src/nominatim_db/tokenizer/icu_tokenizer.py

   1 # SPDX-License-Identifier: GPL-3.0-or-later
   2 #
   3 # This file is part of Nominatim. (https://nominatim.org)
   4 #
   5 # Copyright (C) 2024 by the Nominatim developer community.
   6 # For a full list of authors see the git log.
   7 """
   8 Tokenizer implementing normalisation as used before Nominatim 4 but using
   9 libICU instead of the PostgreSQL module.
  10 """
  11 from typing import Optional, Sequence, List, Tuple, Mapping, Any, cast, \
  12                    Dict, Set, Iterable
  13 import itertools
  14 import logging
  15 from pathlib import Path
  16
  17 from psycopg.types.json import Jsonb
  18 from psycopg import sql as pysql
  19
  20 from ..db.connection import connect, Connection, Cursor, \
  21                             drop_tables, table_exists, execute_scalar
  22 from ..config import Configuration
  23 from ..db.sql_preprocessor import SQLPreprocessor
  24 from ..data.place_info import PlaceInfo
  25 from ..data.place_name import PlaceName
  26 from .icu_rule_loader import ICURuleLoader
  27 from .place_sanitizer import PlaceSanitizer
  28 from .icu_token_analysis import ICUTokenAnalysis
  29 from .base import AbstractAnalyzer, AbstractTokenizer
  30
  31 DBCFG_TERM_NORMALIZATION = "tokenizer_term_normalization"
  32
  33 LOG = logging.getLogger()
  34
  35 WORD_TYPES = (('country_names', 'C'),
  36               ('postcodes', 'P'),
  37               ('full_word', 'W'),
  38               ('housenumbers', 'H'))
  39
  40
  41 def create(dsn: str, data_dir: Path) -> 'ICUTokenizer':
  42     """ Create a new instance of the tokenizer provided by this module.
  43     """
  44     return ICUTokenizer(dsn, data_dir)
  45
  46
  47 class ICUTokenizer(AbstractTokenizer):
  48     """ This tokenizer uses libICU to convert names and queries to ASCII.
  49         Otherwise it uses the same algorithms and data structures as the
  50         normalization routines in Nominatim 3.
  51     """
  52
  53     def __init__(self, dsn: str, data_dir: Path) -> None:
  54         self.dsn = dsn
  55         self.data_dir = data_dir
  56         self.loader: Optional[ICURuleLoader] = None
  57
  58     def init_new_db(self, config: Configuration, init_db: bool = True) -> None:
  59         """ Set up a new tokenizer for the database.
  60
  61             This copies all necessary data in the project directory to make
  62             sure the tokenizer remains stable even over updates.
  63         """
  64         self.loader = ICURuleLoader(config)
  65
  66         self._save_config()
  67
  68         if init_db:
  69             self.update_sql_functions(config)
  70             self._setup_db_tables(config)
  71             self._create_base_indices(config, 'word')
  72
  73     def init_from_project(self, config: Configuration) -> None:
  74         """ Initialise the tokenizer from the project directory.
  75         """
  76         self.loader = ICURuleLoader(config)
  77
  78         with connect(self.dsn) as conn:
  79             self.loader.load_config_from_db(conn)
  80
  81     def finalize_import(self, config: Configuration) -> None:
  82         """ Do any required postprocessing to make the tokenizer data ready
  83             for use.
  84         """
  85         self._create_lookup_indices(config, 'word')
  86
  87     def update_sql_functions(self, config: Configuration) -> None:
  88         """ Reimport the SQL functions for this tokenizer.
  89         """
  90         with connect(self.dsn) as conn:
  91             sqlp = SQLPreprocessor(conn, config)
  92             sqlp.run_sql_file(conn, 'tokenizer/icu_tokenizer.sql')
  93
  94     def check_database(self, config: Configuration) -> None:
  95         """ Check that the tokenizer is set up correctly.
  96         """
  97         # Will throw an error if there is an issue.
