nominatim/tokenizer/icu_rule_loader.py

   1 # SPDX-License-Identifier: GPL-2.0-only
   2 #
   3 # This file is part of Nominatim. (https://nominatim.org)
   4 #
   5 # Copyright (C) 2022 by the Nominatim developer community.
   6 # For a full list of authors see the git log.
   7 """
   8 Helper class to create ICU rules from a configuration file.
   9 """
  10 import importlib
  11 import io
  12 import json
  13 import logging
  14
  15 from nominatim.config import flatten_config_list
  16 from nominatim.db.properties import set_property, get_property
  17 from nominatim.errors import UsageError
  18 from nominatim.tokenizer.place_sanitizer import PlaceSanitizer
  19 from nominatim.tokenizer.icu_token_analysis import ICUTokenAnalysis
  20 import nominatim.data.country_info
  21
  22 LOG = logging.getLogger()
  23
  24 DBCFG_IMPORT_NORM_RULES = "tokenizer_import_normalisation"
  25 DBCFG_IMPORT_TRANS_RULES = "tokenizer_import_transliteration"
  26 DBCFG_IMPORT_ANALYSIS_RULES = "tokenizer_import_analysis_rules"
  27
  28
  29 def _get_section(rules, section):
  30     """ Get the section named 'section' from the rules. If the section does
  31         not exist, raise a usage error with a meaningful message.
  32     """
  33     if section not in rules:
  34         LOG.fatal("Section '%s' not found in tokenizer config.", section)
  35         raise UsageError("Syntax error in tokenizer configuration file.")
  36
  37     return rules[section]
  38
  39
  40 class ICURuleLoader:
  41     """ Compiler for ICU rules from a tokenizer configuration file.
  42     """
  43
  44     def __init__(self, config):
  45         rules = config.load_sub_configuration('icu_tokenizer.yaml',
  46                                               config='TOKENIZER_CONFIG')
  47
  48         # Make sure country information is available to analyzers and sanitizers.
  49         nominatim.data.country_info.setup_country_config(config)
  50
  51         self.normalization_rules = self._cfg_to_icu_rules(rules, 'normalization')
  52         self.transliteration_rules = self._cfg_to_icu_rules(rules, 'transliteration')
  53         self.analysis_rules = _get_section(rules, 'token-analysis')
  54         self._setup_analysis()
  55
  56         # Load optional sanitizer rule set.
  57         self.sanitizer_rules = rules.get('sanitizers', [])
  58
  59
  60     def load_config_from_db(self, conn):
  61         """ Get previously saved parts of the configuration from the
  62             database.
  63         """
  64         self.normalization_rules = get_property(conn, DBCFG_IMPORT_NORM_RULES)
  65         self.transliteration_rules = get_property(conn, DBCFG_IMPORT_TRANS_RULES)
  66         self.analysis_rules = json.loads(get_property(conn, DBCFG_IMPORT_ANALYSIS_RULES))
  67         self._setup_analysis()
  68
  69
  70     def save_config_to_db(self, conn):
  71         """ Save the part of the configuration that cannot be changed into
  72             the database.
  73         """
  74         set_property(conn, DBCFG_IMPORT_NORM_RULES, self.normalization_rules)
  75         set_property(conn, DBCFG_IMPORT_TRANS_RULES, self.transliteration_rules)
  76         set_property(conn, DBCFG_IMPORT_ANALYSIS_RULES, json.dumps(self.analysis_rules))
  77
  78
  79     def make_sanitizer(self):
  80         """ Create a place sanitizer from the configured rules.
  81         """
  82         return PlaceSanitizer(self.sanitizer_rules)
  83
  84
  85     def make_token_analysis(self):
  86         """ Create a token analyser from the reviouly loaded rules.
  87         """
  88         return ICUTokenAnalysis(self.normalization_rules,
  89                                 self.transliteration_rules, self.analysis)
  90
  91
  92     def get_search_rules(self):
  93         """ Return the ICU rules to be used during search.
  94             The rules combine normalization and transliteration.
  95         """
  96         # First apply the normalization rules.
  97         rules = io.StringIO()
  98         rules.write(self.normalization_rules)
  99
 100         # Then add transliteration.
 101         rules.write(self.transliteration_rules)
 102         return rules.getvalue()
 103
 104
 105     def get_normalization_rules(self):
 106         """ Return rules for normalisation of a term.
 107         """
 108         return self.normalization_rules
 109
 110
 111     def get_transliteration_rules(self):
 112         """ Return the rules for converting a string into its asciii representation.
 113         """
 114         return self.transliteration_rules
 115
 116
 117     def _setup_analysis(self):
 118         """ Process the rules used for creating the various token analyzers.
 119         """
 120         self.analysis = {}
 121
 122         if not isinstance(self.analysis_rules, list):
 123             raise UsageError("Configuration section 'token-analysis' must be a list.")
 124
 125         for section in self.analysis_rules:
 126             name = section.get('id', None)
 127             if name in self.analysis:
 128                 if name is None:
 129                     LOG.fatal("ICU tokenizer configuration has two default token analyzers.")
 130                 else:
 131                     LOG.fatal("ICU tokenizer configuration has two token "
 132                               "analyzers with id '%s'.", name)
 133                 raise UsageError("Syntax error in ICU tokenizer config.")
 134             self.analysis[name] = TokenAnalyzerRule(section, self.normalization_rules)
 135
 136
 137     @staticmethod
 138     def _cfg_to_icu_rules(rules, section):
 139         """ Load an ICU ruleset from the given section. If the section is a
 140             simple string, it is interpreted as a file name and the rules are
 141             loaded verbatim from the given file. The filename is expected to be
 142             relative to the tokenizer rule file. If the section is a list then
 143             each line is assumed to be a rule. All rules are concatenated and returned.
 144         """
 145         content = _get_section(rules, section)
 146
 147         if content is None:
 148             return ''
 149
 150         return ';'.join(flatten_config_list(content, section)) + ';'
 151
 152
 153 class TokenAnalyzerRule:
 154     """ Factory for a single analysis module. The class saves the configuration
 155         and creates a new token analyzer on request.
 156     """
 157
 158     def __init__(self, rules, normalization_rules):
 159         # Find the analysis module
 160         module_name = 'nominatim.tokenizer.token_analysis.' \
 161                       + _get_section(rules, 'analyzer').replace('-', '_')
 162         analysis_mod = importlib.import_module(module_name)
 163         self.create = analysis_mod.create
 164
 165         # Load the configuration.
 166         self.config = analysis_mod.configure(rules, normalization_rules)