lucene-java-3.4.0/lucene/contrib/analyzers/common/src/java/org/apache/lucene/analysis/wikipedia/WikipediaTokenizerImpl.java

   1 /* The following code was generated by JFlex 1.5.0-SNAPSHOT on 10/3/10 8:05 AM */
   2
   3 package org.apache.lucene.analysis.wikipedia;
   4
   5 /**
   6  * Licensed to the Apache Software Foundation (ASF) under one or more
   7  * contributor license agreements.  See the NOTICE file distributed with
   8  * this work for additional information regarding copyright ownership.
   9  * The ASF licenses this file to You under the Apache License, Version 2.0
  10  * (the "License"); you may not use this file except in compliance with
  11  * the License.  You may obtain a copy of the License at
  12  *
  13  *     http://www.apache.org/licenses/LICENSE-2.0
  14  *
  15  * Unless required by applicable law or agreed to in writing, software
  16  * distributed under the License is distributed on an "AS IS" BASIS,
  17  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  18  * See the License for the specific language governing permissions and
  19  * limitations under the License.
  20  */
  21
  22 import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
  23
  24
  25 /**
  26  * This class is a scanner generated by
  27  * <a href="http://www.jflex.de/">JFlex</a> 1.5.0-SNAPSHOT
  28  * on 10/3/10 8:05 AM from the specification file
  29  * <tt>C:/Users/rmuir/workspace/lucene_3xclean/lucene/contrib/analyzers/common/src/java/org/apache/lucene/analysis/wikipedia/WikipediaTokenizerImpl.jflex</tt>
  30  */
  31 class WikipediaTokenizerImpl {
  32
  33   /** This character denotes the end of file */
  34   public static final int YYEOF = -1;
  35
  36   /** initial size of the lookahead buffer */
  37   private static final int ZZ_BUFFERSIZE = 16384;
  38
  39   /** lexical states */
  40   public static final int THREE_SINGLE_QUOTES_STATE = 10;
  41   public static final int EXTERNAL_LINK_STATE = 6;
  42   public static final int DOUBLE_EQUALS_STATE = 14;
  43   public static final int INTERNAL_LINK_STATE = 4;
  44   public static final int DOUBLE_BRACE_STATE = 16;
  45   public static final int CATEGORY_STATE = 2;
  46   public static final int YYINITIAL = 0;
  47   public static final int STRING = 18;
  48   public static final int FIVE_SINGLE_QUOTES_STATE = 12;
  49   public static final int TWO_SINGLE_QUOTES_STATE = 8;
  50
  51   /**
  52    * ZZ_LEXSTATE[l] is the state in the DFA for the lexical state l
  53    * ZZ_LEXSTATE[l+1] is the state in the DFA for the lexical state l
  54    *                  at the beginning of a line
  55    * l is of the form l = 2*k, k a non negative integer
  56    */
  57   private static final int ZZ_LEXSTATE[] = {
  58      0,  0,  1,  1,  2,  2,  3,  3,  4,  4,  5,  5,  6,  6,  7,  7,
  59      8,  8,  9, 9
  60   };
  61
  62   /**
  63    * Translates characters to character classes
  64    */
  65   private static final String ZZ_CMAP_PACKED =
  66     "\11\0\1\24\1\23\1\0\1\24\1\22\22\0\1\24\1\0\1\12"+
  67     "\1\53\2\0\1\3\1\1\4\0\1\14\1\5\1\2\1\10\12\16"+
  68     "\1\27\1\0\1\7\1\11\1\13\1\53\1\4\2\15\1\30\5\15"+
  69     "\1\41\21\15\1\25\1\0\1\26\1\0\1\6\1\0\1\31\1\43"+
  70     "\2\15\1\33\1\40\1\34\1\50\1\41\4\15\1\42\1\35\1\51"+
  71     "\1\15\1\36\1\52\1\32\3\15\1\44\1\37\1\15\1\45\1\47"+
  72     "\1\46\102\0\27\15\1\0\37\15\1\0\u0568\15\12\17\206\15\12\17"+
  73     "\u026c\15\12\17\166\15\12\17\166\15\12\17\166\15\12\17\166\15\12\17"+
  74     "\167\15\11\17\166\15\12\17\166\15\12\17\166\15\12\17\340\15\12\17"+
  75     "\166\15\12\17\u0166\15\12\17\266\15\u0100\15\u0e00\15\u1040\0\u0150\21\140\0"+
  76     "\20\21\u0100\0\200\21\200\0\u19c0\21\100\0\u5200\21\u0c00\0\u2bb0\20\u2150\0"+
  77     "\u0200\21\u0465\0\73\21\75\15\43\0";
  78
  79   /**
  80    * Translates characters to character classes
  81    */
  82   private static final char [] ZZ_CMAP = zzUnpackCMap(ZZ_CMAP_PACKED);
  83
  84   /**
  85    * Translates DFA states to action switch labels.
