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(*variants, **kwargs):
  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 += "variants:\n  - words:\n"
  29         content += '\n'.join(("      - " + s for s in variants)) + '\n'
  30         for k, v in kwargs:
  31             content += "    {}: {}\n".format(k, v)
  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 -> str',
  44                     '~weg => weg',
  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', 'bauwegstraße', 'bauwegstr'}
  52     assert get_normalized_variants(proc, "Bauwegstr") == ['bauwegstr']
  53     assert set(get_normalized_variants(proc, "holzweg")) \
  54             == {'holz weg', 'holzweg'}
  55     assert set(get_normalized_variants(proc, "Meier Weg")) \
  56             == {'meier weg', 'meierweg'}
  57     assert get_normalized_variants(proc, "hallo") == ['hallo']
  58
  59
  60 def test_variants_empty(cfgfile):
  61     fpath = cfgfile('saint -> 🜵', 'street -> st')
  62
  63     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  64     proc = ICUNameProcessor(rules)
  65
  66     assert get_normalized_variants(proc, '🜵') == []
  67     assert get_normalized_variants(proc, '🜳') == []
  68     assert get_normalized_variants(proc, 'saint') == ['saint']
  69
  70
  71 def test_multiple_replacements(cfgfile):
  72     fpath = cfgfile('saint -> s,st', 'street -> st')
  73
  74     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  75     proc = ICUNameProcessor(rules)
  76
  77     assert set(get_normalized_variants(proc, "Saint Johns Street")) == \
  78             {'saint johns street', 's johns street', 'st johns street',
  79              'saint johns st', 's johns st', 'st johns st'}
  80
  81
  82 def test_search_normalized(cfgfile):
  83     fpath = cfgfile('~street => s,st', 'master => mstr')
  84
  85     rules = ICUNameProcessorRules(loader=ICURuleLoader(fpath))
  86     proc = ICUNameProcessor(rules)
  87
  88     assert proc.get_search_normalized('Master Street') == 'master street'
  89     assert proc.get_search_normalized('Earnes St') == 'earnes st'
  90     assert proc.get_search_normalized('Nostreet') == 'nostreet'