test/python/test_tokenizer_icu_name_processor.py

   1 """
   2 Tests for import name normalisation and variant generation.
   3 """
   4 from textwrap import dedent
   5
   6 import pytest
   7
   8 from nominatim.tokenizer.icu_rule_loader import ICURuleLoader
   9 from nominatim.tokenizer.icu_name_processor import ICUNameProcessor, ICUNameProcessorRules
  10
  11 from nominatim.errors import UsageError
  12
  13 @pytest.fixture
  14 def cfgfile(tmp_path, suffix='.yaml'):
  15     def _create_config(suffixes, abbr):
  16         content = dedent("""\
  17         normalization:
  18             - ":: NFD ()"
  19             - "'🜳' > ' '"
  20             - "[[:Nonspacing Mark:] [:Cf:]] >"
  21             - ":: lower ()"
  22             - "[[:Punctuation:][:Space:]]+ > ' '"
  23             - ":: NFC ()"
  24         transliteration:
  25             - "::  Latin ()"
  26             - "'🜵' > ' '"
  27         """)
  28         content += "compound_suffixes:\n"
  29         content += '\n'.join(("    - " + s for s in suffixes)) + '\n'
  30         content += "abbreviations:\n"
  31         content += '\n'.join(("    - " + s for s in abbr)) + '\n'
  32         fpath = tmp_path / ('test_config' + suffix)
  33         fpath.write_text(dedent(content))
  34         return fpath
  35
  36     return _create_config
  37
  38
  39 def get_normalized_variants(proc, name):
  40     return proc.get_variants_ascii(proc.get_normalized(name))
  41
  42 def test_simple_variants(cfgfile):
  43     fpath = cfgfile(['strasse', 'straße', 'weg'],
  44                     ['strasse,straße => str',
  45                      'prospekt => pr'])
  46
  47     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  48     proc = ICUNameProcessor(rules)
  49
  50     assert set(get_normalized_variants(proc, "Bauwegstraße")) \
  51             == {'bauweg straße', 'bauweg str'}
  52     assert get_normalized_variants(proc, "Bauwegstr") == ['bauweg str']
  53     assert get_normalized_variants(proc, "holzweg") == ['holz weg']
  54     assert get_normalized_variants(proc, "hallo") == ['hallo']
  55
  56
  57 def test_variants_empty(cfgfile):
  58     fpath = cfgfile([], ['saint => 🜵', 'street => st'])
  59
  60     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  61     proc = ICUNameProcessor(rules)
  62
  63     assert get_normalized_variants(proc, '🜵') == []
  64     assert get_normalized_variants(proc, '🜳') == []
  65     assert get_normalized_variants(proc, 'saint') == ['saint']
  66
  67
  68 def test_multiple_replacements(cfgfile):
  69     fpath = cfgfile([], ['saint => s,st', 'street => st'])
  70
  71     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  72     proc = ICUNameProcessor(rules)
  73
  74     assert set(get_normalized_variants(proc, "Saint Johns Street")) == \
  75             {'saint johns street', 's johns street', 'st johns street',
  76              'saint johns st', 's johns st', 'st johns st'}
  77
  78
  79 def test_search_normalized(cfgfile):
  80     fpath = cfgfile(['street'], ['street => s,st', 'master => mstr'])
  81
  82     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  83     proc = ICUNameProcessor(rules)
  84
  85     assert proc.get_search_normalized('Master Street') == 'master  street'
  86     assert proc.get_search_normalized('Earnes St') == 'earne s  st'
  87     assert proc.get_search_normalized('Nostreet') == 'no street'