  98         self.init_from_project(config)
  99
 100     def update_statistics(self, config: Configuration, threads: int = 2) -> None:
 101         """ Recompute frequencies for all name words.
 102         """
 103         with connect(self.dsn) as conn:
 104             if not table_exists(conn, 'search_name'):
 105                 return
 106
 107             with conn.cursor() as cur:
 108                 cur.execute('ANALYSE search_name')
 109                 if threads > 1:
 110                     cur.execute(pysql.SQL('SET max_parallel_workers_per_gather TO {}')
 111                                      .format(pysql.Literal(min(threads, 6),)))
 112
 113                 LOG.info('Computing word frequencies')
 114                 drop_tables(conn, 'word_frequencies')
 115                 cur.execute("""
 116                   CREATE TEMP TABLE word_frequencies AS
 117                   WITH word_freq AS MATERIALIZED (
 118                            SELECT unnest(name_vector) as id, count(*)
 119                                  FROM search_name GROUP BY id),
 120                        addr_freq AS MATERIALIZED (
 121                            SELECT unnest(nameaddress_vector) as id, count(*)
 122                                  FROM search_name GROUP BY id)
 123                   SELECT coalesce(a.id, w.id) as id,
 124                          (CASE WHEN w.count is null or w.count <= 1 THEN '{}'::JSONB
 125                               ELSE jsonb_build_object('count', w.count) END
 126                           ||
 127                           CASE WHEN a.count is null or a.count <= 1 THEN '{}'::JSONB
 128                               ELSE jsonb_build_object('addr_count', a.count) END) as info
 129                   FROM word_freq w FULL JOIN addr_freq a ON a.id = w.id;
 130                   """)
 131                 cur.execute('CREATE UNIQUE INDEX ON word_frequencies(id) INCLUDE(info)')
 132                 cur.execute('ANALYSE word_frequencies')
 133                 LOG.info('Update word table with recomputed frequencies')
 134                 drop_tables(conn, 'tmp_word')
 135                 cur.execute("""CREATE TABLE tmp_word AS
 136                                 SELECT word_id, word_token, type, word,
 137                                        coalesce(word.info, '{}'::jsonb)
 138                                        - 'count' - 'addr_count' ||
 139                                        coalesce(wf.info, '{}'::jsonb)
 140                                        as info
 141                                 FROM word LEFT JOIN word_frequencies wf
 142                                      ON word.word_id = wf.id
 143                             """)
 144                 drop_tables(conn, 'word_frequencies')
 145
 146             with conn.cursor() as cur:
 147                 cur.execute('SET max_parallel_workers_per_gather TO 0')
 148
 149             sqlp = SQLPreprocessor(conn, config)
 150             sqlp.run_string(conn,
 151                             'GRANT SELECT ON tmp_word TO "{{config.DATABASE_WEBUSER}}"')
 152             conn.commit()
 153         self._create_base_indices(config, 'tmp_word')
 154         self._create_lookup_indices(config, 'tmp_word')
 155         self._move_temporary_word_table('tmp_word')
 156
 157     def _cleanup_housenumbers(self) -> None:
 158         """ Remove unused house numbers.
 159         """
 160         with connect(self.dsn) as conn:
 161             if not table_exists(conn, 'search_name'):
 162                 return
 163             with conn.cursor(name="hnr_counter") as cur:
 164                 cur.execute("""SELECT DISTINCT word_id, coalesce(info->>'lookup', word_token)
 165                                FROM word
 166                                WHERE type = 'H'
 167                                  AND NOT EXISTS(SELECT * FROM search_name
 168                                                 WHERE ARRAY[word.word_id] && name_vector)
 169                                  AND (char_length(coalesce(word, word_token)) > 6
 170                                       OR coalesce(word, word_token) not similar to '\\d+')
 171                             """)
 172                 candidates = {token: wid for wid, token in cur}
 173             with conn.cursor(name="hnr_counter") as cur:
 174                 cur.execute("""SELECT housenumber FROM placex
 175                                WHERE housenumber is not null
 176                                      AND (char_length(housenumber) > 6
 177                                           OR housenumber not similar to '\\d+')
 178                             """)
 179                 for row in cur:
 180                     for hnr in row[0].split(';'):
 181                         candidates.pop(hnr, None)
 182             LOG.info("There are %s outdated housenumbers.", len(candidates))
 183             LOG.debug("Outdated housenumbers: %s", candidates.keys())
 184             if candidates:
 185                 with conn.cursor() as cur:
 186                     cur.execute("""DELETE FROM word WHERE word_id = any(%s)""",
 187                                 (list(candidates.values()), ))
 188                 conn.commit()
 189
 190     def update_word_tokens(self) -> None:
 191         """ Remove unused tokens.
