test/python/test_tokenizer_legacy_icu.py

   1 """
   2 Tests for Legacy ICU tokenizer.
   3 """
   4 import shutil
   5 import yaml
   6
   7 import pytest
   8
   9 from nominatim.tokenizer import legacy_icu_tokenizer
  10 from nominatim.tokenizer.icu_name_processor import ICUNameProcessorRules
  11 from nominatim.tokenizer.icu_rule_loader import ICURuleLoader
  12 from nominatim.db import properties
  13
  14
  15 @pytest.fixture
  16 def test_config(def_config, tmp_path):
  17     def_config.project_dir = tmp_path / 'project'
  18     def_config.project_dir.mkdir()
  19
  20     sqldir = tmp_path / 'sql'
  21     sqldir.mkdir()
  22     (sqldir / 'tokenizer').mkdir()
  23     (sqldir / 'tokenizer' / 'legacy_icu_tokenizer.sql').write_text("SELECT 'a'")
  24     shutil.copy(str(def_config.lib_dir.sql / 'tokenizer' / 'legacy_tokenizer_tables.sql'),
  25                 str(sqldir / 'tokenizer' / 'legacy_tokenizer_tables.sql'))
  26
  27     def_config.lib_dir.sql = sqldir
  28
  29     return def_config
  30
  31
  32 @pytest.fixture
  33 def tokenizer_factory(dsn, tmp_path, property_table,
  34                       sql_preprocessor, place_table, word_table):
  35     (tmp_path / 'tokenizer').mkdir()
  36
  37     def _maker():
  38         return legacy_icu_tokenizer.create(dsn, tmp_path / 'tokenizer')
  39
  40     return _maker
  41
  42
  43 @pytest.fixture
  44 def db_prop(temp_db_conn):
  45     def _get_db_property(name):
  46         return properties.get_property(temp_db_conn, name)
  47
  48     return _get_db_property
  49
  50
  51 @pytest.fixture
  52 def analyzer(tokenizer_factory, test_config, monkeypatch,
  53              temp_db_with_extensions, tmp_path):
  54     sql = tmp_path / 'sql' / 'tokenizer' / 'legacy_icu_tokenizer.sql'
  55     sql.write_text("SELECT 'a';")
  56
  57     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
  58     tok = tokenizer_factory()
  59     tok.init_new_db(test_config)
  60     monkeypatch.undo()
  61
  62     def _mk_analyser(norm=("[[:Punctuation:][:Space:]]+ > ' '",), trans=(':: upper()',),
  63                      suffixes=('gasse', ), abbr=('street => st', )):
  64         cfgfile = tmp_path / 'analyser_test_config.yaml'
  65         with cfgfile.open('w') as stream:
  66             cfgstr = {'normalization' : list(norm),
  67                        'transliteration' : list(trans),
  68                        'compound_suffixes' : list(suffixes),
  69                        'abbreviations' : list(abbr)}
  70             yaml.dump(cfgstr, stream)
  71         tok.naming_rules = ICUNameProcessorRules(loader=ICURuleLoader(cfgfile))
  72
  73         return tok.name_analyzer()
  74
  75     return _mk_analyser
  76
  77
  78 @pytest.fixture
  79 def getorcreate_full_word(temp_db_cursor):
  80     temp_db_cursor.execute("""CREATE OR REPLACE FUNCTION getorcreate_full_word(
  81                                                  norm_term TEXT, lookup_terms TEXT[],
  82                                                  OUT full_token INT,
  83                                                  OUT partial_tokens INT[])
  84   AS $$
  85 DECLARE
  86   partial_terms TEXT[] = '{}'::TEXT[];
  87   term TEXT;
  88   term_id INTEGER;
  89   term_count INTEGER;
  90 BEGIN
  91   SELECT min(word_id) INTO full_token
  92     FROM word WHERE word = norm_term and class is null and country_code is null;
  93
  94   IF full_token IS NULL THEN
  95     full_token := nextval('seq_word');
  96     INSERT INTO word (word_id, word_token, word, search_name_count)
  97       SELECT full_token, ' ' || lookup_term, norm_term, 0 FROM unnest(lookup_terms) as lookup_term;
  98   END IF;
  99
 100   FOR term IN SELECT unnest(string_to_array(unnest(lookup_terms), ' ')) LOOP
 101     term := trim(term);
 102     IF NOT (ARRAY[term] <@ partial_terms) THEN
 103       partial_terms := partial_terms || term;
 104     END IF;
 105   END LOOP;
 106
 107   partial_tokens := '{}'::INT[];
 108   FOR term IN SELECT unnest(partial_terms) LOOP
 109     SELECT min(word_id), max(search_name_count) INTO term_id, term_count
 110       FROM word WHERE word_token = term and class is null and country_code is null;
 111
 112     IF term_id IS NULL THEN
 113       term_id := nextval('seq_word');
 114       term_count := 0;
 115       INSERT INTO word (word_id, word_token, search_name_count)
 116         VALUES (term_id, term, 0);
 117     END IF;
 118
 119     IF NOT (ARRAY[term_id] <@ partial_tokens) THEN
 120         partial_tokens := partial_tokens || term_id;
