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_from_project(monkeypatch, test_config, tokenizer_factory):
 147     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
 148     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '90300')
 149     tok = tokenizer_factory()
 150     tok.init_new_db(test_config)
 151     monkeypatch.undo()
 152
 153     tok = tokenizer_factory()
 154     tok.init_from_project()
 155
 156     assert tok.naming_rules is not None
 157     assert tok.term_normalization == ':: lower();'
 158     assert tok.max_word_frequency == '90300'
 159
 160
 161 def test_update_sql_functions(db_prop, temp_db_cursor,
 162                               tokenizer_factory, test_config, table_factory,
 163                               monkeypatch):
 164     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '1133')
 165     tok = tokenizer_factory()
 166     tok.init_new_db(test_config)
 167     monkeypatch.undo()
 168
 169     assert db_prop(legacy_icu_tokenizer.DBCFG_MAXWORDFREQ) == '1133'
 170
 171     table_factory('test', 'txt TEXT')
 172
 173     func_file = test_config.lib_dir.sql / 'tokenizer' / 'legacy_icu_tokenizer.sql'
 174     func_file.write_text("""INSERT INTO test VALUES ('{{max_word_freq}}')""")
 175
 176     tok.update_sql_functions(test_config)
 177
 178     test_content = temp_db_cursor.row_set('SELECT * FROM test')
 179     assert test_content == set((('1133', ), ))
 180
 181
 182 def test_make_standard_hnr(analyzer):
 183     with analyzer(abbr=('IV => 4',)) as anl:
 184         assert anl._make_standard_hnr('345') == '345'
 185         assert anl._make_standard_hnr('iv') == 'IV'
 186
 187
 188 def test_update_postcodes_from_db_empty(analyzer, table_factory, word_table):
 189     table_factory('location_postcode', 'postcode TEXT',
 190                   content=(('1234',), ('12 34',), ('AB23',), ('1234',)))
 191
 192     with analyzer() as anl:
 193         anl.update_postcodes_from_db()
 194
 195     assert word_table.count() == 3
 196     assert word_table.get_postcodes() == {'1234', '12 34', 'AB23'}
 197
 198
 199 def test_update_postcodes_from_db_add_and_remove(analyzer, table_factory, word_table):
 200     table_factory('location_postcode', 'postcode TEXT',
 201                   content=(('1234',), ('45BC', ), ('XX45', )))
 202     word_table.add_postcode(' 1234', '1234')
 203     word_table.add_postcode(' 5678', '5678')
 204
 205     with analyzer() as anl:
 206         anl.update_postcodes_from_db()
 207
 208     assert word_table.count() == 3
 209     assert word_table.get_postcodes() == {'1234', '45BC', 'XX45'}
 210
 211
 212 def test_update_special_phrase_empty_table(analyzer, word_table):
 213     with analyzer() as anl:
 214         anl.update_special_phrases([
 215             ("König bei", "amenity", "royal", "near"),
 216             ("Könige", "amenity", "royal", "-"),
 217             ("street", "highway", "primary", "in")
 218         ], True)
 219
 220     assert word_table.get_special() \
 221                == {(' KÖNIG BEI', 'könig bei', 'amenity', 'royal', 'near'),
 222                    (' KÖNIGE', 'könige', 'amenity', 'royal', None),
 223                    (' STREET', 'street', 'highway', 'primary', 'in')}
 224
 225
 226 def test_update_special_phrase_delete_all(analyzer, word_table):
 227     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 228     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 229
 230     assert word_table.count_special() == 2
 231
 232     with analyzer() as anl:
 233         anl.update_special_phrases([], True)
 234
 235     assert word_table.count_special() == 0
 236
 237
 238 def test_update_special_phrases_no_replace(analyzer, word_table):
 239     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 240     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 241
 242     assert word_table.count_special() == 2
 243
 244     with analyzer() as anl:
 245         anl.update_special_phrases([], False)
 246
 247     assert word_table.count_special() == 2