  86    */
  87   private static final int [] ZZ_ACTION = zzUnpackAction();
  88
  89   private static final String ZZ_ACTION_PACKED_0 =
  90     "\12\0\4\1\4\2\1\3\1\1\1\4\1\1\2\5"+
  91     "\1\6\2\5\1\7\1\5\2\10\1\11\1\12\1\11"+
  92     "\1\13\1\14\1\10\1\15\1\16\1\15\1\17\1\20"+
  93     "\1\10\1\21\1\10\4\22\1\23\1\22\1\24\1\25"+
  94     "\1\26\3\0\1\27\14\0\1\30\1\31\1\32\1\33"+
  95     "\1\11\1\0\1\34\1\35\1\0\1\36\1\0\1\37"+
  96     "\3\0\1\40\1\41\2\42\1\41\2\43\2\0\1\42"+
  97     "\1\0\14\42\1\41\3\0\1\11\1\44\3\0\1\45"+
  98     "\1\46\5\0\1\47\4\0\1\47\2\0\2\47\2\0"+
  99     "\1\11\5\0\1\31\1\41\1\42\1\50\3\0\1\11"+
 100     "\2\0\1\51\30\0\1\52\2\0\1\53\1\54\1\55";
 101
 102   private static int [] zzUnpackAction() {
 103     int [] result = new int[183];
 104     int offset = 0;
 105     offset = zzUnpackAction(ZZ_ACTION_PACKED_0, offset, result);
 106     return result;
 107   }
 108
 109   private static int zzUnpackAction(String packed, int offset, int [] result) {
 110     int i = 0;       /* index in packed string  */
 111     int j = offset;  /* index in unpacked array */
 112     int l = packed.length();
 113     while (i < l) {
 114       int count = packed.charAt(i++);
 115       int value = packed.charAt(i++);
 116       do result[j++] = value; while (--count > 0);
 117     }
 118     return j;
 119   }
 120
 121
 122   /**
 123    * Translates a state to a row index in the transition table
 124    */
 125   private static final int [] ZZ_ROWMAP = zzUnpackRowMap();
 126
 127   private static final String ZZ_ROWMAP_PACKED_0 =
 128     "\0\0\0\54\0\130\0\204\0\260\0\334\0\u0108\0\u0134"+
 129     "\0\u0160\0\u018c\0\u01b8\0\u01e4\0\u0210\0\u023c\0\u0268\0\u0294"+
 130     "\0\u02c0\0\u02ec\0\u01b8\0\u0318\0\u0344\0\u0370\0\u01b8\0\u039c"+
 131     "\0\u03c8\0\u03f4\0\u0420\0\u044c\0\u0478\0\u01b8\0\u039c\0\u04a4"+
 132     "\0\u01b8\0\u04d0\0\u04fc\0\u0528\0\u0554\0\u0580\0\u05ac\0\u05d8"+
 133     "\0\u0604\0\u0630\0\u065c\0\u0688\0\u06b4\0\u01b8\0\u06e0\0\u039c"+
 134     "\0\u070c\0\u0738\0\u0764\0\u0790\0\u01b8\0\u01b8\0\u07bc\0\u07e8"+
 135     "\0\u0814\0\u01b8\0\u0840\0\u086c\0\u0898\0\u08c4\0\u08f0\0\u091c"+
 136     "\0\u0948\0\u0974\0\u09a0\0\u09cc\0\u09f8\0\u0a24\0\u0a50\0\u0a7c"+
 137     "\0\u01b8\0\u01b8\0\u0aa8\0\u0ad4\0\u0b00\0\u0b00\0\u0b2c\0\u0b58"+
 138     "\0\u0b84\0\u0bb0\0\u0bdc\0\u0c08\0\u0c34\0\u0c60\0\u0c8c\0\u0cb8"+
 139     "\0\u0ce4\0\u0d10\0\u0898\0\u0d3c\0\u0d68\0\u0d94\0\u0dc0\0\u0dec"+
 140     "\0\u0e18\0\u0e44\0\u0e70\0\u0e9c\0\u0ec8\0\u0ef4\0\u0f20\0\u0f4c"+
 141     "\0\u0f78\0\u0fa4\0\u0fd0\0\u0ffc\0\u1028\0\u1054\0\u1080\0\u10ac"+
 142     "\0\u10d8\0\u01b8\0\u1104\0\u1130\0\u115c\0\u1188\0\u01b8\0\u11b4"+
 143     "\0\u11e0\0\u120c\0\u1238\0\u1264\0\u1290\0\u12bc\0\u12e8\0\u1314"+
 144     "\0\u1340\0\u136c\0\u1398\0\u13c4\0\u086c\0\u09f8\0\u13f0\0\u141c"+
 145     "\0\u1448\0\u1474\0\u14a0\0\u14cc\0\u14f8\0\u1524\0\u01b8\0\u1550"+
 146     "\0\u157c\0\u15a8\0\u15d4\0\u1600\0\u162c\0\u1658\0\u1684\0\u16b0"+
 147     "\0\u01b8\0\u16dc\0\u1708\0\u1734\0\u1760\0\u178c\0\u17b8\0\u17e4"+
 148     "\0\u1810\0\u183c\0\u1868\0\u1894\0\u18c0\0\u18ec\0\u1918\0\u1944"+
 149     "\0\u1970\0\u199c\0\u19c8\0\u19f4\0\u1a20\0\u1a4c\0\u1a78\0\u1aa4"+
 150     "\0\u1ad0\0\u1afc\0\u1b28\0\u1b54\0\u01b8\0\u01b8\0\u01b8";
 151
 152   private static int [] zzUnpackRowMap() {
 153     int [] result = new int[183];
 154     int offset = 0;
 155     offset = zzUnpackRowMap(ZZ_ROWMAP_PACKED_0, offset, result);
 156     return result;
 157   }
 158
 159   private static int zzUnpackRowMap(String packed, int offset, int [] result) {
 160     int i = 0;  /* index in packed string  */
 161     int j = offset;  /* index in unpacked array */
 162     int l = packed.length();
 163     while (i < l) {
 164       int high = packed.charAt(i++) << 16;
 165       result[j++] = high | packed.charAt(i++);
 166     }
 167     return j;
 168   }
 169
 170   /**
 171    * The transition table of the DFA
 172    */
 173   private static final int [] ZZ_TRANS = zzUnpackTrans();
 174
 175   private static final String ZZ_TRANS_PACKED_0 =
 176     "\1\13\1\14\5\13\1\15\1\13\1\16\3\13\1\17"+
 177     "\1\20\1\21\1\22\1\23\1\24\2\13\1\25\2\13"+
 178     "\15\17\1\26\2\13\3\17\1\13\7\27\1\30\5\27"+
 179     "\4\31\1\27\1\32\3\27\1\33\1\27\15\31\3\27"+
 180     "\3\31\10\27\1\30\5\27\4\34\1\27\1\32\3\27"+
 181     "\1\35\1\27\15\34\3\27\3\34\1\27\7\36\1\37"+
 182     "\5\36\4\40\1\36\1\32\2\27\1\36\1\41\1\36"+
 183     "\15\40\3\36\1\42\2\40\2\36\1\43\5\36\1\37"+