 192         """
 193         LOG.warning("Cleaning up housenumber tokens.")
 194         self._cleanup_housenumbers()
 195         LOG.warning("Tokenizer house-keeping done.")
 196
 197     def name_analyzer(self) -> 'ICUNameAnalyzer':
 198         """ Create a new analyzer for tokenizing names and queries
 199             using this tokinzer. Analyzers are context managers and should
 200             be used accordingly:
 201
 202             ```
 203             with tokenizer.name_analyzer() as analyzer:
 204                 analyser.tokenize()
 205             ```
 206
 207             When used outside the with construct, the caller must ensure to
 208             call the close() function before destructing the analyzer.
 209
 210             Analyzers are not thread-safe. You need to instantiate one per thread.
 211         """
 212         assert self.loader is not None
 213         return ICUNameAnalyzer(self.dsn, self.loader.make_sanitizer(),
 214                                self.loader.make_token_analysis())
 215
 216     def most_frequent_words(self, conn: Connection, num: int) -> List[str]:
 217         """ Return a list of the `num` most frequent full words
 218             in the database.
 219         """
 220         with conn.cursor() as cur:
 221             cur.execute("""SELECT word, sum((info->>'count')::int) as count
 222                              FROM word WHERE type = 'W'
 223                              GROUP BY word
 224                              ORDER BY count DESC LIMIT %s""", (num,))
 225             return list(s[0].split('@')[0] for s in cur)
 226
 227     def _save_config(self) -> None:
 228         """ Save the configuration that needs to remain stable for the given
 229             database as database properties.
 230         """
 231         assert self.loader is not None
 232         with connect(self.dsn) as conn:
 233             self.loader.save_config_to_db(conn)
 234
 235     def _setup_db_tables(self, config: Configuration) -> None:
 236         """ Set up the word table and fill it with pre-computed word
 237             frequencies.
 238         """
 239         with connect(self.dsn) as conn:
 240             drop_tables(conn, 'word')
 241             sqlp = SQLPreprocessor(conn, config)
 242             sqlp.run_string(conn, """
 243                 CREATE TABLE word (
 244                       word_id INTEGER,
 245                       word_token text NOT NULL,
 246                       type text NOT NULL,
 247                       word text,
 248                       info jsonb
 249                     ) {{db.tablespace.search_data}};
 250                 GRANT SELECT ON word TO "{{config.DATABASE_WEBUSER}}";
 251
 252                 DROP SEQUENCE IF EXISTS seq_word;
 253                 CREATE SEQUENCE seq_word start 1;
 254                 GRANT SELECT ON seq_word to "{{config.DATABASE_WEBUSER}}";
 255             """)
 256             conn.commit()
 257
 258     def _create_base_indices(self, config: Configuration, table_name: str) -> None:
 259         """ Set up the word table and fill it with pre-computed word
 260             frequencies.
 261         """
 262         with connect(self.dsn) as conn:
 263             sqlp = SQLPreprocessor(conn, config)
 264             sqlp.run_string(conn,
 265                             """CREATE INDEX idx_{{table_name}}_word_token ON {{table_name}}
 266                                USING BTREE (word_token) {{db.tablespace.search_index}}""",
 267                             table_name=table_name)
 268             for name, ctype in WORD_TYPES:
 269                 sqlp.run_string(conn,
 270                                 """CREATE INDEX idx_{{table_name}}_{{idx_name}} ON {{table_name}}
 271                                    USING BTREE (word) {{db.tablespace.address_index}}
 272                                    WHERE type = '{{column_type}}'
 273                                 """,
 274                                 table_name=table_name, idx_name=name,
 275                                 column_type=ctype)
 276             conn.commit()
 277
 278     def _create_lookup_indices(self, config: Configuration, table_name: str) -> None:
 279         """ Create additional indexes used when running the API.
