSy=this;LexiqueSy;LexiqueSy=LexiqueSy->frere){
Elt.fils=(LexiqueSy->fils==NULL)?(TYPEPTR)~0UL:LexiqueSy->fils->adress;
Elt.frere=(LexiqueSy->frere==NULL)?(TYPEPTR)~0UL:LexiqueSy->frere->adress;
Elt.info=(LexiqueSy->info==NULL)?(TYPEPTR)~0UL:LexiqueSy->info->adress;
Elt.car=LexiqueSy->car;
fwrite(&Elt, sizeof(Elt), 1, Out);
#ifdef DIFF
fprintf(stdout, " so:%lX br:%lX in:%lX <%c>\n", Elt.fils, Elt.frere, Elt.info, Elt.car);
#endif //DIFF
LexiqueSy->fils->PrintStaticFSA(Out);
}
}
////////////////////////////////////////////////////////////
// Calcule les offsets du tableau info
////////////////////////////////////////////////////////////
void Arbre::SetIndexStaticInfo(TYPEPTR &Index)
{
Info *InfoSy;
Arbre *LexiqueSy;
for (LexiqueSy=this;LexiqueSy!=NULL;LexiqueSy=LexiqueSy->frere)
LexiqueSy->fils->SetIndexStaticInfo(Index);
for (LexiqueSy=this;LexiqueSy!=NULL;LexiqueSy=LexiqueSy->frere){
for (InfoSy=LexiqueSy->info;InfoSy!=NULL;InfoSy=InfoSy->GetSuivant()){
InfoSy->adress = Index++;
}
}
}
////////////////////////////////////////////////////////////
// écrit les enregistrement du tableau d'infos
// les offsets sont calculés sur 32 (vs 16) bits si long==1
////////////////////////////////////////////////////////////
void Arbre::PrintStaticInfo(FILE *Out){
Info *InfoSy;
Arbre *LexiqueSy;
InfoBuff Elt;
for (LexiqueSy=this;LexiqueSy!=NULL;LexiqueSy=LexiqueSy->frere)
LexiqueSy->fils->PrintStaticInfo(Out);
for (LexiqueSy=this;LexiqueSy!=NULL;LexiqueSy=LexiqueSy->frere){
for (InfoSy=LexiqueSy->info;InfoSy!=NULL;InfoSy=InfoSy->GetSuivant()){
Elt.suivant=(InfoSy->suivant!=NULL)?InfoSy->suivant->adress:(TYPEPTR)(~(0UL));
Elt.offset=InfoSy->offset;
fwrite(&Elt, sizeof(Elt), 1, Out);
#ifdef DIFF
fprintf(stdout, " su:%lX of:%lX\n", Elt.suivant, Elt.offset);
#endif //DIFF
}
}
}
////////////////////////////////////////////////////////////
// ajoute un mot dans l'arbre à lettres
////////////////////////////////////////////////////////////
void Arbre::Add(char *Chaine,
TYPEPTR Offset){
//Info *InfoSy;
if (!this->car){
this->car = Chaine[0];
if (!Chaine[1]){
if(this->info){
this->info = new Info(this->info, Offset);
}
else
this->info = new Info(NULL, Offset);
}
else{
if (!this->fils)
this->fils = new Arbre(NULL, NULL, NULL, Chaine[1]);
this->fils->Add((char *)Chaine+1, Offset);
}
}
else if (this->car == Chaine[0]){
if (!Chaine[1]){
if(this->info){
this->info = new Info(this->info, Offset);
}
else
this->info = new Info(NULL, Offset);
}
else{
if (!this->fils)
this->fils = new Arbre(NULL, NULL, NULL, Chaine[1]);
this->fils->Add((char *)Chaine+1, Offset);
}
}
else if (this->frere)
this->frere->Add(Chaine, Offset);
else{
this->frere = new Arbre(NULL, NULL, NULL, Chaine[0]);
this->frere->Add(Chaine, Offset);
}
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
int Build(int argn, char **argv, int pos, char* Directory, char* Prefix) {
FILE *Input;
FILE *FSA;
char InputFile[LEXEDMAXSTRING];
char TableFile[LEXEDMAXSTRING];
char FSAFile[LEXEDMAXSTRING];
char chaine [LEXEDMAXSTRING];
char graphie [LEXEDMAXSTRING];
char oldChaine [LEXEDMAXSTRING];
unsigned int i;
unsigned int rang;
TYPEPTR offset;
*InputFile=0;
offset = 0;
rang = 0;
// mode specific options
for (i = pos; argv[i]; i++) {
if (argv[i][0] == '-') {
} else {
strcpy (InputFile, argv[i]);
}
}
sprintf (TableFile, "%s/%s.tbl", Directory, Prefix);
Table = fopen (TableFile, "w");
if (!Table) {
fprintf (stderr, "Unable to open file %s for writing\n", TableFile);
exit (0);
}
if (*InputFile) {
fprintf(stderr, "*** Loading lexicon %s\n", InputFile);
Input = fopen (InputFile, "r");
if (!Input) {
fprintf (stderr, "Unable to open file %s for reading\n", InputFile);
exit (0);
}
} else {
fprintf(stderr, "*** Loading lexicon from stdin\n");
Input = stdin;
}
statbuf=(struct stat *)malloc(sizeof(struct stat));
stat(InputFile, statbuf);
nbreItemMax=statbuf->st_size;
free(statbuf);
if (Lexique == NULL) {
Lexique=new Arbre(NULL, NULL, NULL, '\0');
Lexique->fils=new Arbre(NULL, NULL, NULL, '\0');
LexiqueInit=Lexique;
Lexique=Lexique->fils;
}
while (fgets(chaine, LEXEDMAXSTRING, Input)) {
