lucene-java-3.5.0/lucene/contrib/analyzers/common/src/java/org/apache/lucene/analysis/de/GermanLightStemmer.java

   1 package org.apache.lucene.analysis.de;
   2
   3 /**
   4  * Licensed to the Apache Software Foundation (ASF) under one or more
   5  * contributor license agreements.  See the NOTICE file distributed with
   6  * this work for additional information regarding copyright ownership.
   7  * The ASF licenses this file to You under the Apache License, Version 2.0
   8  * (the "License"); you may not use this file except in compliance with
   9  * the License.  You may obtain a copy of the License at
  10  *
  11  *     http://www.apache.org/licenses/LICENSE-2.0
  12  *
  13  * Unless required by applicable law or agreed to in writing, software
  14  * distributed under the License is distributed on an "AS IS" BASIS,
  15  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  16  * See the License for the specific language governing permissions and
  17  * limitations under the License.
  18  */
  19
  20 /*
  21  * This algorithm is updated based on code located at:
  22  * http://members.unine.ch/jacques.savoy/clef/
  23  *
  24  * Full copyright for that code follows:
  25  */
  26
  27 /*
  28  * Copyright (c) 2005, Jacques Savoy
  29  * All rights reserved.
  30  *
  31  * Redistribution and use in source and binary forms, with or without
  32  * modification, are permitted provided that the following conditions are met:
  33  *
  34  * Redistributions of source code must retain the above copyright notice, this
  35  * list of conditions and the following disclaimer. Redistributions in binary
  36  * form must reproduce the above copyright notice, this list of conditions and
  37  * the following disclaimer in the documentation and/or other materials
  38  * provided with the distribution. Neither the name of the author nor the names
  39  * of its contributors may be used to endorse or promote products derived from
  40  * this software without specific prior written permission.
  41  *
  42  * THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS"
  43  * AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  44  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  45  * ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT HOLDER OR CONTRIBUTORS BE
  46  * LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR
  47  * CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF
  48  * SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS
  49  * INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN
  50  * CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
  51  * ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
  52  * POSSIBILITY OF SUCH DAMAGE.
  53  */
  54
  55 /**
  56  * Light Stemmer for German.
  57  * <p>
  58  * This stemmer implements the "UniNE" algorithm in:
  59  * <i>Light Stemming Approaches for the French, Portuguese, German and Hungarian Languages</i>
  60  * Jacques Savoy
  61  */
  62 public class GermanLightStemmer {
  63
  64   public int stem(char s[], int len) {
  65     for (int i = 0; i < len; i++)
  66       switch(s[i]) {
  67         case 'ä':
  68         case 'à':
  69         case 'á':
  70         case 'â': s[i] = 'a'; break;
  71         case 'ö':
  72         case 'ò':
  73         case 'ó':
  74         case 'ô': s[i] = 'o'; break;
  75         case 'ï':
  76         case 'ì':
  77         case 'í':
  78         case 'î': s[i] = 'i'; break;
  79         case 'ü':
  80         case 'ù':
  81         case 'ú':
  82         case 'û': s[i] = 'u'; break;
  83       }
  84
  85     len = step1(s, len);
  86     return step2(s, len);
  87   }
  88
  89   private boolean stEnding(char ch) {
  90     switch(ch) {
  91       case 'b':
  92       case 'd':
  93       case 'f':
  94       case 'g':
  95       case 'h':
  96       case 'k':
  97       case 'l':
  98       case 'm':
  99       case 'n':
 100       case 't': return true;
 101       default: return false;
 102     }
 103   }
 104
 105   private int step1(char s[], int len) {
 106     if (len > 5 && s[len-3] == 'e' && s[len-2] == 'r' && s[len-1] == 'n')
 107       return len - 3;
 108
 109     if (len > 4 && s[len-2] == 'e')
 110       switch(s[len-1]) {
 111         case 'm':
 112         case 'n':
 113         case 'r':
 114         case 's': return len - 2;
 115       }
 116
 117     if (len > 3 && s[len-1] == 'e')
 118       return len - 1;
 119
 120     if (len > 3 && s[len-1] == 's' && stEnding(s[len-2]))
 121       return len - 1;
 122
 123     return len;
 124   }
 125
 126   private int step2(char s[], int len) {
 127     if (len > 5 && s[len-3] == 'e' && s[len-2] == 's' && s[len-1] == 't')
 128       return len - 3;
 129
 130     if (len > 4 && s[len-2] == 'e' && (s[len-1] == 'r' || s[len-1] == 'n'))
 131       return len - 2;
 132
 133     if (len > 4 && s[len-2] == 's' && s[len-1] == 't' && stEnding(s[len-3]))
 134       return len - 2;
 135
 136     return len;
 137   }
 138 }