 184     "\5\36\4\44\1\36\1\45\2\36\1\46\2\36\15\44"+
 185     "\3\36\3\44\10\36\1\37\5\36\4\47\1\36\1\45"+
 186     "\2\36\1\46\2\36\15\47\3\36\3\47\10\36\1\37"+
 187     "\5\36\4\47\1\36\1\45\2\36\1\50\2\36\15\47"+
 188     "\3\36\3\47\10\36\1\37\1\36\1\51\3\36\4\52"+
 189     "\1\36\1\45\5\36\15\52\3\36\3\52\10\36\1\53"+
 190     "\5\36\4\54\1\36\1\45\5\36\15\54\1\36\1\55"+
 191     "\1\36\3\54\1\36\1\56\1\57\5\56\1\60\1\56"+
 192     "\1\61\3\56\4\62\1\56\1\63\2\56\1\64\2\56"+
 193     "\15\62\2\56\1\65\3\62\1\56\55\0\1\66\62\0"+
 194     "\1\67\4\0\4\70\7\0\6\70\1\71\6\70\3\0"+
 195     "\3\70\12\0\1\72\43\0\1\73\1\74\1\75\1\76"+
 196     "\2\77\1\0\1\100\3\0\1\100\1\17\1\20\1\21"+
 197     "\1\22\7\0\15\17\3\0\3\17\3\0\1\101\1\0"+
 198     "\1\102\2\103\1\0\1\104\3\0\1\104\3\20\1\22"+
 199     "\7\0\15\20\3\0\3\20\2\0\1\73\1\105\1\75"+
 200     "\1\76\2\103\1\0\1\104\3\0\1\104\1\21\1\20"+
 201     "\1\21\1\22\7\0\15\21\3\0\3\21\3\0\1\106"+
 202     "\1\0\1\102\2\77\1\0\1\100\3\0\1\100\4\22"+
 203     "\7\0\15\22\3\0\3\22\24\0\1\13\55\0\1\107"+
 204     "\73\0\1\110\16\0\1\67\4\0\4\70\7\0\15\70"+
 205     "\3\0\3\70\16\0\4\31\7\0\15\31\3\0\3\31"+
 206     "\24\0\1\27\56\0\1\111\42\0\4\34\7\0\15\34"+
 207     "\3\0\3\34\27\0\1\112\42\0\4\40\7\0\15\40"+
 208     "\3\0\3\40\16\0\4\40\7\0\2\40\1\113\12\40"+
 209     "\3\0\3\40\2\0\1\114\67\0\4\44\7\0\15\44"+
 210     "\3\0\3\44\24\0\1\36\55\0\1\115\43\0\4\47"+
 211     "\7\0\15\47\3\0\3\47\26\0\1\116\37\0\1\111"+
 212     "\57\0\4\52\7\0\15\52\3\0\3\52\11\0\1\117"+
 213     "\4\0\4\70\7\0\15\70\3\0\3\70\16\0\4\54"+
 214     "\7\0\15\54\3\0\3\54\47\0\1\111\6\0\1\120"+
 215     "\63\0\1\121\57\0\4\62\7\0\15\62\3\0\3\62"+
 216     "\24\0\1\56\55\0\1\122\43\0\4\70\7\0\15\70"+
 217     "\3\0\3\70\14\0\1\36\1\0\4\123\1\0\3\124"+
 218     "\3\0\15\123\3\0\3\123\14\0\1\36\1\0\4\123"+
 219     "\1\0\3\124\3\0\3\123\1\125\11\123\3\0\3\123"+
 220     "\16\0\1\126\1\0\1\126\10\0\15\126\3\0\3\126"+
 221     "\16\0\1\127\1\130\1\131\1\132\7\0\15\127\3\0"+
 222     "\3\127\16\0\1\133\1\0\1\133\10\0\15\133\3\0"+
 223     "\3\133\16\0\1\134\1\135\1\134\1\135\7\0\15\134"+
 224     "\3\0\3\134\16\0\1\136\2\137\1\140\7\0\15\136"+
 225     "\3\0\3\136\16\0\1\100\2\141\10\0\15\100\3\0"+
 226     "\3\100\16\0\1\142\2\143\1\144\7\0\15\142\3\0"+
 227     "\3\142\16\0\4\135\7\0\15\135\3\0\3\135\16\0"+
 228     "\1\145\2\146\1\147\7\0\15\145\3\0\3\145\16\0"+
 229     "\1\150\2\151\1\152\7\0\15\150\3\0\3\150\16\0"+
 230     "\1\153\1\143\1\154\1\144\7\0\15\153\3\0\3\153"+
 231     "\16\0\1\155\2\130\1\132\7\0\15\155\3\0\3\155"+
 232     "\30\0\1\156\1\157\64\0\1\160\27\0\4\40\7\0"+
 233     "\2\40\1\161\12\40\3\0\3\40\2\0\1\162\101\0"+
 234     "\1\163\1\164\40\0\4\70\7\0\6\70\1\165\6\70"+
 235     "\3\0\3\70\2\0\1\166\63\0\1\167\71\0\1\170"+
 236     "\1\171\34\0\1\172\1\0\1\36\1\0\4\123\1\0"+
 237     "\3\124\3\0\15\123\3\0\3\123\16\0\4\173\1\0"+
 238     "\3\124\3\0\15\173\3\0\3\173\12\0\1\172\1\0"+
 239     "\1\36\1\0\4\123\1\0\3\124\3\0\10\123\1\174"+
 240     "\4\123\3\0\3\123\2\0\1\73\13\0\1\126\1\0"+
 241     "\1\126\10\0\15\126\3\0\3\126\3\0\1\175\1\0"+
 242     "\1\102\2\176\6\0\1\127\1\130\1\131\1\132\7\0"+
 243     "\15\127\3\0\3\127\3\0\1\177\1\0\1\102\2\200"+
 244     "\1\0\1\201\3\0\1\201\3\130\1\132\7\0\15\130"+
 245     "\3\0\3\130\3\0\1\202\1\0\1\102\2\200\1\0"+
 246     "\1\201\3\0\1\201\1\131\1\130\1\131\1\132\7\0"+
 247     "\15\131\3\0\3\131\3\0\1\203\1\0\1\102\2\176"+
 248     "\6\0\4\132\7\0\15\132\3\0\3\132\3\0\1\204"+
 249     "\2\0\1\204\7\0\1\134\1\135\1\134\1\135\7\0"+
 250     "\15\134\3\0\3\134\3\0\1\204\2\0\1\204\7\0"+
 251     "\4\135\7\0\15\135\3\0\3\135\3\0\1\176\1\0"+
 252     "\1\102\2\176\6\0\1\136\2\137\1\140\7\0\15\136"+
 253     "\3\0\3\136\3\0\1\200\1\0\1\102\2\200\1\0"+
 254     "\1\201\3\0\1\201\3\137\1\140\7\0\15\137\3\0"+
 255     "\3\137\3\0\1\176\1\0\1\102\2\176\6\0\4\140"+
 256     "\7\0\15\140\3\0\3\140\3\0\1\201\2\0\2\201"+
 257     "\1\0\1\201\3\0\1\201\3\141\10\0\15\141\3\0"+
 258     "\3\141\3\0\1\106\1\0\1\102\2\77\1\0\1\100"+
 259     "\3\0\1\100\1\142\2\143\1\144\7\0\15\142\3\0"+
 260     "\3\142\3\0\1\101\1\0\1\102\2\103\1\0\1\104"+
 261     "\3\0\1\104\3\143\1\144\7\0\15\143\3\0\3\143"+
 262     "\3\0\1\106\1\0\1\102\2\77\1\0\1\100\3\0"+
 263     "\1\100\4\144\7\0\15\144\3\0\3\144\3\0\1\77"+
 264     "\1\0\1\102\2\77\1\0\1\100\3\0\1\100\1\145"+
 265     "\2\146\1\147\7\0\15\145\3\0\3\145\3\0\1\103"+
 266     "\1\0\1\102\2\103\1\0\1\104\3\0\1\104\3\146"+
