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                      variants=('~gasse -> gasse', '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                        'variants' : [ {'words': list(variants)}]}
  69             yaml.dump(cfgstr, stream)
  70         tok.naming_rules = ICUNameProcessorRules(loader=ICURuleLoader(cfgfile))
  71
  72         return tok.name_analyzer()
  73
  74     return _mk_analyser
  75
  76
  77 @pytest.fixture
  78 def getorcreate_full_word(temp_db_cursor):
  79     temp_db_cursor.execute("""CREATE OR REPLACE FUNCTION getorcreate_full_word(
  80                                                  norm_term TEXT, lookup_terms TEXT[],
  81                                                  OUT full_token INT,
  82                                                  OUT partial_tokens INT[])
  83   AS $$
  84 DECLARE
  85   partial_terms TEXT[] = '{}'::TEXT[];
  86   term TEXT;
  87   term_id INTEGER;
  88   term_count INTEGER;
  89 BEGIN
  90   SELECT min(word_id) INTO full_token
  91     FROM word WHERE word = norm_term and class is null and country_code is null;
  92
  93   IF full_token IS NULL THEN
  94     full_token := nextval('seq_word');
  95     INSERT INTO word (word_id, word_token, word, search_name_count)
  96       SELECT full_token, ' ' || lookup_term, norm_term, 0 FROM unnest(lookup_terms) as lookup_term;
  97   END IF;
  98
  99   FOR term IN SELECT unnest(string_to_array(unnest(lookup_terms), ' ')) LOOP
 100     term := trim(term);
 101     IF NOT (ARRAY[term] <@ partial_terms) THEN
 102       partial_terms := partial_terms || term;
 103     END IF;
 104   END LOOP;
 105
 106   partial_tokens := '{}'::INT[];
 107   FOR term IN SELECT unnest(partial_terms) LOOP
 108     SELECT min(word_id), max(search_name_count) INTO term_id, term_count
 109       FROM word WHERE word_token = term and class is null and country_code is null;
 110
 111     IF term_id IS NULL THEN
 112       term_id := nextval('seq_word');
 113       term_count := 0;
 114       INSERT INTO word (word_id, word_token, search_name_count)
 115         VALUES (term_id, term, 0);
 116     END IF;
 117
 118     IF NOT (ARRAY[term_id] <@ partial_tokens) THEN
 119         partial_tokens := partial_tokens || term_id;
 120     END IF;
 121   END LOOP;
 122 END;
 123 $$
 124 LANGUAGE plpgsql;
 125                               """)
 126
 127
 128 @pytest.fixture
 129 def getorcreate_hnr_id(temp_db_cursor):
 130     temp_db_cursor.execute("""CREATE OR REPLACE FUNCTION getorcreate_hnr_id(lookup_term TEXT)
 131                               RETURNS INTEGER AS $$
 132                                 SELECT -nextval('seq_word')::INTEGER; $$ LANGUAGE SQL""")
 133
 134
 135 def test_init_new(tokenizer_factory, test_config, monkeypatch, db_prop):
 136     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
 137
 138     tok = tokenizer_factory()
 139     tok.init_new_db(test_config)
 140
 141     assert db_prop(legacy_icu_tokenizer.DBCFG_TERM_NORMALIZATION) == ':: lower();'
 142     assert db_prop(legacy_icu_tokenizer.DBCFG_MAXWORDFREQ) is not None
 143
 144
 145 def test_init_word_table(tokenizer_factory, test_config, place_row, word_table):
 146     place_row(names={'name' : 'Test Area', 'ref' : '52'})
 147     place_row(names={'name' : 'No Area'})
 148     place_row(names={'name' : 'Holzstrasse'})
 149
 150     tok = tokenizer_factory()
 151     tok.init_new_db(test_config)
 152
 153     assert word_table.get_partial_words() == {('test', 1),
 154                                               ('no', 1), ('area', 2),
 155                                               ('holz', 1), ('strasse', 1),
 156                                               ('str', 1)}
 157
 158
 159 def test_init_from_project(monkeypatch, test_config, tokenizer_factory):
 160     monkeypatch.setenv('NOMINATIM_TERM_NORMALIZATION', ':: lower();')
 161     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '90300')