 248
 249
 250 def test_update_special_phrase_modify(analyzer, word_table):
 251     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 252     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 253
 254     assert word_table.count_special() == 2
 255
 256     with analyzer() as anl:
 257         anl.update_special_phrases([
 258             ('prison', 'amenity', 'prison', 'in'),
 259             ('bar', 'highway', 'road', '-'),
 260             ('garden', 'leisure', 'garden', 'near')
 261         ], True)
 262
 263     assert word_table.get_special() \
 264                == {(' PRISON', 'prison', 'amenity', 'prison', 'in'),
 265                    (' BAR', 'bar', 'highway', 'road', None),
 266                    (' GARDEN', 'garden', 'leisure', 'garden', 'near')}
 267
 268
 269 class TestPlaceNames:
 270
 271     @pytest.fixture(autouse=True)
 272     def setup(self, analyzer, getorcreate_full_word):
 273         with analyzer() as anl:
 274             self.analyzer = anl
 275             yield anl
 276
 277
 278     def expect_name_terms(self, info, *expected_terms):
 279         tokens = self.analyzer.get_word_token_info(expected_terms)
 280         for token in tokens:
 281             assert token[2] is not None, "No token for {0}".format(token)
 282
 283         assert eval(info['names']) == set((t[2] for t in tokens))
 284
 285
 286     def test_simple_names(self):
 287         info = self.analyzer.process_place({'name' : {'name' : 'Soft bAr', 'ref': '34'}})
 288
 289         self.expect_name_terms(info, '#Soft bAr', '#34','Soft', 'bAr', '34')
 290
 291
 292     @pytest.mark.parametrize('sep', [',' , ';'])
 293     def test_names_with_separator(self, sep):
 294         info = self.analyzer.process_place({'name' : {'name' : sep.join(('New York', 'Big Apple'))}})
 295
 296         self.expect_name_terms(info, '#New York', '#Big Apple',
 297                                      'new', 'york', 'big', 'apple')
 298
 299
 300     def test_full_names_with_bracket(self):
 301         info = self.analyzer.process_place({'name' : {'name' : 'Houseboat (left)'}})
 302
 303         self.expect_name_terms(info, '#Houseboat (left)', '#Houseboat',
 304                                      'houseboat', 'left')
 305
 306
 307 @pytest.mark.parametrize('pcode', ['12345', 'AB 123', '34-345'])
 308 def test_process_place_postcode(analyzer, word_table, pcode):
 309     with analyzer() as anl:
 310         anl.process_place({'address': {'postcode' : pcode}})
 311
 312     assert word_table.get_postcodes() == {pcode, }
 313
 314
 315 @pytest.mark.parametrize('pcode', ['12:23', 'ab;cd;f', '123;836'])
 316 def test_process_place_bad_postcode(analyzer, word_table, pcode):
 317     with analyzer() as anl:
 318         anl.process_place({'address': {'postcode' : pcode}})
 319
 320     assert not word_table.get_postcodes()
 321
 322
 323 @pytest.mark.parametrize('hnr', ['123a', '1', '101'])
 324 def test_process_place_housenumbers_simple(analyzer, hnr, getorcreate_hnr_id):
 325     with analyzer() as anl:
 326         info = anl.process_place({'address': {'housenumber' : hnr}})
 327
 328     assert info['hnr'] == hnr.upper()
 329     assert info['hnr_tokens'] == "{-1}"
 330
 331
 332 def test_process_place_housenumbers_lists(analyzer, getorcreate_hnr_id):
 333     with analyzer() as anl:
 334         info = anl.process_place({'address': {'conscriptionnumber' : '1; 2;3'}})
 335
 336     assert set(info['hnr'].split(';')) == set(('1', '2', '3'))
 337     assert info['hnr_tokens'] == "{-1,-2,-3}"
 338
 339
 340 def test_process_place_housenumbers_duplicates(analyzer, getorcreate_hnr_id):
 341     with analyzer() as anl:
 342         info = anl.process_place({'address': {'housenumber' : '134',
 343                                               'conscriptionnumber' : '134',
 344                                               'streetnumber' : '99a'}})
 345
 346     assert set(info['hnr'].split(';')) == set(('134', '99A'))
 347     assert info['hnr_tokens'] == "{-1,-2}"