 267     "\1\147\7\0\15\146\3\0\3\146\3\0\1\77\1\0"+
 268     "\1\102\2\77\1\0\1\100\3\0\1\100\4\147\7\0"+
 269     "\15\147\3\0\3\147\3\0\1\100\2\0\2\100\1\0"+
 270     "\1\100\3\0\1\100\1\150\2\151\1\152\7\0\15\150"+
 271     "\3\0\3\150\3\0\1\104\2\0\2\104\1\0\1\104"+
 272     "\3\0\1\104\3\151\1\152\7\0\15\151\3\0\3\151"+
 273     "\3\0\1\100\2\0\2\100\1\0\1\100\3\0\1\100"+
 274     "\4\152\7\0\15\152\3\0\3\152\3\0\1\205\1\0"+
 275     "\1\102\2\77\1\0\1\100\3\0\1\100\1\153\1\143"+
 276     "\1\154\1\144\7\0\15\153\3\0\3\153\3\0\1\206"+
 277     "\1\0\1\102\2\103\1\0\1\104\3\0\1\104\1\154"+
 278     "\1\143\1\154\1\144\7\0\15\154\3\0\3\154\3\0"+
 279     "\1\203\1\0\1\102\2\176\6\0\1\155\2\130\1\132"+
 280     "\7\0\15\155\3\0\3\155\31\0\1\157\54\0\1\207"+
 281     "\64\0\1\210\26\0\4\40\7\0\15\40\3\0\1\40"+
 282     "\1\211\1\40\31\0\1\164\54\0\1\212\35\0\1\36"+
 283     "\1\0\4\123\1\0\3\124\3\0\3\123\1\213\11\123"+
 284     "\3\0\3\123\2\0\1\214\102\0\1\171\54\0\1\215"+
 285     "\34\0\1\216\52\0\1\172\3\0\4\173\7\0\15\173"+
 286     "\3\0\3\173\12\0\1\172\1\0\1\217\1\0\4\123"+
 287     "\1\0\3\124\3\0\15\123\3\0\3\123\16\0\1\220"+
 288     "\1\132\1\220\1\132\7\0\15\220\3\0\3\220\16\0"+
 289     "\4\140\7\0\15\140\3\0\3\140\16\0\4\144\7\0"+
 290     "\15\144\3\0\3\144\16\0\4\147\7\0\15\147\3\0"+
 291     "\3\147\16\0\4\152\7\0\15\152\3\0\3\152\16\0"+
 292     "\1\221\1\144\1\221\1\144\7\0\15\221\3\0\3\221"+
 293     "\16\0\4\132\7\0\15\132\3\0\3\132\16\0\4\222"+
 294     "\7\0\15\222\3\0\3\222\33\0\1\223\61\0\1\224"+
 295     "\30\0\4\40\6\0\1\225\15\40\3\0\2\40\1\226"+
 296     "\33\0\1\227\32\0\1\172\1\0\1\36\1\0\4\123"+
 297     "\1\0\3\124\3\0\10\123\1\230\4\123\3\0\3\123"+
 298     "\2\0\1\231\104\0\1\232\36\0\4\233\7\0\15\233"+
 299     "\3\0\3\233\3\0\1\175\1\0\1\102\2\176\6\0"+
 300     "\1\220\1\132\1\220\1\132\7\0\15\220\3\0\3\220"+
 301     "\3\0\1\205\1\0\1\102\2\77\1\0\1\100\3\0"+
 302     "\1\100\1\221\1\144\1\221\1\144\7\0\15\221\3\0"+
 303     "\3\221\3\0\1\204\2\0\1\204\7\0\4\222\7\0"+
 304     "\15\222\3\0\3\222\34\0\1\234\55\0\1\235\26\0"+
 305     "\1\236\60\0\4\40\6\0\1\225\15\40\3\0\3\40"+
 306     "\34\0\1\237\31\0\1\172\1\0\1\111\1\0\4\123"+
 307     "\1\0\3\124\3\0\15\123\3\0\3\123\34\0\1\240"+
 308     "\32\0\1\241\2\0\4\233\7\0\15\233\3\0\3\233"+
 309     "\35\0\1\242\62\0\1\243\20\0\1\244\77\0\1\245"+
 310     "\53\0\1\246\32\0\1\36\1\0\4\173\1\0\3\124"+
 311     "\3\0\15\173\3\0\3\173\36\0\1\247\53\0\1\250"+
 312     "\33\0\4\251\7\0\15\251\3\0\3\251\36\0\1\252"+
 313     "\53\0\1\253\54\0\1\254\61\0\1\255\11\0\1\256"+
 314     "\12\0\4\251\7\0\15\251\3\0\3\251\37\0\1\257"+
 315     "\53\0\1\260\54\0\1\261\22\0\1\13\62\0\4\262"+
 316     "\7\0\15\262\3\0\3\262\40\0\1\263\53\0\1\264"+
 317     "\43\0\1\265\26\0\2\262\1\0\2\262\1\0\2\262"+
 318     "\2\0\5\262\7\0\15\262\3\0\4\262\27\0\1\266"+
 319     "\53\0\1\267\24\0";
 320
 321   private static int [] zzUnpackTrans() {
 322     int [] result = new int[7040];
 323     int offset = 0;
 324     offset = zzUnpackTrans(ZZ_TRANS_PACKED_0, offset, result);
 325     return result;
 326   }
 327
 328   private static int zzUnpackTrans(String packed, int offset, int [] result) {
 329     int i = 0;       /* index in packed string  */
 330     int j = offset;  /* index in unpacked array */
 331     int l = packed.length();
 332     while (i < l) {
 333       int count = packed.charAt(i++);
 334       int value = packed.charAt(i++);
 335       value--;
 336       do result[j++] = value; while (--count > 0);
 337     }
 338     return j;
 339   }
 340
 341
 342   /* error codes */
 343   private static final int ZZ_UNKNOWN_ERROR = 0;
 344   private static final int ZZ_NO_MATCH = 1;
 345   private static final int ZZ_PUSHBACK_2BIG = 2;
 346
 347   /* error messages for the codes above */
 348   private static final String ZZ_ERROR_MSG[] = {
 349     "Unkown internal scanner error",
 350     "Error: could not match input",
 351     "Error: pushback value was too large"
 352   };
 353
 354   /**
 355    * ZZ_ATTRIBUTE[aState] contains the attributes of state <code>aState</code>
 356    */
 357   private static final int [] ZZ_ATTRIBUTE = zzUnpackAttribute();
 358
 359   private static final String ZZ_ATTRIBUTE_PACKED_0 =
 360     "\12\0\1\11\7\1\1\11\3\1\1\11\6\1\1\11"+
 361     "\2\1\1\11\14\1\1\11\6\1\2\11\3\0\1\11"+
 362     "\14\0\2\1\2\11\1\1\1\0\2\1\1\0\1\1"+
 363     "\1\0\1\1\3\0\7\1\2\0\1\1\1\0\15\1"+
 364     "\3\0\1\1\1\11\3\0\1\1\1\11\5\0\1\1"+
 365     "\4\0\1\1\2\0\2\1\2\0\1\1\5\0\1\11"+
