lucene-java-3.5.0/lucene/contrib/icu/src/test/org/apache/lucene/analysis/icu/segmentation/TestLaoBreakIterator.java

   1 package org.apache.lucene.analysis.icu.segmentation;
   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 import java.io.InputStream;
  21
  22 import org.apache.lucene.util.LuceneTestCase;
  23
  24 import com.ibm.icu.lang.UCharacter;
  25 import com.ibm.icu.text.BreakIterator;
  26 import com.ibm.icu.text.RuleBasedBreakIterator;
  27 import com.ibm.icu.text.UTF16;
  28
  29 /**
  30  * Tests LaoBreakIterator and its RBBI rules
  31  */
  32 public class TestLaoBreakIterator extends LuceneTestCase {
  33   private BreakIterator wordIterator;
  34
  35   @Override
  36   public void setUp() throws Exception {
  37     super.setUp();
  38     InputStream is = getClass().getResourceAsStream("Lao.brk");
  39     wordIterator = new LaoBreakIterator(RuleBasedBreakIterator.getInstanceFromCompiledRules(is));
  40     is.close();
  41   }
  42
  43   private void assertBreaksTo(BreakIterator iterator, String sourceText, String tokens[]) {
  44     char text[] = sourceText.toCharArray();
  45     CharArrayIterator ci = new CharArrayIterator();
  46     ci.setText(text, 0, text.length);
  47     iterator.setText(ci);
  48
  49     for (int i = 0; i < tokens.length; i++) {
  50       int start, end;
  51       do {
  52         start = iterator.current();
  53         end = iterator.next();
  54       } while (end != BreakIterator.DONE && !isWord(text, start, end));
  55       assertTrue(start != BreakIterator.DONE);
  56       assertTrue(end != BreakIterator.DONE);
  57       assertEquals(tokens[i], new String(text, start, end - start));
  58     }
  59
  60     assertTrue(iterator.next() == BreakIterator.DONE);
  61   }
  62
  63   protected boolean isWord(char text[], int start, int end) {
  64     int codepoint;
  65     for (int i = start; i < end; i += UTF16.getCharCount(codepoint)) {
  66       codepoint = UTF16.charAt(text, 0, end, start);
  67
  68       if (UCharacter.isLetterOrDigit(codepoint))
  69         return true;
  70       }
  71
  72     return false;
  73   }
  74
  75   public void testBasicUsage() throws Exception {
  76     assertBreaksTo(wordIterator, "ກວ່າດອກ", new String[] { "ກວ່າ", "ດອກ" });
  77     assertBreaksTo(wordIterator, "ຜູ້ເຂົ້າ", new String[] { "ຜູ້", "ເຂົ້າ" });
  78     assertBreaksTo(wordIterator, "", new String[] {});
  79     assertBreaksTo(wordIterator, "ສະບາຍດີ", new String[] { "ສະ", "ບາຍ", "ດີ" });
  80   }
  81
  82   public void testNumerics() throws Exception {
  83     assertBreaksTo(wordIterator, "໐໑໒໓", new String[] { "໐໑໒໓" });
  84     assertBreaksTo(wordIterator, "໐໑໒໓.໕໖", new String[] { "໐໑໒໓.໕໖" });
  85   }
  86
  87   public void testTextAndNumerics() throws Exception {
  88     assertBreaksTo(wordIterator, "ກວ່າດອກ໐໑໒໓", new String[] { "ກວ່າ", "ດອກ", "໐໑໒໓" });
  89   }
  90 }