test/python/test_tokenizer_icu_rule_loader.py

   1 """
   2 Tests for converting a config file to ICU rules.
   3 """
   4 import pytest
   5 from textwrap import dedent
   6
   7 from nominatim.tokenizer.icu_rule_loader import ICURuleLoader
   8 from nominatim.errors import UsageError
   9
  10 from icu import Transliterator
  11
  12 @pytest.fixture
  13 def cfgfile(tmp_path, suffix='.yaml'):
  14     def _create_config(*variants, **kwargs):
  15         content = dedent("""\
  16         normalization:
  17             - ":: NFD ()"
  18             - "[[:Nonspacing Mark:] [:Cf:]] >"
  19             - ":: lower ()"
  20             - "[[:Punctuation:][:Space:]]+ > ' '"
  21             - ":: NFC ()"
  22         transliteration:
  23             - "::  Latin ()"
  24             - "[[:Punctuation:][:Space:]]+ > ' '"
  25         """)
  26         content += "variants:\n  - words:\n"
  27         content += '\n'.join(("      - " + s for s in variants)) + '\n'
  28         for k, v in kwargs:
  29             content += "    {}: {}\n".format(k, v)
  30         fpath = tmp_path / ('test_config' + suffix)
  31         fpath.write_text(dedent(content))
  32         return fpath
  33
  34     return _create_config
  35
  36
  37 def test_empty_rule_file(tmp_path):
  38     fpath = tmp_path / ('test_config.yaml')
  39     fpath.write_text(dedent("""\
  40         normalization:
  41         transliteration:
  42         variants:
  43         """))
  44
  45     rules = ICURuleLoader(fpath)
  46     assert rules.get_search_rules() == ''
  47     assert rules.get_normalization_rules() == ''
  48     assert rules.get_transliteration_rules() == ''
  49     assert list(rules.get_replacement_pairs()) == []
  50
  51 CONFIG_SECTIONS = ('normalization', 'transliteration', 'variants')
  52
  53 @pytest.mark.parametrize("section", CONFIG_SECTIONS)
  54 def test_missing_normalization(tmp_path, section):
  55     fpath = tmp_path / ('test_config.yaml')
  56     with fpath.open('w') as fd:
  57         for name in CONFIG_SECTIONS:
  58             if name != section:
  59                 fd.write(name + ':\n')
  60
  61     with pytest.raises(UsageError):
  62         ICURuleLoader(fpath)
  63
  64
  65 def test_get_search_rules(cfgfile):
  66     loader = ICURuleLoader(cfgfile())
  67
  68     rules = loader.get_search_rules()
  69     trans = Transliterator.createFromRules("test", rules)
  70
  71     assert trans.transliterate(" Baum straße ") == " baum straße "
  72     assert trans.transliterate(" Baumstraße ") == " baumstraße "
  73     assert trans.transliterate(" Baumstrasse ") == " baumstrasse "
  74     assert trans.transliterate(" Baumstr ") == " baumstr "
  75     assert trans.transliterate(" Baumwegstr ") == " baumwegstr "
  76     assert trans.transliterate(" Αθήνα ") == " athēna "
  77     assert trans.transliterate(" проспект ") == " prospekt "
  78
  79
  80 def test_get_normalization_rules(cfgfile):
  81     loader = ICURuleLoader(cfgfile())
  82     rules = loader.get_normalization_rules()
  83     trans = Transliterator.createFromRules("test", rules)
  84
  85     assert trans.transliterate(" проспект-Prospekt ") == " проспект prospekt "
  86
  87
  88 def test_get_transliteration_rules(cfgfile):
  89     loader = ICURuleLoader(cfgfile())
  90     rules = loader.get_transliteration_rules()
  91     trans = Transliterator.createFromRules("test", rules)
  92
  93     assert trans.transliterate(" проспект-Prospekt ") == " prospekt Prospekt "
  94
  95
  96 def test_transliteration_rules_from_file(tmp_path):
  97     cfgpath = tmp_path / ('test_config.yaml')
  98     cfgpath.write_text(dedent("""\
  99         normalization:
 100         transliteration:
 101             - "'ax' > 'b'"
 102             - !include transliteration.yaml
 103         variants:
 104         """))
 105     transpath = tmp_path / ('transliteration.yaml')
 106     transpath.write_text('- "x > y"')
 107
 108     loader = ICURuleLoader(cfgpath)
 109     rules = loader.get_transliteration_rules()
 110     trans = Transliterator.createFromRules("test", rules)
 111
 112     assert trans.transliterate(" axxt ") == " byt "
 113
 114
 115 class TestGetReplacements:
 116
 117     @pytest.fixture(autouse=True)
 118     def setup_cfg(self, cfgfile):
 119         self.cfgfile = cfgfile
 120
 121     def get_replacements(self, *variants):
 122         loader = ICURuleLoader(self.cfgfile(*variants))
 123         rules = loader.get_replacement_pairs()
 124
 125         return set((v.source, v.replacement) for v in rules)
 126
 127
 128     @pytest.mark.parametrize("variant", ['foo > bar', 'foo -> bar -> bar',
 129                                          '~foo~ -> bar', 'fo~ o -> bar'])
 130     def test_invalid_variant_description(self, variant):
 131         with pytest.raises(UsageError):
 132             ICURuleLoader(self.cfgfile(variant))
 133
 134     def test_add_full(self):
 135         repl = self.get_replacements("foo -> bar")
 136