 280         """
 281         with connect(self.dsn) as conn:
 282             sqlp = SQLPreprocessor(conn, config)
 283             # Index required for details lookup.
 284             sqlp.run_string(
 285                 conn,
 286                 """
 287                 CREATE INDEX IF NOT EXISTS idx_{{table_name}}_word_id
 288                   ON {{table_name}} USING BTREE (word_id) {{db.tablespace.search_index}}
 289                 """,
 290                 table_name=table_name)
 291             conn.commit()
 292
 293     def _move_temporary_word_table(self, old: str) -> None:
 294         """ Rename all tables and indexes used by the tokenizer.
 295         """
 296         with connect(self.dsn) as conn:
 297             drop_tables(conn, 'word')
 298             with conn.cursor() as cur:
 299                 cur.execute(f"ALTER TABLE {old} RENAME TO word")
 300                 for idx in ('word_token', 'word_id'):
 301                     cur.execute(f"""ALTER INDEX idx_{old}_{idx}
 302                                       RENAME TO idx_word_{idx}""")
 303                 for name, _ in WORD_TYPES:
 304                     cur.execute(f"""ALTER INDEX idx_{old}_{name}
 305                                     RENAME TO idx_word_{name}""")
 306             conn.commit()
 307
 308
 309 class ICUNameAnalyzer(AbstractAnalyzer):
 310     """ The ICU analyzer uses the ICU library for splitting names.
 311
 312         Each instance opens a connection to the database to request the
 313         normalization.
 314     """
 315
 316     def __init__(self, dsn: str, sanitizer: PlaceSanitizer,
 317                  token_analysis: ICUTokenAnalysis) -> None:
 318         self.conn: Optional[Connection] = connect(dsn)
 319         self.conn.autocommit = True
 320         self.sanitizer = sanitizer
 321         self.token_analysis = token_analysis
 322
 323         self._cache = _TokenCache()
 324
 325     def close(self) -> None:
 326         """ Free all resources used by the analyzer.
 327         """
 328         if self.conn:
 329             self.conn.close()
 330             self.conn = None
 331
 332     def _search_normalized(self, name: str) -> str:
 333         """ Return the search token transliteration of the given name.
 334         """
 335         return cast(str, self.token_analysis.search.transliterate(name)).strip()
 336
 337     def _normalized(self, name: str) -> str:
 338         """ Return the normalized version of the given name with all
 339             non-relevant information removed.
 340         """
 341         return cast(str, self.token_analysis.normalizer.transliterate(name)).strip()
 342
 343     def get_word_token_info(self, words: Sequence[str]) -> List[Tuple[str, str, int]]:
 344         """ Return token information for the given list of words.
 345             If a word starts with # it is assumed to be a full name
 346             otherwise is a partial name.
 347
 348             The function returns a list of tuples with
 349             (original word, word token, word id).
 350
 351             The function is used for testing and debugging only
 352             and not necessarily efficient.
 353         """
 354         assert self.conn is not None
 355         full_tokens = {}
 356         partial_tokens = {}
 357         for word in words:
 358             if word.startswith('#'):
 359                 full_tokens[word] = self._search_normalized(word[1:])
 360             else:
 361                 partial_tokens[word] = self._search_normalized(word)
 362
 363         with self.conn.cursor() as cur:
 364             cur.execute("""SELECT word_token, word_id
 365                             FROM word WHERE word_token = ANY(%s) and type = 'W'
 366                         """, (list(full_tokens.values()),))
 367             full_ids = {r[0]: r[1] for r in cur}
 368             cur.execute("""SELECT word_token, word_id
 369                             FROM word WHERE word_token = ANY(%s) and type = 'w'""",
 370                         (list(partial_tokens.values()),))
 371             part_ids = {r[0]: r[1] for r in cur}
 372
 373         return [(k, v, full_ids.get(v, None)) for k, v in full_tokens.items()] \
 374             + [(k, v, part_ids.get(v, None)) for k, v in partial_tokens.items()]
 375
 376     def normalize_postcode(self, postcode: str) -> str:
 377         """ Convert the postcode to a standardized form.