 121     END IF;
 122   END LOOP;
 123 END;
 124 $$
 125 LANGUAGE plpgsql;
 126                               """)
 127
 128
 129 @pytest.fixture
 130 def getorcreate_hnr_id(temp_db_cursor):
 131     temp_db_cursor.execute("""CREATE OR REPLACE FUNCTION getorcreate_hnr_id(lookup_term TEXT)
 132                               RETURNS INTEGER AS $$
 133                                 SELECT -nextval('seq_word')::INTEGER; $$ LANGUAGE SQL""")
 134
 135
 136 def test_init_new(tokenizer_factory, test_config, monkeypatch, db_prop):
 137     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
 138
 139     tok = tokenizer_factory()
 140     tok.init_new_db(test_config)
 141
 142     assert db_prop(legacy_icu_tokenizer.DBCFG_TERM_NORMALIZATION) == ':: lower();'
 143     assert db_prop(legacy_icu_tokenizer.DBCFG_MAXWORDFREQ) is not None
 144
 145
 146 def test_init_word_table(tokenizer_factory, test_config, place_row, word_table):
 147     place_row(names={'name' : 'Test Area', 'ref' : '52'})
 148     place_row(names={'name' : 'No Area'})
 149     place_row(names={'name' : 'Holzstrasse'})
 150
 151     tok = tokenizer_factory()
 152     tok.init_new_db(test_config)
 153
 154     assert word_table.get_partial_words() == {('te', 1), ('st', 1), ('52', 1),
 155                                               ('no', 1), ('area', 2),
 156                                               ('holz', 1), ('strasse', 1),
 157                                               ('str', 1)}
 158
 159
 160 def test_init_from_project(monkeypatch, test_config, tokenizer_factory):
 161     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
 162     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '90300')
 163     tok = tokenizer_factory()
 164     tok.init_new_db(test_config)
 165     monkeypatch.undo()
 166
 167     tok = tokenizer_factory()
 168     tok.init_from_project()
 169
 170     assert tok.naming_rules is not None
 171     assert tok.term_normalization == ':: lower();'
 172     assert tok.max_word_frequency == '90300'
 173
 174
 175 def test_update_sql_functions(db_prop, temp_db_cursor,
 176                               tokenizer_factory, test_config, table_factory,
 177                               monkeypatch):
 178     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '1133')
 179     tok = tokenizer_factory()
 180     tok.init_new_db(test_config)
 181     monkeypatch.undo()
 182
 183     assert db_prop(legacy_icu_tokenizer.DBCFG_MAXWORDFREQ) == '1133'
 184
 185     table_factory('test', 'txt TEXT')
 186
 187     func_file = test_config.lib_dir.sql / 'tokenizer' / 'legacy_icu_tokenizer.sql'
 188     func_file.write_text("""INSERT INTO test VALUES ('{{max_word_freq}}')""")
 189
 190     tok.update_sql_functions(test_config)
 191
 192     test_content = temp_db_cursor.row_set('SELECT * FROM test')
 193     assert test_content == set((('1133', ), ))
 194
 195
 196 def test_normalize_postcode(analyzer):
 197     with analyzer() as anl:
 198         anl.normalize_postcode('123') == '123'
 199         anl.normalize_postcode('ab-34 ') == 'AB-34'
 200         anl.normalize_postcode('38 Б') == '38 Б'
 201
 202
 203 def test_update_postcodes_from_db_empty(analyzer, table_factory, word_table):
 204     table_factory('location_postcode', 'postcode TEXT',
 205                   content=(('1234',), ('12 34',), ('AB23',), ('1234',)))
 206
 207     with analyzer() as anl:
 208         anl.update_postcodes_from_db()
 209
 210     assert word_table.count() == 3
 211     assert word_table.get_postcodes() == {'1234', '12 34', 'AB23'}
 212
 213
 214 def test_update_postcodes_from_db_add_and_remove(analyzer, table_factory, word_table):
 215     table_factory('location_postcode', 'postcode TEXT',
 216                   content=(('1234',), ('45BC', ), ('XX45', )))
 217     word_table.add_postcode(' 1234', '1234')
 218     word_table.add_postcode(' 5678', '5678')
 219
 220     with analyzer() as anl:
 221         anl.update_postcodes_from_db()
 222
 223     assert word_table.count() == 3
 224     assert word_table.get_postcodes() == {'1234', '45BC', 'XX45'}
 225
 226
 227 def test_update_special_phrase_empty_table(analyzer, word_table):
 228     with analyzer() as anl:
 229         anl.update_special_phrases([
 230             ("König  bei", "amenity", "royal", "near"),
 231             ("Könige ", "amenity", "royal", "-"),
 232             ("street", "highway", "primary", "in")
 233         ], True)
 234
 235     assert word_table.get_special() \
