]> git.openstreetmap.org Git - nominatim.git/blob - test/python/tokenizer/token_analysis/test_generic.py
Merge remote-tracking branch 'upstream/master'
[nominatim.git] / test / python / tokenizer / token_analysis / test_generic.py
1 """
2 Tests for import name normalisation and variant generation.
3 """
4 import pytest
5
6 from icu import Transliterator
7
8 import nominatim.tokenizer.token_analysis.generic as module
9 from nominatim.errors import UsageError
10
11 DEFAULT_NORMALIZATION = """ :: NFD ();
12                             '🜳' > ' ';
13                             [[:Nonspacing Mark:] [:Cf:]] >;
14                             :: lower ();
15                             [[:Punctuation:][:Space:]]+ > ' ';
16                             :: NFC ();
17                         """
18
19 DEFAULT_TRANSLITERATION = """ ::  Latin ();
20                               '🜵' > ' ';
21                           """
22
23 def make_analyser(*variants, variant_only=False):
24     rules = { 'analyzer': 'generic', 'variants': [{'words': variants}]}
25     if variant_only:
26         rules['mode'] = 'variant-only'
27     config = module.configure(rules, DEFAULT_NORMALIZATION)
28     trans = Transliterator.createFromRules("test_trans", DEFAULT_TRANSLITERATION)
29
30     return module.create(trans, config)
31
32
33 def get_normalized_variants(proc, name):
34     norm = Transliterator.createFromRules("test_norm", DEFAULT_NORMALIZATION)
35     return proc.get_variants_ascii(norm.transliterate(name).strip())
36
37
38 def test_no_variants():
39     rules = { 'analyzer': 'generic' }
40     config = module.configure(rules, DEFAULT_NORMALIZATION)
41     trans = Transliterator.createFromRules("test_trans", DEFAULT_TRANSLITERATION)
42
43     proc = module.create(trans, config)
44
45     assert get_normalized_variants(proc, '大德!') == ['dà dé']
46
47
48 def test_variants_empty():
49     proc = make_analyser('saint -> 🜵', 'street -> st')
50
51     assert get_normalized_variants(proc, '🜵') == []
52     assert get_normalized_variants(proc, '🜳') == []
53     assert get_normalized_variants(proc, 'saint') == ['saint']
54
55
56 VARIANT_TESTS = [
57 (('~strasse,~straße -> str', '~weg => weg'), "hallo", {'hallo'}),
58 (('weg => wg',), "holzweg", {'holzweg'}),
59 (('weg -> wg',), "holzweg", {'holzweg'}),
60 (('~weg => weg',), "holzweg", {'holz weg', 'holzweg'}),
61 (('~weg -> weg',), "holzweg",  {'holz weg', 'holzweg'}),
62 (('~weg => w',), "holzweg", {'holz w', 'holzw'}),
63 (('~weg -> w',), "holzweg",  {'holz weg', 'holzweg', 'holz w', 'holzw'}),
64 (('~weg => weg',), "Meier Weg", {'meier weg', 'meierweg'}),
65 (('~weg -> weg',), "Meier Weg", {'meier weg', 'meierweg'}),
66 (('~weg => w',), "Meier Weg", {'meier w', 'meierw'}),
67 (('~weg -> w',), "Meier Weg", {'meier weg', 'meierweg', 'meier w', 'meierw'}),
68 (('weg => wg',), "Meier Weg", {'meier wg'}),
69 (('weg -> wg',), "Meier Weg", {'meier weg', 'meier wg'}),
70 (('~strasse,~straße -> str', '~weg => weg'), "Bauwegstraße",
71      {'bauweg straße', 'bauweg str', 'bauwegstraße', 'bauwegstr'}),
72 (('am => a', 'bach => b'), "am bach", {'a b'}),
73 (('am => a', '~bach => b'), "am bach", {'a b'}),
74 (('am -> a', '~bach -> b'), "am bach", {'am bach', 'a bach', 'am b', 'a b'}),
75 (('am -> a', '~bach -> b'), "ambach", {'ambach', 'am bach', 'amb', 'am b'}),
76 (('saint -> s,st', 'street -> st'), "Saint Johns Street",
77      {'saint johns street', 's johns street', 'st johns street',
78       'saint johns st', 's johns st', 'st johns st'}),
79 (('river$ -> r',), "River Bend Road", {'river bend road'}),
80 (('river$ -> r',), "Bent River", {'bent river', 'bent r'}),
81 (('^north => n',), "North 2nd Street", {'n 2nd street'}),
82 (('^north => n',), "Airport North", {'airport north'}),
83 (('am -> a',), "am am am am am am am am", {'am am am am am am am am'}),
84 (('am => a',), "am am am am am am am am", {'a a a a a a a a'})
85 ]
86
87 @pytest.mark.parametrize("rules,name,variants", VARIANT_TESTS)
88 def test_variants(rules, name, variants):
89     proc = make_analyser(*rules)
90
91     result = get_normalized_variants(proc, name)
92
93     assert len(result) == len(set(result))
94     assert set(get_normalized_variants(proc, name)) == variants
95
96
97 VARIANT_ONLY_TESTS = [
98 (('weg => wg',), "hallo", set()),
99 (('weg => wg',), "Meier Weg", {'meier wg'}),
100 (('weg -> wg',), "Meier Weg", {'meier wg'}),
101 ]
102
103 @pytest.mark.parametrize("rules,name,variants", VARIANT_ONLY_TESTS)
104 def test_variants_only(rules, name, variants):
105     proc = make_analyser(*rules, variant_only=True)
106
107     result = get_normalized_variants(proc, name)
108
109     assert len(result) == len(set(result))
110     assert set(get_normalized_variants(proc, name)) == variants
111
112
113 class TestGetReplacements:
114
115     @staticmethod
116     def configure_rules(*variants):
117         rules = { 'analyzer': 'generic', 'variants': [{'words': variants}]}
118         return module.configure(rules, DEFAULT_NORMALIZATION)
119
120
121     def get_replacements(self, *variants):
122         config = self.configure_rules(*variants)
123
124         return sorted((k, sorted(v)) for k,v in config['replacements'])
125
126
127     @pytest.mark.parametrize("variant", ['foo > bar', 'foo -> bar -> bar',
128                                          '~foo~ -> bar', 'fo~ o -> bar'])
129     def test_invalid_variant_description(self, variant):
130         with pytest.raises(UsageError):
131             self.configure_rules(variant)
132
133
134     @pytest.mark.parametrize("rule", ["!!! -> bar", "bar => !!!"])