 366     "\3\1\3\0\1\1\2\0\1\11\30\0\1\1\2\0"+
 367     "\3\11";
 368
 369   private static int [] zzUnpackAttribute() {
 370     int [] result = new int[183];
 371     int offset = 0;
 372     offset = zzUnpackAttribute(ZZ_ATTRIBUTE_PACKED_0, offset, result);
 373     return result;
 374   }
 375
 376   private static int zzUnpackAttribute(String packed, int offset, int [] result) {
 377     int i = 0;       /* index in packed string  */
 378     int j = offset;  /* index in unpacked array */
 379     int l = packed.length();
 380     while (i < l) {
 381       int count = packed.charAt(i++);
 382       int value = packed.charAt(i++);
 383       do result[j++] = value; while (--count > 0);
 384     }
 385     return j;
 386   }
 387
 388   /** the input device */
 389   private java.io.Reader zzReader;
 390
 391   /** the current state of the DFA */
 392   private int zzState;
 393
 394   /** the current lexical state */
 395   private int zzLexicalState = YYINITIAL;
 396
 397   /** this buffer contains the current text to be matched and is
 398       the source of the yytext() string */
 399   private char zzBuffer[] = new char[ZZ_BUFFERSIZE];
 400
 401   /** the textposition at the last accepting state */
 402   private int zzMarkedPos;
 403
 404   /** the current text position in the buffer */
 405   private int zzCurrentPos;
 406
 407   /** startRead marks the beginning of the yytext() string in the buffer */
 408   private int zzStartRead;
 409
 410   /** endRead marks the last character in the buffer, that has been read
 411       from input */
 412   private int zzEndRead;
 413
 414   /** number of newlines encountered up to the start of the matched text */
 415   private int yyline;
 416
 417   /** the number of characters up to the start of the matched text */
 418   private int yychar;
 419
 420   /**
 421    * the number of characters from the last newline up to the start of the
 422    * matched text
 423    */
 424   private int yycolumn;
 425
 426   /**
 427    * zzAtBOL == true <=> the scanner is currently at the beginning of a line
 428    */
 429   private boolean zzAtBOL = true;
 430
 431   /** zzAtEOF == true <=> the scanner is at the EOF */
 432   private boolean zzAtEOF;
 433
 434   /** denotes if the user-EOF-code has already been executed */
 435   private boolean zzEOFDone;
 436
 437   /* user code: */
 438
 439 public static final int ALPHANUM          = WikipediaTokenizer.ALPHANUM_ID;
 440 public static final int APOSTROPHE        = WikipediaTokenizer.APOSTROPHE_ID;
 441 public static final int ACRONYM           = WikipediaTokenizer.ACRONYM_ID;
 442 public static final int COMPANY           = WikipediaTokenizer.COMPANY_ID;
 443 public static final int EMAIL             = WikipediaTokenizer.EMAIL_ID;
 444 public static final int HOST              = WikipediaTokenizer.HOST_ID;
 445 public static final int NUM               = WikipediaTokenizer.NUM_ID;
 446 public static final int CJ                = WikipediaTokenizer.CJ_ID;
 447 public static final int INTERNAL_LINK     = WikipediaTokenizer.INTERNAL_LINK_ID;
 448 public static final int EXTERNAL_LINK     = WikipediaTokenizer.EXTERNAL_LINK_ID;
 449 public static final int CITATION          = WikipediaTokenizer.CITATION_ID;
 450 public static final int CATEGORY          = WikipediaTokenizer.CATEGORY_ID;
 451 public static final int BOLD              = WikipediaTokenizer.BOLD_ID;
 452 public static final int ITALICS           = WikipediaTokenizer.ITALICS_ID;
 453 public static final int BOLD_ITALICS      = WikipediaTokenizer.BOLD_ITALICS_ID;
 454 public static final int HEADING           = WikipediaTokenizer.HEADING_ID;
 455 public static final int SUB_HEADING       = WikipediaTokenizer.SUB_HEADING_ID;
 456 public static final int EXTERNAL_LINK_URL = WikipediaTokenizer.EXTERNAL_LINK_URL_ID;
 457
 458
 459 private int currentTokType;
 460 private int numBalanced = 0;
 461 private int positionInc = 1;
 462 private int numLinkToks = 0;
 463 //Anytime we start a new on a Wiki reserved token (category, link, etc.) this value will be 0, otherwise it will be the number of tokens seen
 464 //this can be useful for detecting when a new reserved token is encountered
 465 //see https://issues.apache.org/jira/browse/LUCENE-1133
 466 private int numWikiTokensSeen = 0;
 467
 468 public static final String [] TOKEN_TYPES = WikipediaTokenizer.TOKEN_TYPES;
 469
 470 /**
 471 Returns the number of tokens seen inside a category or link, etc.
 472 @return the number of tokens seen inside the context of wiki syntax.