 378
 379             This function must yield exactly the same result as the SQL function
 380             'token_normalized_postcode()'.
 381         """
 382         return postcode.strip().upper()
 383
 384     def update_postcodes_from_db(self) -> None:
 385         """ Postcode update.
 386
 387             Removes all postcodes from the word table because they are not
 388             needed. Postcodes are recognised by pattern.
 389         """
 390         assert self.conn is not None
 391
 392         with self.conn.cursor() as cur:
 393             cur.execute("DELETE FROM word WHERE type = 'P'")
 394
 395     def update_special_phrases(self, phrases: Iterable[Tuple[str, str, str, str]],
 396                                should_replace: bool) -> None:
 397         """ Replace the search index for special phrases with the new phrases.
 398             If `should_replace` is True, then the previous set of will be
 399             completely replaced. Otherwise the phrases are added to the
 400             already existing ones.
 401         """
 402         assert self.conn is not None
 403         norm_phrases = set(((self._normalized(p[0]), p[1], p[2], p[3])
 404                             for p in phrases))
 405
 406         with self.conn.cursor() as cur:
 407             # Get the old phrases.
 408             existing_phrases = set()
 409             cur.execute("SELECT word, info FROM word WHERE type = 'S'")
 410             for word, info in cur:
 411                 existing_phrases.add((word, info['class'], info['type'],
 412                                       info.get('op') or '-'))
 413
 414             added = self._add_special_phrases(cur, norm_phrases, existing_phrases)
 415             if should_replace:
 416                 deleted = self._remove_special_phrases(cur, norm_phrases,
 417                                                        existing_phrases)
 418             else:
 419                 deleted = 0
 420
 421         LOG.info("Total phrases: %s. Added: %s. Deleted: %s",
 422                  len(norm_phrases), added, deleted)
 423
 424     def _add_special_phrases(self, cursor: Cursor,
 425                              new_phrases: Set[Tuple[str, str, str, str]],
 426                              existing_phrases: Set[Tuple[str, str, str, str]]) -> int:
 427         """ Add all phrases to the database that are not yet there.
 428         """
 429         to_add = new_phrases - existing_phrases
 430
 431         added = 0
 432         with cursor.copy('COPY word(word_token, type, word, info) FROM STDIN') as copy:
 433             for word, cls, typ, oper in to_add:
 434                 term = self._search_normalized(word)
 435                 if term:
 436                     copy.write_row((term, 'S', word,
 437                                     Jsonb({'class': cls, 'type': typ,
 438                                            'op': oper if oper in ('in', 'near') else None})))
 439                     added += 1
 440
 441         return added
 442
 443     def _remove_special_phrases(self, cursor: Cursor,
 444                                 new_phrases: Set[Tuple[str, str, str, str]],
 445                                 existing_phrases: Set[Tuple[str, str, str, str]]) -> int:
 446         """ Remove all phrases from the database that are no longer in the
 447             new phrase list.
 448         """
 449         to_delete = existing_phrases - new_phrases
 450
 451         if to_delete:
 452             cursor.executemany(
 453                 """ DELETE FROM word
 454                       WHERE type = 'S' and word = %s
 455                             and info->>'class' = %s and info->>'type' = %s
 456                             and %s = coalesce(info->>'op', '-')
 457                 """, to_delete)
 458
 459         return len(to_delete)
 460
 461     def add_country_names(self, country_code: str, names: Mapping[str, str]) -> None:
 462         """ Add default names for the given country to the search index.