if (!*chaine) {
continue;
}
for (i = 0; i <= strlen(chaine) && (!strchr ("\t", chaine[i])); i++)
/* empty */;
chaine[strlen(chaine)-1] = 0;
strcpy (graphie, chaine);
if (i < strlen (chaine)) {
graphie[i]=0;
if (!strcmp(chaine+i+1, oldChaine)) {
Lexique->Add(graphie, offset);
} else {
// Adds one entry
offset = ftell(Table);
Lexique->Add(graphie, offset);
fprintf(Table, "%s%c", chaine+i+1, 0);
}
strcpy (oldChaine, chaine+i+1);
} else {
// the entry of one word without any information is the same as the previous:
// aaa info_of_aaa
// bbb
//
// bbb -> info_of_aaa
Lexique->Add(graphie, offset);
}
nbreItem+=strlen(chaine)+1;
if (!(rang++ % 1357)) {
fprintf (stderr, " %.0f%%\r", (100*(float)nbreItem)/(float)nbreItemMax);
}
}
if (*InputFile) {
fclose (Input);
}
fclose (Table);
sprintf (FSAFile, "%s/%s.fsa", Directory, Prefix);
//cerr << "*** type: " << sizeof(TYPEPTR)*8 << "\n";
fputs("*** Writing Finite State Automata\n", stderr);
FSA = fopen (FSAFile, "w");
if (FSA) {
SaveFSA(FSA);
fclose (FSA);
} else {
fprintf (stderr, "Unable to open file %s for writing\n", FSAFile);
exit (0);
}
return 0;
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
int Consult(int argn, char **argv, int pos, char* Directory, char* Prefix)
{
FILE *Input;
FILE *Table;
FILE *FSA;
char InputFile[LEXEDMAXSTRING];
char TableFile[LEXEDMAXSTRING];
char FSAFile[LEXEDMAXSTRING];
char chaine [LEXEDMAXSTRING];
int i;
bool Lists=false;
//char *buf;
int ok;
unsigned long int Taille;
TYPEPTR info;
*InputFile=0;
// mode specific options
for (i = pos; argv[i]; i++) {
fprintf(stderr, "###%s\n", argv[i]);
if (argv[i][0] == '-') {
if (!strcmp(argv[i]+1, "l")) {
Lists=true;
}
} else {
strcpy (InputFile, argv[i]);
}
}
sprintf (FSAFile, "%s/%s.fsa", Directory, Prefix);
FSA = fopen(FSAFile, "r");
if (!FSA) {
fprintf(stderr, "File %s not found\n", FSAFile);
exit (0);
} else {
if (!LoadFSA(FSA)) {
return 1;
}
fclose (FSA);
}
sprintf (TableFile, "%s/%s.tbl", Directory, Prefix);
Table = fopen (TableFile, "r");
if (!Table) {
fprintf(stderr, "File %s not found\n", TableFile);
exit (0);
} else {
fputs("*** Load buffer in memory\n", stderr);
statbuf = (struct stat *)malloc(sizeof(struct stat));
stat(TableFile, statbuf);
Taille = statbuf->st_size;
free(statbuf);
LexedBuffer = new char [Taille];
LexedBuffer[0] = 0;
ok = fread (LexedBuffer, 1, Taille, Table);
fclose (Table);
}
if (Lists) {
char *Chaine = (char *)malloc (5*1024*1024);
//strcpy(Chaine, " ");
strcpy(Chaine, "");
List(fsa[LexedInitial].fils, Chaine, 0, Table);
strcpy(Chaine, "");
free(Chaine);
return 0;
}
if ((*InputFile)) {
fprintf(stderr, "*** Seaching %s\n", InputFile);
Input = fopen (InputFile, "r");
if (!Input) {
fprintf (stderr, "Unable to open file %s for reading\n", InputFile);
exit (0);
}
} else {
fprintf(stderr, "*** Searching from stdin\n");
Input = stdin;
}
while (fgets (chaine, LEXEDMAXSTRING, Input)) {
//
chaine[strlen(chaine)-1]=0;
info = SearchStatic(LexedInitial, chaine);
PrintResults(info, 1, Table);
fflush(stdout);
}
if (*InputFile) {
fclose (Input);
}
return 0;
}
////////////////////////////////////////////////////////////
//
////////////////////////////////////////////////////////////
int main(int argn,
char **argv)
{
char Prefix[LEXEDMAXSTRING];
char Directory[LEXEDMAXSTRING];
if (argn > 1) {
// generic options
for (int i = 1; argv[i]; i++) {
if (argv[i][0] == '-') {
if (!strcmp(argv[i]+1, "p")) {
if ((i+1 >= argn) || argv[i+1][0] == '-') {
Usage();
} else {
strcpy (Prefix, argv[++i]);
}
} else if (!strcmp(argv[i]+1, "d")) {
if ((i+1 >= argn) || argv[i+1][0] == '-') {
Usage();
} else {
strcpy (Directory, argv[++i]);
}
} else if (!strcmp(argv[i]+1, "v") || !strcmp(argv[i]+1, "-version")) {
fprintf(stderr, "%s version %s\n", PACKAGE, VERSION);
exit(0);
} else if (!strcmp(argv[i]+1, "h") || !strcmp(argv[i]+1, "-help")) {
Usage();
} else {
Usage();
}
} else {
if (!strcmp(argv[i], "build")) {
return Build(argn, argv, i+1, Directory, Prefix);
} else if (!strcmp(argv[i], "consult")) {
return Consult(argn, argv, i+1, Directory, Prefix);
} else {
Usage();
}
}
}
} else {
Usage();
}
return 0;
}