 137         assert repl == {(' foo ', ' bar '), (' foo ', ' foo ')}
 138
 139
 140     def test_replace_full(self):
 141         repl = self.get_replacements("foo => bar")
 142
 143         assert repl == {(' foo ', ' bar ')}
 144
 145
 146     def test_add_suffix_no_decompose(self):
 147         repl = self.get_replacements("~berg |-> bg")
 148
 149         assert repl == {('berg ', 'berg '), ('berg ', 'bg '),
 150                         (' berg ', ' berg '), (' berg ', ' bg ')}
 151
 152
 153     def test_replace_suffix_no_decompose(self):
 154         repl = self.get_replacements("~berg |=> bg")
 155
 156         assert repl == {('berg ', 'bg '), (' berg ', ' bg ')}
 157
 158
 159     def test_add_suffix_decompose(self):
 160         repl = self.get_replacements("~berg -> bg")
 161
 162         assert repl == {('berg ', 'berg '), ('berg ', ' berg '),
 163                         (' berg ', ' berg '), (' berg ', 'berg '),
 164                         ('berg ', 'bg '), ('berg ', ' bg '),
 165                         (' berg ', 'bg '), (' berg ', ' bg ')}
 166
 167
 168     def test_replace_suffix_decompose(self):
 169         repl = self.get_replacements("~berg => bg")
 170
 171         assert repl == {('berg ', 'bg '), ('berg ', ' bg '),
 172                         (' berg ', 'bg '), (' berg ', ' bg ')}
 173
 174
 175     def test_add_prefix_no_compose(self):
 176         repl = self.get_replacements("hinter~ |-> hnt")
 177
 178         assert repl == {(' hinter', ' hinter'), (' hinter ', ' hinter '),
 179                         (' hinter', ' hnt'), (' hinter ', ' hnt ')}
 180
 181
 182     def test_replace_prefix_no_compose(self):
 183         repl = self.get_replacements("hinter~ |=> hnt")
 184
 185         assert repl ==  {(' hinter', ' hnt'), (' hinter ', ' hnt ')}
 186
 187
 188     def test_add_prefix_compose(self):
 189         repl = self.get_replacements("hinter~-> h")
 190
 191         assert repl == {(' hinter', ' hinter'), (' hinter', ' hinter '),
 192                         (' hinter', ' h'), (' hinter', ' h '),
 193                         (' hinter ', ' hinter '), (' hinter ', ' hinter'),
 194                         (' hinter ', ' h '), (' hinter ', ' h')}
 195
 196
 197     def test_replace_prefix_compose(self):
 198         repl = self.get_replacements("hinter~=> h")
 199
 200         assert repl == {(' hinter', ' h'), (' hinter', ' h '),
 201                         (' hinter ', ' h '), (' hinter ', ' h')}
 202
 203
 204     def test_add_beginning_only(self):
 205         repl = self.get_replacements("^Premier -> Pr")
 206
 207         assert repl == {('^ premier ', '^ premier '), ('^ premier ', '^ pr ')}
 208
 209
 210     def test_replace_beginning_only(self):
 211         repl = self.get_replacements("^Premier => Pr")
 212
 213         assert repl == {('^ premier ', '^ pr ')}
 214
 215
 216     def test_add_final_only(self):
 217         repl = self.get_replacements("road$ -> rd")
 218
 219         assert repl == {(' road ^', ' road ^'), (' road ^', ' rd ^')}
 220
 221
 222     def test_replace_final_only(self):
 223         repl = self.get_replacements("road$ => rd")
 224
 225         assert repl == {(' road ^', ' rd ^')}
 226
 227
 228     def test_decompose_only(self):
 229         repl = self.get_replacements("~foo -> foo")
 230
 231         assert repl == {('foo ', 'foo '), ('foo ', ' foo '),
 232                         (' foo ', 'foo '), (' foo ', ' foo ')}
 233
 234
 235     def test_add_suffix_decompose_end_only(self):
 236         repl = self.get_replacements("~berg |-> bg", "~berg$ -> bg")
 237
 238         assert repl == {('berg ', 'berg '), ('berg ', 'bg '),
 239                         (' berg ', ' berg '), (' berg ', ' bg '),
 240                         ('berg ^', 'berg ^'), ('berg ^', ' berg ^'),
 241                         ('berg ^', 'bg ^'), ('berg ^', ' bg ^'),
 242                         (' berg ^', 'berg ^'), (' berg ^', 'bg ^'),
 243                         (' berg ^', ' berg ^'), (' berg ^', ' bg ^')}
 244
 245
 246     def test_replace_suffix_decompose_end_only(self):
 247         repl = self.get_replacements("~berg |=> bg", "~berg$ => bg")
 248
 249         assert repl == {('berg ', 'bg '), (' berg ', ' bg '),
 250                         ('berg ^', 'bg ^'), ('berg ^', ' bg ^'),
 251                         (' berg ^', 'bg ^'), (' berg ^', ' bg ^')}
 252
 253
 254     def test_add_multiple_suffix(self):
 255         repl = self.get_replacements("~berg,~burg -> bg")
 256
 257         assert repl == {('berg ', 'berg '), ('berg ', ' berg '),
 258                         (' berg ', ' berg '), (' berg ', 'berg '),
 259                         ('berg ', 'bg '), ('berg ', ' bg '),
 260                         (' berg ', 'bg '), (' berg ', ' bg '),
 261                         ('burg ', 'burg '), ('burg ', ' burg '),
 262                         (' burg ', ' burg '), (' burg ', 'burg '),
 263                         ('burg ', 'bg '), ('burg ', ' bg '),
 264                         (' burg ', 'bg '), (' burg ', ' bg ')}