 463         """
 464         # Make sure any name preprocessing for country names applies.
 465         info = PlaceInfo({'name': names, 'country_code': country_code,
 466                           'rank_address': 4, 'class': 'boundary',
 467                           'type': 'administrative'})
 468         self._add_country_full_names(country_code,
 469                                      self.sanitizer.process_names(info)[0],
 470                                      internal=True)
 471
 472     def _add_country_full_names(self, country_code: str, names: Sequence[PlaceName],
 473                                 internal: bool = False) -> None:
 474         """ Add names for the given country from an already sanitized
 475             name list.
 476         """
 477         assert self.conn is not None
 478         word_tokens = set()
 479         for name in names:
 480             norm_name = self._search_normalized(name.name)
 481             if norm_name:
 482                 word_tokens.add(norm_name)
 483
 484         with self.conn.cursor() as cur:
 485             # Get existing names
 486             cur.execute("""SELECT word_token, coalesce(info ? 'internal', false) as is_internal
 487                              FROM word
 488                              WHERE type = 'C' and word = %s""",
 489                         (country_code, ))
 490             # internal/external names
 491             existing_tokens: Dict[bool, Set[str]] = {True: set(), False: set()}
 492             for word in cur:
 493                 existing_tokens[word[1]].add(word[0])
 494
 495             # Delete names that no longer exist.
 496             gone_tokens = existing_tokens[internal] - word_tokens
 497             if internal:
 498                 gone_tokens.update(existing_tokens[False] & word_tokens)
 499             if gone_tokens:
 500                 cur.execute("""DELETE FROM word
 501                                USING unnest(%s::text[]) as token
 502                                WHERE type = 'C' and word = %s
 503                                      and word_token = token""",
 504                             (list(gone_tokens), country_code))
 505
 506             # Only add those names that are not yet in the list.
 507             new_tokens = word_tokens - existing_tokens[True]
 508             if not internal:
 509                 new_tokens -= existing_tokens[False]
 510             if new_tokens:
 511                 if internal:
 512                     sql = """INSERT INTO word (word_token, type, word, info)
 513                                (SELECT token, 'C', %s, '{"internal": "yes"}'
 514                                   FROM unnest(%s::text[]) as token)
 515                            """
 516                 else:
 517                     sql = """INSERT INTO word (word_token, type, word)
 518                                    (SELECT token, 'C', %s
 519                                     FROM unnest(%s::text[]) as token)
 520                           """
 521                 cur.execute(sql, (country_code, list(new_tokens)))
 522
 523     def process_place(self, place: PlaceInfo) -> Mapping[str, Any]:
 524         """ Determine tokenizer information about the given place.
 525
 526             Returns a JSON-serializable structure that will be handed into
 527             the database via the token_info field.
 528         """
 529         token_info = _TokenInfo()
 530
 531         names, address = self.sanitizer.process_names(place)
 532
 533         if names:
 534             token_info.set_names(*self._compute_name_tokens(names))
 535
 536             if place.is_country():
 537                 assert place.country_code is not None
 538                 self._add_country_full_names(place.country_code, names)
 539
 540         if address:
 541             self._process_place_address(token_info, address)
 542
 543         return token_info.to_dict()
 544
 545     def _process_place_address(self, token_info: '_TokenInfo',
 546                                address: Sequence[PlaceName]) -> None:
 547         for item in address:
 548             if item.kind == 'postcode':
 549                 token_info.set_postcode(self._add_postcode(item))
 550             elif item.kind == 'housenumber':
 551                 token_info.add_housenumber(*self._compute_housenumber_token(item))
 552             elif item.kind == 'street':
 553                 token_info.add_street(self._retrieve_full_tokens(item.name))
 554             elif item.kind == 'place':
 555                 if not item.suffix:
 556                     token_info.add_place(itertools.chain(*self._compute_name_tokens([item])))
 557             elif (not item.kind.startswith('_') and not item.suffix and
 558                   item.kind not in ('country', 'full', 'inclusion')):
 559                 token_info.add_address_term(item.kind,
 560                                             itertools.chain(*self._compute_name_tokens([item])))
 561
 562     def _compute_housenumber_token(self, hnr: PlaceName) -> Tuple[Optional[int], Optional[str]]:
 563         """ Normalize the housenumber and return the word token and the
 564             canonical form.
