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(suffixes, abbr):
  15         content = dedent("""\
  16         normalization:
  17             - ":: NFD ()"
  18             - "[[:Nonspacing Mark:] [:Cf:]] >"
  19             - ":: lower ()"
  20             - "[[:Punctuation:][:Space:]]+ > ' '"
  21             - ":: NFC ()"
  22         transliteration:
  23             - "::  Latin ()"
  24         """)
  25         content += "compound_suffixes:\n"
  26         content += '\n'.join(("    - " + s for s in suffixes)) + '\n'
  27         content += "abbreviations:\n"
  28         content += '\n'.join(("    - " + s for s in abbr)) + '\n'
  29         fpath = tmp_path / ('test_config' + suffix)
  30         fpath.write_text(dedent(content))
  31         return fpath
  32
  33     return _create_config
  34
  35 def test_missing_normalization(tmp_path):
  36     fpath = tmp_path / ('test_config.yaml')
  37     fpath.write_text(dedent("""\
  38         normalizatio:
  39             - ":: NFD ()"
  40         """))
  41
  42     with pytest.raises(UsageError):
  43         ICURuleLoader(fpath)
  44
  45
  46 def test_get_search_rules(cfgfile):
  47     fpath = cfgfile(['strasse', 'straße', 'weg'],
  48                     ['strasse,straße => str',
  49                      'prospekt => pr'])
  50
  51     loader = ICURuleLoader(fpath)
  52
  53     rules = loader.get_search_rules()
  54     trans = Transliterator.createFromRules("test", rules)
  55
  56     assert trans.transliterate(" Baumstraße ") == " baum straße "
  57     assert trans.transliterate(" Baumstrasse ") == " baum strasse "
  58     assert trans.transliterate(" Baumstr ") == " baum str "
  59     assert trans.transliterate(" Baumwegstr ") == " baumweg str "
  60     assert trans.transliterate(" Αθήνα ") == " athēna "
  61     assert trans.transliterate(" проспект ") == " prospekt "
  62
  63
  64 def test_get_synonym_pairs(cfgfile):
  65     fpath = cfgfile(['Weg', 'Strasse'],
  66                     ['Strasse => str,st'])
  67
  68     loader = ICURuleLoader(fpath)
  69
  70     repl = loader.get_replacement_pairs()
  71
  72     assert repl == [(' strasse ', {' strasse ', ' str ', ' st '}),
  73                     ('strasse ', {' strasse ', ' str ', ' st '}),
  74                     ('weg ', {' weg '})]
  75