 473 **/
 474 public final int getNumWikiTokensSeen(){
 475   return numWikiTokensSeen;
 476 }
 477
 478 public final int yychar()
 479 {
 480     return yychar;
 481 }
 482
 483 public final int getPositionIncrement(){
 484   return positionInc;
 485 }
 486
 487 /**
 488  * Fills Lucene token with the current token text.
 489  */
 490 final void getText(CharTermAttribute t) {
 491   t.copyBuffer(zzBuffer, zzStartRead, zzMarkedPos-zzStartRead);
 492 }
 493
 494 final int setText(StringBuilder buffer){
 495   int length = zzMarkedPos - zzStartRead;
 496   buffer.append(zzBuffer, zzStartRead, length);
 497   return length;
 498 }
 499
 500
 501
 502
 503   /**
 504    * Creates a new scanner
 505    * There is also a java.io.InputStream version of this constructor.
 506    *
 507    * @param   in  the java.io.Reader to read input from.
 508    */
 509   WikipediaTokenizerImpl(java.io.Reader in) {
 510     this.zzReader = in;
 511   }
 512
 513   /**
 514    * Creates a new scanner.
 515    * There is also java.io.Reader version of this constructor.
 516    *
 517    * @param   in  the java.io.Inputstream to read input from.
 518    */
 519   WikipediaTokenizerImpl(java.io.InputStream in) {
 520     this(new java.io.InputStreamReader(in));
 521   }
 522
 523   /**
 524    * Unpacks the compressed character translation table.
 525    *
 526    * @param packed   the packed character translation table
 527    * @return         the unpacked character translation table
 528    */
 529   private static char [] zzUnpackCMap(String packed) {
 530     char [] map = new char[0x10000];
 531     int i = 0;  /* index in packed string  */
 532     int j = 0;  /* index in unpacked array */
 533     while (i < 230) {
 534       int  count = packed.charAt(i++);
 535       char value = packed.charAt(i++);
 536       do map[j++] = value; while (--count > 0);
 537     }
 538     return map;
 539   }
 540
 541
 542   /**
 543    * Refills the input buffer.
 544    *
 545    * @return      <code>false</code>, iff there was new input.
 546    *
 547    * @exception   java.io.IOException  if any I/O-Error occurs
 548    */
 549   private boolean zzRefill() throws java.io.IOException {
 550
 551     /* first: make room (if you can) */
 552     if (zzStartRead > 0) {
 553       System.arraycopy(zzBuffer, zzStartRead,
 554                        zzBuffer, 0,
 555                        zzEndRead-zzStartRead);
 556
 557       /* translate stored positions */
 558       zzEndRead-= zzStartRead;
 559       zzCurrentPos-= zzStartRead;
 560       zzMarkedPos-= zzStartRead;
 561       zzStartRead = 0;
 562     }
 563
 564     /* is the buffer big enough? */
 565     if (zzCurrentPos >= zzBuffer.length) {
 566       /* if not: blow it up */
 567       char newBuffer[] = new char[zzCurrentPos*2];
 568       System.arraycopy(zzBuffer, 0, newBuffer, 0, zzBuffer.length);
 569       zzBuffer = newBuffer;
 570     }
 571
 572     /* finally: fill the buffer with new input */
 573     int numRead = zzReader.read(zzBuffer, zzEndRead,
 574                                             zzBuffer.length-zzEndRead);
 575
 576     if (numRead > 0) {
 577       zzEndRead+= numRead;
 578       return false;
 579     }
 580     // unlikely but not impossible: read 0 characters, but not at end of stream
 581     if (numRead == 0) {
 582       int c = zzReader.read();
 583       if (c == -1) {
 584         return true;
 585       } else {
 586         zzBuffer[zzEndRead++] = (char) c;
 587         return false;
 588       }
 589     }
 590
 591         // numRead < 0
 592     return true;
 593   }
 594
 595
 596   /**
 597    * Closes the input stream.
 598    */
 599   public final void yyclose() throws java.io.IOException {
 600     zzAtEOF = true;            /* indicate end of file */
 601     zzEndRead = zzStartRead;  /* invalidate buffer    */
 602
 603     if (zzReader != null)
 604       zzReader.close();
 605   }
 606
 607
 608   /**
 609    * Resets the scanner to read from a new input stream.
 610    * Does not close the old reader.
 611    *
 612    * All internal variables are reset, the old input stream
 613    * <b>cannot</b> be reused (internal buffer is discarded and lost).
 614    * Lexical state is set to <tt>ZZ_INITIAL</tt>.
 615    *
 616    * Internal scan buffer is resized down to its initial length, if it has grown.
 617    *
 618    * @param reader   the new input stream
 619    */
 620   public final void yyreset(java.io.Reader reader) {
 621     zzReader = reader;
 622     zzAtBOL  = true;
 623     zzAtEOF  = false;
 624     zzEOFDone = false;
 625     zzEndRead = zzStartRead = 0;
 626     zzCurrentPos = zzMarkedPos = 0;
 627     yyline = yychar = yycolumn = 0;
 628     zzLexicalState = YYINITIAL;
 629     if (zzBuffer.length > ZZ_BUFFERSIZE)
 630       zzBuffer = new char[ZZ_BUFFERSIZE];
 631   }
 632
 633
 634   /**
 635    * Returns the current lexical state.
 636    */
 637   public final int yystate() {
 638     return zzLexicalState;
 639   }
 640
 641
 642   /**
 643    * Enters a new lexical state
 644    *
 645    * @param newState the new lexical state
 646    */
 647   public final void yybegin(int newState) {
 648     zzLexicalState = newState;
 649   }
 650
 651
 652   /**
 653    * Returns the text matched by the current regular expression.
 654    */
 655   public final String yytext() {
 656     return new String( zzBuffer, zzStartRead, zzMarkedPos-zzStartRead );
 657   }
 658
 659
 660   /**
 661    * Returns the character at position <tt>pos</tt> from the
 662    * matched text.