 565         """
 566         assert self.conn is not None
 567         analyzer = self.token_analysis.analysis.get('@housenumber')
 568         result: Tuple[Optional[int], Optional[str]] = (None, None)
 569
 570         if analyzer is None:
 571             # When no custom analyzer is set, simply normalize and transliterate
 572             norm_name = self._search_normalized(hnr.name)
 573             if norm_name:
 574                 result = self._cache.housenumbers.get(norm_name, result)
 575                 if result[0] is None:
 576                     hid = execute_scalar(self.conn, "SELECT getorcreate_hnr_id(%s)", (norm_name, ))
 577
 578                     result = hid, norm_name
 579                     self._cache.housenumbers[norm_name] = result
 580         else:
 581             # Otherwise use the analyzer to determine the canonical name.
 582             # Per convention we use the first variant as the 'lookup name', the
 583             # name that gets saved in the housenumber field of the place.
 584             word_id = analyzer.get_canonical_id(hnr)
 585             if word_id:
 586                 result = self._cache.housenumbers.get(word_id, result)
 587                 if result[0] is None:
 588                     varout = analyzer.compute_variants(word_id)
 589                     if isinstance(varout, tuple):
 590                         variants = varout[0]
 591                     else:
 592                         variants = varout
 593                     if variants:
 594                         hid = execute_scalar(self.conn, "SELECT create_analyzed_hnr_id(%s, %s)",
 595                                              (word_id, variants))
 596                         result = hid, variants[0]
 597                         self._cache.housenumbers[word_id] = result
 598
 599         return result
 600
 601     def _retrieve_full_tokens(self, name: str) -> List[int]:
 602         """ Get the full name token for the given name, if it exists.
 603             The name is only retrieved for the standard analyser.
 604         """
 605         assert self.conn is not None
 606         norm_name = self._search_normalized(name)
 607
 608         # return cached if possible
 609         if norm_name in self._cache.fulls:
 610             return self._cache.fulls[norm_name]
 611
 612         with self.conn.cursor() as cur:
 613             cur.execute("SELECT word_id FROM word WHERE word_token = %s and type = 'W'",
 614                         (norm_name, ))
 615             full = [row[0] for row in cur]
 616
 617         self._cache.fulls[norm_name] = full
 618
 619         return full
 620
 621     def _compute_name_tokens(self, names: Sequence[PlaceName]) -> Tuple[Set[int], Set[int]]:
 622         """ Computes the full name and partial name tokens for the given
 623             dictionary of names.
 624         """
 625         assert self.conn is not None
 626         full_tokens: Set[int] = set()
 627         partial_tokens: Set[int] = set()
 628
 629         for name in names:
 630             analyzer_id = name.get_attr('analyzer')
 631             analyzer = self.token_analysis.get_analyzer(analyzer_id)
 632             word_id = analyzer.get_canonical_id(name)
 633             if analyzer_id is None:
 634                 token_id = word_id
 635             else:
 636                 token_id = f'{word_id}@{analyzer_id}'
 637
 638             full, part = self._cache.names.get(token_id, (None, None))
 639             if full is None:
 640                 varset = analyzer.compute_variants(word_id)
 641                 if isinstance(varset, tuple):
 642                     variants, lookups = varset
 643                 else:
 644                     variants, lookups = varset, None
 645                 if not variants:
 646                     continue
 647
 648                 with self.conn.cursor() as cur:
 649                     cur.execute("SELECT * FROM getorcreate_full_word(%s, %s, %s)",
 650                                 (token_id, variants, lookups))
 651                     full, part = cast(Tuple[int, List[int]], cur.fetchone())
 652
 653                 self._cache.names[token_id] = (full, part)
 654
 655             assert part is not None
 656
 657             full_tokens.add(full)
 658             partial_tokens.update(part)
 659
 660         return full_tokens, partial_tokens
 661
 662     def _add_postcode(self, item: PlaceName) -> Optional[str]:
 663         """ Make sure the normalized postcode is present in the word table.