 162     tok = tokenizer_factory()
 163     tok.init_new_db(test_config)
 164     monkeypatch.undo()
 165
 166     tok = tokenizer_factory()
 167     tok.init_from_project()
 168
 169     assert tok.naming_rules is not None
 170     assert tok.term_normalization == ':: lower();'
 171     assert tok.max_word_frequency == '90300'
 172
 173
 174 def test_update_sql_functions(db_prop, temp_db_cursor,
 175                               tokenizer_factory, test_config, table_factory,
 176                               monkeypatch):
 177     monkeypatch.setenv('NOMINATIM_MAX_WORD_FREQUENCY', '1133')
 178     tok = tokenizer_factory()
 179     tok.init_new_db(test_config)
 180     monkeypatch.undo()
 181
 182     assert db_prop(legacy_icu_tokenizer.DBCFG_MAXWORDFREQ) == '1133'
 183
 184     table_factory('test', 'txt TEXT')
 185
 186     func_file = test_config.lib_dir.sql / 'tokenizer' / 'legacy_icu_tokenizer.sql'
 187     func_file.write_text("""INSERT INTO test VALUES ('{{max_word_freq}}')""")
 188
 189     tok.update_sql_functions(test_config)
 190
 191     test_content = temp_db_cursor.row_set('SELECT * FROM test')
 192     assert test_content == set((('1133', ), ))
 193
 194
 195 def test_normalize_postcode(analyzer):
 196     with analyzer() as anl:
 197         anl.normalize_postcode('123') == '123'
 198         anl.normalize_postcode('ab-34 ') == 'AB-34'
 199         anl.normalize_postcode('38 Б') == '38 Б'
 200
 201
 202 def test_update_postcodes_from_db_empty(analyzer, table_factory, word_table):
 203     table_factory('location_postcode', 'postcode TEXT',
 204                   content=(('1234',), ('12 34',), ('AB23',), ('1234',)))
 205
 206     with analyzer() as anl:
 207         anl.update_postcodes_from_db()
 208
 209     assert word_table.count() == 3
 210     assert word_table.get_postcodes() == {'1234', '12 34', 'AB23'}
 211
 212
 213 def test_update_postcodes_from_db_add_and_remove(analyzer, table_factory, word_table):
 214     table_factory('location_postcode', 'postcode TEXT',
 215                   content=(('1234',), ('45BC', ), ('XX45', )))
 216     word_table.add_postcode(' 1234', '1234')
 217     word_table.add_postcode(' 5678', '5678')
 218
 219     with analyzer() as anl:
 220         anl.update_postcodes_from_db()
 221
 222     assert word_table.count() == 3
 223     assert word_table.get_postcodes() == {'1234', '45BC', 'XX45'}
 224
 225
 226 def test_update_special_phrase_empty_table(analyzer, word_table):
 227     with analyzer() as anl:
 228         anl.update_special_phrases([
 229             ("König  bei", "amenity", "royal", "near"),
 230             ("Könige ", "amenity", "royal", "-"),
 231             ("street", "highway", "primary", "in")
 232         ], True)
 233
 234     assert word_table.get_special() \
 235                == {(' KÖNIG BEI', 'König bei', 'amenity', 'royal', 'near'),
 236                    (' KÖNIGE', 'Könige', 'amenity', 'royal', None),
 237                    (' STREET', 'street', 'highway', 'primary', 'in')}
 238
 239
 240 def test_update_special_phrase_delete_all(analyzer, word_table):
 241     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 242     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 243
 244     assert word_table.count_special() == 2
 245
 246     with analyzer() as anl:
 247         anl.update_special_phrases([], True)
 248
 249     assert word_table.count_special() == 0
 250
 251
 252 def test_update_special_phrases_no_replace(analyzer, word_table):
 253     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 254     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 255
 256     assert word_table.count_special() == 2
 257
 258     with analyzer() as anl:
 259         anl.update_special_phrases([], False)
 260
 261     assert word_table.count_special() == 2
 262
 263
 264 def test_update_special_phrase_modify(analyzer, word_table):
 265     word_table.add_special(' FOO', 'foo', 'amenity', 'prison', 'in')