 236                == {(' KÖNIG BEI', 'König bei', 'amenity', 'royal', 'near'),
 237                    (' KÖNIGE', 'Könige', 'amenity', 'royal', None),
 238                    (' STREET', 'street', 'highway', 'primary', 'in')}
 239
 240
 241 def test_update_special_phrase_delete_all(analyzer, word_table):
 242     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 243     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 244
 245     assert word_table.count_special() == 2
 246
 247     with analyzer() as anl:
 248         anl.update_special_phrases([], True)
 249
 250     assert word_table.count_special() == 0
 251
 252
 253 def test_update_special_phrases_no_replace(analyzer, word_table):
 254     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 255     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 256
 257     assert word_table.count_special() == 2
 258
 259     with analyzer() as anl:
 260         anl.update_special_phrases([], False)
 261
 262     assert word_table.count_special() == 2
 263
 264
 265 def test_update_special_phrase_modify(analyzer, word_table):
 266     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 267     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 268
 269     assert word_table.count_special() == 2
 270
 271     with analyzer() as anl:
 272         anl.update_special_phrases([
 273             ('prison', 'amenity', 'prison', 'in'),
 274             ('bar', 'highway', 'road', '-'),
 275             ('garden', 'leisure', 'garden', 'near')
 276         ], True)
 277
 278     assert word_table.get_special() \
 279                == {(' PRISON', 'prison', 'amenity', 'prison', 'in'),
 280                    (' BAR', 'bar', 'highway', 'road', None),
 281                    (' GARDEN', 'garden', 'leisure', 'garden', 'near')}
 282
 283
 284 def test_add_country_names_new(analyzer, word_table):
 285     with analyzer() as anl:
 286         anl.add_country_names('es', {'name': 'Espagña', 'name:en': 'Spain'})
 287
 288     assert word_table.get_country() == {('es', ' ESPAGÑA'), ('es', ' SPAIN')}
 289
 290
 291 def test_add_country_names_extend(analyzer, word_table):
 292     word_table.add_country('ch', ' SCHWEIZ')
 293
 294     with analyzer() as anl:
 295         anl.add_country_names('ch', {'name': 'Schweiz', 'name:fr': 'Suisse'})
 296
 297     assert word_table.get_country() == {('ch', ' SCHWEIZ'), ('ch', ' SUISSE')}
 298
 299
 300 class TestPlaceNames:
 301
 302     @pytest.fixture(autouse=True)
 303     def setup(self, analyzer, getorcreate_full_word):
 304         with analyzer() as anl:
 305             self.analyzer = anl
 306             yield anl
 307
 308
 309     def expect_name_terms(self, info, *expected_terms):
 310         tokens = self.analyzer.get_word_token_info(expected_terms)
 311         for token in tokens:
 312             assert token[2] is not None, "No token for {0}".format(token)
 313
 314         assert eval(info['names']) == set((t[2] for t in tokens))
 315
 316
 317     def test_simple_names(self):
 318         info = self.analyzer.process_place({'name': {'name': 'Soft bAr', 'ref': '34'}})
 319
 320         self.expect_name_terms(info, '#Soft bAr', '#34','Soft', 'bAr', '34')
 321
 322
 323     @pytest.mark.parametrize('sep', [',' , ';'])
 324     def test_names_with_separator(self, sep):
 325         info = self.analyzer.process_place({'name': {'name': sep.join(('New York', 'Big Apple'))}})
 326
 327         self.expect_name_terms(info, '#New York', '#Big Apple',
 328                                      'new', 'york', 'big', 'apple')
 329
 330
 331     def test_full_names_with_bracket(self):
 332         info = self.analyzer.process_place({'name': {'name': 'Houseboat (left)'}})
 333
 334         self.expect_name_terms(info, '#Houseboat (left)', '#Houseboat',
 335                                      'houseboat', 'left')
 336
 337
 338     def test_country_name(self, word_table):
 339         info = self.analyzer.process_place({'name': {'name': 'Norge'},
 340                                            'country_feature': 'no'})
 341
 342         self.expect_name_terms(info, '#norge', 'norge')
 343         assert word_table.get_country() == {('no', ' NORGE')}
 344
 345
 346 class TestPlaceAddress:
 347
 348     @pytest.fixture(autouse=True)
 349     def setup(self, analyzer, getorcreate_full_word):
 350         with analyzer(trans=(":: upper()", "'🜵' > ' '")) as anl:
 351             self.analyzer = anl
 352             yield anl
 353
 354
 355     def process_address(self, **kwargs):