 664         """
 665         assert self.conn is not None
 666         analyzer = self.token_analysis.analysis.get('@postcode')
 667
 668         if analyzer is None:
 669             return item.name.strip().upper()
 670         else:
 671             return analyzer.get_canonical_id(item)
 672
 673
 674 class _TokenInfo:
 675     """ Collect token information to be sent back to the database.
 676     """
 677     def __init__(self) -> None:
 678         self.names: Optional[str] = None
 679         self.housenumbers: Set[str] = set()
 680         self.housenumber_tokens: Set[int] = set()
 681         self.street_tokens: Optional[Set[int]] = None
 682         self.place_tokens: Set[int] = set()
 683         self.address_tokens: Dict[str, str] = {}
 684         self.postcode: Optional[str] = None
 685
 686     def _mk_array(self, tokens: Iterable[Any]) -> str:
 687         return f"{{{','.join((str(s) for s in tokens))}}}"
 688
 689     def to_dict(self) -> Dict[str, Any]:
 690         """ Return the token information in database importable format.
 691         """
 692         out: Dict[str, Any] = {}
 693
 694         if self.names:
 695             out['names'] = self.names
 696
 697         if self.housenumbers:
 698             out['hnr'] = ';'.join(self.housenumbers)
 699             out['hnr_tokens'] = self._mk_array(self.housenumber_tokens)
 700
 701         if self.street_tokens is not None:
 702             out['street'] = self._mk_array(self.street_tokens)
 703
 704         if self.place_tokens:
 705             out['place'] = self._mk_array(self.place_tokens)
 706
 707         if self.address_tokens:
 708             out['addr'] = self.address_tokens
 709
 710         if self.postcode:
 711             out['postcode'] = self.postcode
 712
 713         return out
 714
 715     def set_names(self, fulls: Iterable[int], partials: Iterable[int]) -> None:
 716         """ Adds token information for the normalised names.
 717         """
 718         self.names = self._mk_array(itertools.chain(fulls, partials))
 719
 720     def add_housenumber(self, token: Optional[int], hnr: Optional[str]) -> None:
 721         """ Extract housenumber information from a list of normalised
 722             housenumbers.
 723         """
 724         if token:
 725             assert hnr is not None
 726             self.housenumbers.add(hnr)
 727             self.housenumber_tokens.add(token)
 728
 729     def add_street(self, tokens: Iterable[int]) -> None:
 730         """ Add addr:street match terms.
 731         """
 732         if self.street_tokens is None:
 733             self.street_tokens = set()
 734         self.street_tokens.update(tokens)
 735
 736     def add_place(self, tokens: Iterable[int]) -> None:
 737         """ Add addr:place search and match terms.
 738         """
 739         self.place_tokens.update(tokens)
 740
 741     def add_address_term(self, key: str, partials: Iterable[int]) -> None:
 742         """ Add additional address terms.
 743         """
 744         array = self._mk_array(partials)
 745         if len(array) > 2:
 746             self.address_tokens[key] = array
 747
 748     def set_postcode(self, postcode: Optional[str]) -> None:
 749         """ Set the postcode to the given one.
 750         """
 751         self.postcode = postcode
 752
 753
 754 class _TokenCache:
 755     """ Cache for token information to avoid repeated database queries.
 756
 757         This cache is not thread-safe and needs to be instantiated per
 758         analyzer.
 759     """
 760     def __init__(self) -> None:
 761         self.names: Dict[str, Tuple[int, List[int]]] = {}
 762         self.partials: Dict[str, int] = {}
 763         self.fulls: Dict[str, List[int]] = {}
 764         self.housenumbers: Dict[str, Tuple[Optional[int], Optional[str]]] = {}