 663    *
 664    * It is equivalent to yytext().charAt(pos), but faster
 665    *
 666    * @param pos the position of the character to fetch.
 667    *            A value from 0 to yylength()-1.
 668    *
 669    * @return the character at position pos
 670    */
 671   public final char yycharat(int pos) {
 672     return zzBuffer[zzStartRead+pos];
 673   }
 674
 675
 676   /**
 677    * Returns the length of the matched text region.
 678    */
 679   public final int yylength() {
 680     return zzMarkedPos-zzStartRead;
 681   }
 682
 683
 684   /**
 685    * Reports an error that occured while scanning.
 686    *
 687    * In a wellformed scanner (no or only correct usage of
 688    * yypushback(int) and a match-all fallback rule) this method
 689    * will only be called with things that "Can't Possibly Happen".
 690    * If this method is called, something is seriously wrong
 691    * (e.g. a JFlex bug producing a faulty scanner etc.).
 692    *
 693    * Usual syntax/scanner level error handling should be done
 694    * in error fallback rules.
 695    *
 696    * @param   errorCode  the code of the errormessage to display
 697    */
 698   private void zzScanError(int errorCode) {
 699     String message;
 700     try {
 701       message = ZZ_ERROR_MSG[errorCode];
 702     }
 703     catch (ArrayIndexOutOfBoundsException e) {
 704       message = ZZ_ERROR_MSG[ZZ_UNKNOWN_ERROR];
 705     }
 706
 707     throw new Error(message);
 708   }
 709
 710
 711   /**
 712    * Pushes the specified amount of characters back into the input stream.
 713    *
 714    * They will be read again by then next call of the scanning method
 715    *
 716    * @param number  the number of characters to be read again.
 717    *                This number must not be greater than yylength()!
 718    */
 719   public void yypushback(int number)  {
 720     if ( number > yylength() )
 721       zzScanError(ZZ_PUSHBACK_2BIG);
 722
 723     zzMarkedPos -= number;
 724   }
 725
 726
 727   /**
 728    * Resumes scanning until the next regular expression is matched,
 729    * the end of input is encountered or an I/O-Error occurs.
 730    *
 731    * @return      the next token
 732    * @exception   java.io.IOException  if any I/O-Error occurs
 733    */
 734   public int getNextToken() throws java.io.IOException {
 735     int zzInput;
 736     int zzAction;
 737
 738     // cached fields:
 739     int zzCurrentPosL;
 740     int zzMarkedPosL;
 741     int zzEndReadL = zzEndRead;
 742     char [] zzBufferL = zzBuffer;
 743     char [] zzCMapL = ZZ_CMAP;
 744
 745     int [] zzTransL = ZZ_TRANS;
 746     int [] zzRowMapL = ZZ_ROWMAP;
 747     int [] zzAttrL = ZZ_ATTRIBUTE;
 748
 749     while (true) {
 750       zzMarkedPosL = zzMarkedPos;
 751
 752       yychar+= zzMarkedPosL-zzStartRead;
 753
 754       zzAction = -1;
 755
 756       zzCurrentPosL = zzCurrentPos = zzStartRead = zzMarkedPosL;
 757
 758       zzState = ZZ_LEXSTATE[zzLexicalState];
 759
 760
 761       zzForAction: {
 762         while (true) {
 763
 764           if (zzCurrentPosL < zzEndReadL)
 765             zzInput = zzBufferL[zzCurrentPosL++];
 766           else if (zzAtEOF) {
 767             zzInput = YYEOF;
 768             break zzForAction;
 769           }
 770           else {
 771             // store back cached positions
 772             zzCurrentPos  = zzCurrentPosL;
 773             zzMarkedPos   = zzMarkedPosL;
 774             boolean eof = zzRefill();
 775             // get translated positions and possibly new buffer
 776             zzCurrentPosL  = zzCurrentPos;
 777             zzMarkedPosL   = zzMarkedPos;
 778             zzBufferL      = zzBuffer;
 779             zzEndReadL     = zzEndRead;
 780             if (eof) {
 781               zzInput = YYEOF;
 782               break zzForAction;
 783             }
 784             else {
 785               zzInput = zzBufferL[zzCurrentPosL++];
 786             }
 787           }
 788           int zzNext = zzTransL[ zzRowMapL[zzState] + zzCMapL[zzInput] ];
 789           if (zzNext == -1) break zzForAction;
 790           zzState = zzNext;
 791
 792           int zzAttributes = zzAttrL[zzState];
 793           if ( (zzAttributes & 1) == 1 ) {
 794             zzAction = zzState;
 795             zzMarkedPosL = zzCurrentPosL;
 796             if ( (zzAttributes & 8) == 8 ) break zzForAction;
 797           }
 798
 799         }
 800       }
 801
 802       // store back cached position
 803       zzMarkedPos = zzMarkedPosL;
 804
 805       switch (zzAction < 0 ? zzAction : ZZ_ACTION[zzAction]) {
 806         case 16:
 807           { currentTokType = HEADING; yybegin(DOUBLE_EQUALS_STATE); numWikiTokensSeen++; return currentTokType;
 808           }
 809         case 46: break;
 810         case 39:
 811           { positionInc = 1; return ACRONYM;
 812           }
 813         case 47: break;
 814         case 8:
 815           { /* ignore */
 816           }
 817         case 48: break;
 818         case 20:
 819           { numBalanced = 0; numWikiTokensSeen = 0; currentTokType = EXTERNAL_LINK;yybegin(EXTERNAL_LINK_STATE);
 820           }
 821         case 49: break;
 822         case 35:
 823           { positionInc = 1; return COMPANY;
 824           }
 825         case 50: break;
 826         case 4:
 827           { numWikiTokensSeen = 0; positionInc = 1; currentTokType = EXTERNAL_LINK_URL; yybegin(EXTERNAL_LINK_STATE);
 828           }
 829         case 51: break;
 830         case 25:
 831           { numWikiTokensSeen = 0; positionInc = 1; currentTokType = CITATION; yybegin(DOUBLE_BRACE_STATE);
 832           }
 833         case 52: break;
 834         case 43:
 835           { numWikiTokensSeen = 0; positionInc = 1; currentTokType = CATEGORY; yybegin(CATEGORY_STATE);
 836           }
 837         case 53: break;
 838         case 22:
 839           { numWikiTokensSeen = 0; positionInc = 1; if (numBalanced == 0){numBalanced++;yybegin(TWO_SINGLE_QUOTES_STATE);} else{numBalanced = 0;}
 840           }
 841         case 54: break;
 842         case 34:
 843           { positionInc = 1; return NUM;
 844           }
 845         case 55: break;
 846         case 32:
 847           { positionInc = 1; return APOSTROPHE;
 848           }
 849         case 56: break;
 850         case 23:
 851           { numWikiTokensSeen = 0; positionInc = 1; yybegin(DOUBLE_EQUALS_STATE);
 852           }
 853         case 57: break;
 854         case 21:
 855           { yybegin(STRING); return currentTokType;/*pipe*/
 856           }
 857         case 58: break;
 858         case 2:
 859           { positionInc = 1; return ALPHANUM;
 860           }
 861         case 59: break;
 862         case 29:
 863           { currentTokType = INTERNAL_LINK; numWikiTokensSeen = 0;  yybegin(INTERNAL_LINK_STATE);
 864           }
 865         case 60: break;
 866         case 17:
 867           { yybegin(DOUBLE_BRACE_STATE); numWikiTokensSeen = 0; return currentTokType;
 868           }
 869         case 61: break;
 870         case 44:
 871           { currentTokType = CATEGORY; numWikiTokensSeen = 0; yybegin(CATEGORY_STATE);
 872           }
 873         case 62: break;
 874         case 26:
 875           { yybegin(YYINITIAL);
 876           }
 877         case 63: break;
 878         case 3:
 879           { positionInc = 1; return CJ;
 880           }
 881         case 64: break;
 882         case 38:
 883           { numBalanced = 0;currentTokType = ALPHANUM; yybegin(YYINITIAL);/*end sub header*/
 884           }
 885         case 65: break;
 886         case 15:
 887           { currentTokType = SUB_HEADING; numWikiTokensSeen = 0; yybegin(STRING);
 888           }
 889         case 66: break;
 890         case 30:
 891           { numBalanced = 0;currentTokType = ALPHANUM; yybegin(YYINITIAL);/*end italics*/
 892           }
 893         case 67: break;
 894         case 6:
 895           { yybegin(CATEGORY_STATE); numWikiTokensSeen++; return currentTokType;
 896           }
 897         case 68: break;
 898         case 5:
 899           { positionInc = 1;
 900           }
 901         case 69: break;
 902         case 19:
 903           { yybegin(STRING); numWikiTokensSeen++; return currentTokType;/* STRING ALPHANUM*/
 904           }
 905         case 70: break;
 906         case 42:
 907           { positionInc = 1; numWikiTokensSeen++; yybegin(EXTERNAL_LINK_STATE); return currentTokType;
 908           }
 909         case 71: break;
 910         case 27:
 911           { numLinkToks = 0; yybegin(YYINITIAL);
 912           }
 913         case 72: break;
 914         case 11:
 915           { currentTokType = BOLD;  yybegin(THREE_SINGLE_QUOTES_STATE);
 916           }
 917         case 73: break;
 918         case 13:
 919           { currentTokType = EXTERNAL_LINK; numWikiTokensSeen = 0; yybegin(EXTERNAL_LINK_STATE);
 920           }
 921         case 74: break;
 922         case 14:
 923           { yybegin(STRING); numWikiTokensSeen++; return currentTokType;
 924           }
 925         case 75: break;
 926         case 45:
 927           { numBalanced = 0; numWikiTokensSeen = 0; currentTokType = CATEGORY;yybegin(CATEGORY_STATE);
 928           }
 929         case 76: break;
 930         case 28:
 931           { currentTokType = INTERNAL_LINK; numWikiTokensSeen = 0; yybegin(INTERNAL_LINK_STATE);
 932           }
 933         case 77: break;
 934         case 37:
 935           { numBalanced = 0;currentTokType = ALPHANUM;yybegin(YYINITIAL);/*end bold*/
 936           }
 937         case 78: break;
 938         case 9:
 939           { if (numLinkToks == 0){positionInc = 0;} else{positionInc = 1;} numWikiTokensSeen++; currentTokType = EXTERNAL_LINK; yybegin(EXTERNAL_LINK_STATE); numLinkToks++; return currentTokType;
 940           }
 941         case 79: break;
 942         case 7:
 943           { yybegin(INTERNAL_LINK_STATE); numWikiTokensSeen++; return currentTokType;
 944           }
 945         case 80: break;
 946         case 24:
 947           { numWikiTokensSeen = 0; positionInc = 1; currentTokType = INTERNAL_LINK; yybegin(INTERNAL_LINK_STATE);
 948           }
 949         case 81: break;
 950         case 40:
 951           { positionInc = 1; return EMAIL;
 952           }
 953         case 82: break;
 954         case 1:
 955           { numWikiTokensSeen = 0;  positionInc = 1;
 956           }
 957         case 83: break;
 958         case 18:
 959           { /* ignore STRING */
 960           }
 961         case 84: break;
 962         case 36:
 963           { currentTokType = BOLD_ITALICS;  yybegin(FIVE_SINGLE_QUOTES_STATE);
 964           }
 965         case 85: break;
 966         case 33:
 967           { positionInc = 1; return HOST;
 968           }
 969         case 86: break;
 970         case 31:
 971           { numBalanced = 0; numWikiTokensSeen = 0; currentTokType = INTERNAL_LINK;yybegin(INTERNAL_LINK_STATE);
 972           }
 973         case 87: break;
 974         case 41:
 975           { numBalanced = 0;currentTokType = ALPHANUM; yybegin(YYINITIAL);/*end bold italics*/
 976           }
 977         case 88: break;
 978         case 12:
 979           { currentTokType = ITALICS; numWikiTokensSeen++;  yybegin(STRING); return currentTokType;/*italics*/
 980           }
 981         case 89: break;
 982         case 10:
 983           { numLinkToks = 0; positionInc = 0; yybegin(YYINITIAL);
 984           }
 985         case 90: break;
 986         default:
 987           if (zzInput == YYEOF && zzStartRead == zzCurrentPos) {
 988             zzAtEOF = true;
 989             return YYEOF;
 990           }
 991           else {
 992             zzScanError(ZZ_NO_MATCH);
 993           }
 994       }
 995     }
 996   }
 997
 998
 999 }