135     def test_ignore_unnormalizable_terms(self, rule):
136         repl = self.get_replacements(rule)
137
138         assert repl == []
139
140
141     def test_add_full(self):
142         repl = self.get_replacements("foo -> bar")
143
144         assert repl == [(' foo ', [' bar', ' foo'])]
145
146
147     def test_replace_full(self):
148         repl = self.get_replacements("foo => bar")
149
150         assert repl == [(' foo ', [' bar'])]
151
152
153     def test_add_suffix_no_decompose(self):
154         repl = self.get_replacements("~berg |-> bg")
155
156         assert repl == [(' berg ', [' berg', ' bg']),
157                         ('berg ', ['berg', 'bg'])]
158
159
160     def test_replace_suffix_no_decompose(self):
161         repl = self.get_replacements("~berg |=> bg")
162
163         assert repl == [(' berg ', [' bg']),('berg ', ['bg'])]
164
165
166     def test_add_suffix_decompose(self):
167         repl = self.get_replacements("~berg -> bg")
168
169         assert repl == [(' berg ', [' berg', ' bg', 'berg', 'bg']),
170                         ('berg ', [' berg', ' bg', 'berg', 'bg'])]
171
172
173     def test_replace_suffix_decompose(self):
174         repl = self.get_replacements("~berg => bg")
175
176         assert repl == [(' berg ', [' bg', 'bg']),
177                         ('berg ', [' bg', 'bg'])]
178
179
180     def test_add_prefix_no_compose(self):
181         repl = self.get_replacements("hinter~ |-> hnt")
182
183         assert repl == [(' hinter', [' hinter', ' hnt']),
184                         (' hinter ', [' hinter', ' hnt'])]
185
186
187     def test_replace_prefix_no_compose(self):
188         repl = self.get_replacements("hinter~ |=> hnt")
189
190         assert repl ==  [(' hinter', [' hnt']), (' hinter ', [' hnt'])]
191
192
193     def test_add_prefix_compose(self):
194         repl = self.get_replacements("hinter~-> h")
195
196         assert repl == [(' hinter', [' h', ' h ', ' hinter', ' hinter ']),
197                         (' hinter ', [' h', ' h', ' hinter', ' hinter'])]
198
199
200     def test_replace_prefix_compose(self):
201         repl = self.get_replacements("hinter~=> h")
202
203         assert repl == [(' hinter', [' h', ' h ']),
204                         (' hinter ', [' h', ' h'])]
205
206
207     def test_add_beginning_only(self):
208         repl = self.get_replacements("^Premier -> Pr")
209
210         assert repl == [('^ premier ', ['^ pr', '^ premier'])]
211
212
213     def test_replace_beginning_only(self):
214         repl = self.get_replacements("^Premier => Pr")
215
216         assert repl == [('^ premier ', ['^ pr'])]
217
218
219     def test_add_final_only(self):
220         repl = self.get_replacements("road$ -> rd")
221
222         assert repl == [(' road ^', [' rd ^', ' road ^'])]
223
224
225     def test_replace_final_only(self):
226         repl = self.get_replacements("road$ => rd")
227
228         assert repl == [(' road ^', [' rd ^'])]
229
230
231     def test_decompose_only(self):
232         repl = self.get_replacements("~foo -> foo")
233
234         assert repl == [(' foo ', [' foo', 'foo']),
235                         ('foo ', [' foo', 'foo'])]
236
237
238     def test_add_suffix_decompose_end_only(self):
239         repl = self.get_replacements("~berg |-> bg", "~berg$ -> bg")
240
241         assert repl == [(' berg ', [' berg', ' bg']),
242                         (' berg ^', [' berg ^', ' bg ^', 'berg ^', 'bg ^']),
243                         ('berg ', ['berg', 'bg']),
244                         ('berg ^', [' berg ^', ' bg ^', 'berg ^', 'bg ^'])]
245
246
247     def test_replace_suffix_decompose_end_only(self):
248         repl = self.get_replacements("~berg |=> bg", "~berg$ => bg")
249
250         assert repl == [(' berg ', [' bg']),
251                         (' berg ^', [' bg ^', 'bg ^']),
252                         ('berg ', ['bg']),
253                         ('berg ^', [' bg ^', 'bg ^'])]
254
255
256     @pytest.mark.parametrize('rule', ["~berg,~burg -> bg",
257                                       "~berg, ~burg -> bg",
258                                       "~berg,,~burg -> bg"])
259     def test_add_multiple_suffix(self, rule):
260         repl = self.get_replacements(rule)
261
262         assert repl == [(' berg ', [' berg', ' bg', 'berg', 'bg']),
263                         (' burg ', [' bg', ' burg', 'bg', 'burg']),
264                         ('berg ', [' berg', ' bg', 'berg', 'bg']),
265                         ('burg ', [' bg', ' burg', 'bg', 'burg'])]