 266     word_table.add_special(' BAR', 'bar', 'highway', 'road', None)
 267
 268     assert word_table.count_special() == 2
 269
 270     with analyzer() as anl:
 271         anl.update_special_phrases([
 272             ('prison', 'amenity', 'prison', 'in'),
 273             ('bar', 'highway', 'road', '-'),
 274             ('garden', 'leisure', 'garden', 'near')
 275         ], True)
 276
 277     assert word_table.get_special() \
 278                == {(' PRISON', 'prison', 'amenity', 'prison', 'in'),
 279                    (' BAR', 'bar', 'highway', 'road', None),
 280                    (' GARDEN', 'garden', 'leisure', 'garden', 'near')}
 281
 282
 283 def test_add_country_names_new(analyzer, word_table):
 284     with analyzer() as anl:
 285         anl.add_country_names('es', {'name': 'Espagña', 'name:en': 'Spain'})
 286
 287     assert word_table.get_country() == {('es', ' ESPAGÑA'), ('es', ' SPAIN')}
 288
 289
 290 def test_add_country_names_extend(analyzer, word_table):
 291     word_table.add_country('ch', ' SCHWEIZ')
 292
 293     with analyzer() as anl:
 294         anl.add_country_names('ch', {'name': 'Schweiz', 'name:fr': 'Suisse'})
 295
 296     assert word_table.get_country() == {('ch', ' SCHWEIZ'), ('ch', ' SUISSE')}
 297
 298
 299 class TestPlaceNames:
 300
 301     @pytest.fixture(autouse=True)
 302     def setup(self, analyzer, getorcreate_full_word):
 303         with analyzer() as anl:
 304             self.analyzer = anl
 305             yield anl
 306
 307
 308     def expect_name_terms(self, info, *expected_terms):
 309         tokens = self.analyzer.get_word_token_info(expected_terms)
 310         for token in tokens:
 311             assert token[2] is not None, "No token for {0}".format(token)
 312
 313         assert eval(info['names']) == set((t[2] for t in tokens))
 314
 315
 316     def test_simple_names(self):
 317         info = self.analyzer.process_place({'name': {'name': 'Soft bAr', 'ref': '34'}})
 318
 319         self.expect_name_terms(info, '#Soft bAr', '#34','Soft', 'bAr', '34')
 320
 321
 322     @pytest.mark.parametrize('sep', [',' , ';'])
 323     def test_names_with_separator(self, sep):
 324         info = self.analyzer.process_place({'name': {'name': sep.join(('New York', 'Big Apple'))}})
 325
 326         self.expect_name_terms(info, '#New York', '#Big Apple',
 327                                      'new', 'york', 'big', 'apple')
 328
 329
 330     def test_full_names_with_bracket(self):
 331         info = self.analyzer.process_place({'name': {'name': 'Houseboat (left)'}})
 332
 333         self.expect_name_terms(info, '#Houseboat (left)', '#Houseboat',
 334                                      'houseboat', 'left')
 335
 336
 337     def test_country_name(self, word_table):
 338         info = self.analyzer.process_place({'name': {'name': 'Norge'},
 339                                            'country_feature': 'no'})
 340
 341         self.expect_name_terms(info, '#norge', 'norge')
 342         assert word_table.get_country() == {('no', ' NORGE')}
 343
 344
 345 class TestPlaceAddress:
 346
 347     @pytest.fixture(autouse=True)
 348     def setup(self, analyzer, getorcreate_full_word):
 349         with analyzer(trans=(":: upper()", "'🜵' > ' '")) as anl:
 350             self.analyzer = anl
 351             yield anl
 352
 353
 354     def process_address(self, **kwargs):
 355         return self.analyzer.process_place({'address': kwargs})
 356
 357
 358     def name_token_set(self, *expected_terms):
 359         tokens = self.analyzer.get_word_token_info(expected_terms)
 360         for token in tokens:
 361             assert token[2] is not None, "No token for {0}".format(token)
 362
 363         return set((t[2] for t in tokens))
 364
 365
 366     @pytest.mark.parametrize('pcode', ['12345', 'AB 123', '34-345'])
 367     def test_process_place_postcode(self, word_table, pcode):
 368         self.process_address(postcode=pcode)