 356         return self.analyzer.process_place({'address': kwargs})
 357
 358
 359     def name_token_set(self, *expected_terms):
 360         tokens = self.analyzer.get_word_token_info(expected_terms)
 361         for token in tokens:
 362             assert token[2] is not None, "No token for {0}".format(token)
 363
 364         return set((t[2] for t in tokens))
 365
 366
 367     @pytest.mark.parametrize('pcode', ['12345', 'AB 123', '34-345'])
 368     def test_process_place_postcode(self, word_table, pcode):
 369         self.process_address(postcode=pcode)
 370
 371         assert word_table.get_postcodes() == {pcode, }
 372
 373
 374     @pytest.mark.parametrize('pcode', ['12:23', 'ab;cd;f', '123;836'])
 375     def test_process_place_bad_postcode(self, word_table, pcode):
 376         self.process_address(postcode=pcode)
 377
 378         assert not word_table.get_postcodes()
 379
 380
 381     @pytest.mark.parametrize('hnr', ['123a', '1', '101'])
 382     def test_process_place_housenumbers_simple(self, hnr, getorcreate_hnr_id):
 383         info = self.process_address(housenumber=hnr)
 384
 385         assert info['hnr'] == hnr.upper()
 386         assert info['hnr_tokens'] == "{-1}"
 387
 388
 389     def test_process_place_housenumbers_lists(self, getorcreate_hnr_id):
 390         info = self.process_address(conscriptionnumber='1; 2;3')
 391
 392         assert set(info['hnr'].split(';')) == set(('1', '2', '3'))
 393         assert info['hnr_tokens'] == "{-1,-2,-3}"
 394
 395
 396     def test_process_place_housenumbers_duplicates(self, getorcreate_hnr_id):
 397         info = self.process_address(housenumber='134',
 398                                     conscriptionnumber='134',
 399                                     streetnumber='99a')
 400
 401         assert set(info['hnr'].split(';')) == set(('134', '99A'))
 402         assert info['hnr_tokens'] == "{-1,-2}"
 403
 404
 405     def test_process_place_housenumbers_cached(self, getorcreate_hnr_id):
 406         info = self.process_address(housenumber="45")
 407         assert info['hnr_tokens'] == "{-1}"
 408
 409         info = self.process_address(housenumber="46")
 410         assert info['hnr_tokens'] == "{-2}"
 411
 412         info = self.process_address(housenumber="41;45")
 413         assert eval(info['hnr_tokens']) == {-1, -3}
 414
 415         info = self.process_address(housenumber="41")
 416         assert eval(info['hnr_tokens']) == {-3}
 417
 418
 419     def test_process_place_street(self):
 420         info = self.process_address(street='Grand Road')
 421
 422         assert eval(info['street']) == self.name_token_set('#GRAND ROAD')
 423
 424
 425     def test_process_place_street_empty(self):
 426         info = self.process_address(street='🜵')
 427
 428         assert 'street' not in info
 429
 430
 431     def test_process_place_place(self):
 432         info = self.process_address(place='Honu Lulu')
 433
 434         assert eval(info['place_search']) == self.name_token_set('#HONU LULU',
 435                                                                  'HONU', 'LULU')
 436         assert eval(info['place_match']) == self.name_token_set('#HONU LULU')
 437
 438
 439     def test_process_place_place_empty(self):
 440         info = self.process_address(place='🜵')
 441
 442         assert 'place_search' not in info
 443         assert 'place_match' not in info
 444
 445
 446     def test_process_place_address_terms(self):
 447         info = self.process_address(country='de', city='Zwickau', state='Sachsen',
 448                                     suburb='Zwickau', street='Hauptstr',
 449                                     full='right behind the church')
 450
 451         city_full = self.name_token_set('#ZWICKAU')
 452         city_all = self.name_token_set('#ZWICKAU', 'ZWICKAU')
 453         state_full = self.name_token_set('#SACHSEN')
 454         state_all = self.name_token_set('#SACHSEN', 'SACHSEN')
 455
 456         result = {k: [eval(v[0]), eval(v[1])] for k,v in info['addr'].items()}
 457
 458         assert result == {'city': [city_all, city_full],
 459                           'suburb': [city_all, city_full],
 460                           'state': [state_all, state_full]}
 461
 462
 463     def test_process_place_address_terms_empty(self):
 464         info = self.process_address(country='de', city=' ', street='Hauptstr',
 465                                     full='right behind the church')
 466
 467         assert 'addr' not in info
 468