lib/Phrase.php

   1 <?php
   2
   3 namespace Nominatim;
   4
   5 /**
   6  * Segment of a query string.
   7  *
   8  * The parts of a query strings are usually separated by commas.
   9  */
  10 class Phrase
  11 {
  12     const MAX_WORDSET_LEN = 20;
  13     const MAX_WORDSETS = 100;
  14
  15     // Complete phrase as a string.
  16     private $sPhrase;
  17     // Element type for structured searches.
  18     private $sPhraseType;
  19     // Space-separated words of the phrase.
  20     private $aWords;
  21     // Possible segmentations of the phrase.
  22     private $aWordSets;
  23
  24     public static function cmpByArraylen($aA, $aB)
  25     {
  26         $iALen = count($aA);
  27         $iBLen = count($aB);
  28
  29         if ($iALen == $iBLen) {
  30             return 0;
  31         }
  32
  33         return ($iALen < $iBLen) ? -1 : 1;
  34     }
  35
  36
  37     public function __construct($sPhrase, $sPhraseType)
  38     {
  39         $this->sPhrase = trim($sPhrase);
  40         $this->sPhraseType = $sPhraseType;
  41         $this->aWords = explode(' ', $this->sPhrase);
  42     }
  43
  44     /**
  45      * Return the element type of the phrase.
  46      *
  47      * @return string Pharse type if the phrase comes from a structured query
  48      *                or empty string otherwise.
  49      */
  50     public function getPhraseType()
  51     {
  52         return $this->sPhraseType;
  53     }
  54
  55     /**
  56      * Return the array of possible segmentations of the phrase.
  57      *
  58      * @return string[][] Array of segmentations, each consisting of an
  59      *                    array of terms.
  60      */
  61     public function getWordSets()
  62     {
  63         return $this->aWordSets;
  64     }
  65
  66     /**
  67      * Add the tokens from this phrase to the given list of tokens.
  68      *
  69      * @param string[] $aTokens List of tokens to append.
  70      *
  71      * @return void
  72      */
  73     public function addTokens(&$aTokens)
  74     {
  75         $iNumWords = count($this->aWords);
  76
  77         for ($i = 0; $i < $iNumWords; $i++) {
  78             $sPhrase = $this->aWords[$i];
  79             $aTokens[' '.$sPhrase] = ' '.$sPhrase;
  80             $aTokens[$sPhrase] = $sPhrase;
  81
  82             for ($j = $i + 1; $j < $iNumWords; $j++) {
  83                 $sPhrase .= ' '.$this->aWords[$j];
  84                 $aTokens[' '.$sPhrase] = ' '.$sPhrase;
  85                 $aTokens[$sPhrase] = $sPhrase;
  86             }
  87         }
  88     }
  89
  90     /**
  91      * Invert the set of possible segmentations.
  92      *
  93      * @return void
  94      */
  95     public function invertWordSets()
  96     {
  97         foreach ($this->aWordSets as $i => $aSet) {
  98             $this->aWordSets[$i] = array_reverse($aSet);
  99         }
 100     }
 101
 102     public function computeWordSets($oTokens)
 103     {
 104         $iNumWords = count($this->aWords);
 105         // Caches the word set for the partial phrase up to word i.
 106         $aSetCache = array_fill(0, $iNumWords, array());
 107
 108         // Initialise first element of cache. There can only be the word.
 109         if ($oTokens->containsAny($this->aWords[0])) {
 110             $aSetCache[0][] = array($this->aWords[0]);
 111         }
 112
 113         // Now do the next elements using what we already have.
 114         for ($i = 1; $i < $iNumWords; $i++) {
 115             for ($j = $i; $j > 0; $j--) {
 116                 $sPartial = $j == $i ? $this->aWords[$j] : $this->aWords[$j].' '.$sPartial;
 117                 if (!empty($aSetCache[$j - 1]) && $oTokens->containsAny($sPartial)) {
 118                     $aPartial = array($sPartial);
 119                     foreach ($aSetCache[$j - 1] as $aSet) {
 120                         if (count($aSet) < Phrase::MAX_WORDSET_LEN) {
 121                             $aSetCache[$i][] = array_merge($aSet, $aPartial);
 122                         }
 123                     }
 124                     if (count($aSetCache[$i]) > 2 * Phrase::MAX_WORDSETS) {
 125                         usort(
 126                             $aSetCache[$i],
 127                             array('\Nominatim\Phrase', 'cmpByArraylen')
 128                         );
 129                         $aSetCache[$i] = array_slice(
 130                             $aSetCache[$i],
 131                             0,
 132                             Phrase::MAX_WORDSETS
 133                         );
 134                     }
 135                 }
 136             }
 137
 138             // finally the current full phrase
 139             $sPartial = $this->aWords[0].' '.$sPartial;
 140             if ($oTokens->containsAny($sPartial)) {
 141                 $aSetCache[$i][] = array($sPartial);
 142             }
 143         }
 144
 145         $this->aWordSets = $aSetCache[$iNumWords - 1];
 146         usort($this->aWordSets, array('\Nominatim\Phrase', 'cmpByArraylen'));
 147         $this->aWordSets = array_slice($this->aWordSets, 0, Phrase::MAX_WORDSETS);
 148     }
 149
 150
 151     public function debugInfo()
 152     {
 153         return array(
 154                 'Type' => $this->sPhraseType,
 155                 'Phrase' => $this->sPhrase,
 156                 'Words' => $this->aWords,
 157                 'WordSets' => $this->aWordSets
 158                );
 159     }
 160 }