 369
 370         assert word_table.get_postcodes() == {pcode, }
 371
 372
 373     @pytest.mark.parametrize('pcode', ['12:23', 'ab;cd;f', '123;836'])
 374     def test_process_place_bad_postcode(self, word_table, pcode):
 375         self.process_address(postcode=pcode)
 376
 377         assert not word_table.get_postcodes()
 378
 379
 380     @pytest.mark.parametrize('hnr', ['123a', '1', '101'])
 381     def test_process_place_housenumbers_simple(self, hnr, getorcreate_hnr_id):
 382         info = self.process_address(housenumber=hnr)
 383
 384         assert info['hnr'] == hnr.upper()
 385         assert info['hnr_tokens'] == "{-1}"
 386
 387
 388     def test_process_place_housenumbers_lists(self, getorcreate_hnr_id):
 389         info = self.process_address(conscriptionnumber='1; 2;3')
 390
 391         assert set(info['hnr'].split(';')) == set(('1', '2', '3'))
 392         assert info['hnr_tokens'] == "{-1,-2,-3}"
 393
 394
 395     def test_process_place_housenumbers_duplicates(self, getorcreate_hnr_id):
 396         info = self.process_address(housenumber='134',
 397                                     conscriptionnumber='134',
 398                                     streetnumber='99a')
 399
 400         assert set(info['hnr'].split(';')) == set(('134', '99A'))
 401         assert info['hnr_tokens'] == "{-1,-2}"
 402
 403
 404     def test_process_place_housenumbers_cached(self, getorcreate_hnr_id):
 405         info = self.process_address(housenumber="45")
 406         assert info['hnr_tokens'] == "{-1}"
 407
 408         info = self.process_address(housenumber="46")
 409         assert info['hnr_tokens'] == "{-2}"
 410
 411         info = self.process_address(housenumber="41;45")
 412         assert eval(info['hnr_tokens']) == {-1, -3}
 413
 414         info = self.process_address(housenumber="41")
 415         assert eval(info['hnr_tokens']) == {-3}
 416
 417
 418     def test_process_place_street(self):
 419         info = self.process_address(street='Grand Road')
 420
 421         assert eval(info['street']) == self.name_token_set('#GRAND ROAD')
 422
 423
 424     def test_process_place_street_empty(self):
 425         info = self.process_address(street='🜵')
 426
 427         assert 'street' not in info
 428
 429
 430     def test_process_place_place(self):
 431         info = self.process_address(place='Honu Lulu')
 432
 433         assert eval(info['place_search']) == self.name_token_set('#HONU LULU',
 434                                                                  'HONU', 'LULU')
 435         assert eval(info['place_match']) == self.name_token_set('#HONU LULU')
 436
 437
 438     def test_process_place_place_empty(self):
 439         info = self.process_address(place='🜵')
 440
 441         assert 'place_search' not in info
 442         assert 'place_match' not in info
 443
 444
 445     def test_process_place_address_terms(self):
 446         info = self.process_address(country='de', city='Zwickau', state='Sachsen',
 447                                     suburb='Zwickau', street='Hauptstr',
 448                                     full='right behind the church')
 449
 450         city_full = self.name_token_set('#ZWICKAU')
 451         city_all = self.name_token_set('#ZWICKAU', 'ZWICKAU')
 452         state_full = self.name_token_set('#SACHSEN')
 453         state_all = self.name_token_set('#SACHSEN', 'SACHSEN')
 454
 455         result = {k: [eval(v[0]), eval(v[1])] for k,v in info['addr'].items()}
 456
 457         assert result == {'city': [city_all, city_full],
 458                           'suburb': [city_all, city_full],
 459                           'state': [state_all, state_full]}
 460
 461
 462     def test_process_place_address_terms_empty(self):
 463         info = self.process_address(country='de', city=' ', street='Hauptstr',
 464                                     full='right behind the church')
 465
 466         assert 'addr' not in info
 467