You are viewing a plain text version of this content. The canonical link for it is here.
Posted to dev@lucene.apache.org by dn...@apache.org on 2004/08/17 23:34:47 UTC
cvs commit: jakarta-lucene-sandbox/contributions/analyzers/src/java/org/apache/lucene/analysis/fr FrenchAnalyzer.java FrenchStemmer.java
dnaber 2004/08/17 14:34:47
Modified: contributions/analyzers/src/java/org/apache/lucene/analysis/fr
FrenchAnalyzer.java FrenchStemmer.java
Log:
trying to switch the encoding to utf-8
Revision Changes Path
1.8 +15 -15 jakarta-lucene-sandbox/contributions/analyzers/src/java/org/apache/lucene/analysis/fr/FrenchAnalyzer.java
Index: FrenchAnalyzer.java
===================================================================
RCS file: /home/cvs/jakarta-lucene-sandbox/contributions/analyzers/src/java/org/apache/lucene/analysis/fr/FrenchAnalyzer.java,v
retrieving revision 1.7
retrieving revision 1.8
diff -u -r1.7 -r1.8
--- FrenchAnalyzer.java 16 Aug 2004 20:42:59 -0000 1.7
+++ FrenchAnalyzer.java 17 Aug 2004 21:34:47 -0000 1.8
@@ -85,28 +85,28 @@
* Extended list of typical french stopwords.
*/
private String[] FRENCH_STOP_WORDS = {
- "a", "afin", "ai", "ainsi", "apr�s", "attendu", "au", "aujourd", "auquel", "aussi",
+ "a", "afin", "ai", "ainsi", "après", "attendu", "au", "aujourd", "auquel", "aussi",
"autre", "autres", "aux", "auxquelles", "auxquels", "avait", "avant", "avec", "avoir",
"c", "car", "ce", "ceci", "cela", "celle", "celles", "celui", "cependant", "certain",
"certaine", "certaines", "certains", "ces", "cet", "cette", "ceux", "chez", "ci",
"combien", "comme", "comment", "concernant", "contre", "d", "dans", "de", "debout",
- "dedans", "dehors", "del�", "depuis", "derri�re", "des", "d�sormais", "desquelles",
+ "dedans", "dehors", "delà", "depuis", "derrière", "des", "désormais", "desquelles",
"desquels", "dessous", "dessus", "devant", "devers", "devra", "divers", "diverse",
- "diverses", "doit", "donc", "dont", "du", "duquel", "durant", "d�s", "elle", "elles",
- "en", "entre", "environ", "est", "et", "etc", "etre", "eu", "eux", "except�", "hormis",
- "hors", "h�las", "hui", "il", "ils", "j", "je", "jusqu", "jusque", "l", "la", "laquelle",
- "le", "lequel", "les", "lesquelles", "lesquels", "leur", "leurs", "lorsque", "lui", "l�",
- "ma", "mais", "malgr�", "me", "merci", "mes", "mien", "mienne", "miennes", "miens", "moi",
- "moins", "mon", "moyennant", "m�me", "m�mes", "n", "ne", "ni", "non", "nos", "notre",
- "nous", "n�anmoins", "n�tre", "n�tres", "on", "ont", "ou", "outre", "o�", "par", "parmi",
- "partant", "pas", "pass�", "pendant", "plein", "plus", "plusieurs", "pour", "pourquoi",
- "proche", "pr�s", "puisque", "qu", "quand", "que", "quel", "quelle", "quelles", "quels",
- "qui", "quoi", "quoique", "revoici", "revoil�", "s", "sa", "sans", "sauf", "se", "selon",
+ "diverses", "doit", "donc", "dont", "du", "duquel", "durant", "dès", "elle", "elles",
+ "en", "entre", "environ", "est", "et", "etc", "etre", "eu", "eux", "excepté", "hormis",
+ "hors", "hélas", "hui", "il", "ils", "j", "je", "jusqu", "jusque", "l", "la", "laquelle",
+ "le", "lequel", "les", "lesquelles", "lesquels", "leur", "leurs", "lorsque", "lui", "là",
+ "ma", "mais", "malgré", "me", "merci", "mes", "mien", "mienne", "miennes", "miens", "moi",
+ "moins", "mon", "moyennant", "même", "mêmes", "n", "ne", "ni", "non", "nos", "notre",
+ "nous", "néanmoins", "nôtre", "nôtres", "on", "ont", "ou", "outre", "où", "par", "parmi",
+ "partant", "pas", "passé", "pendant", "plein", "plus", "plusieurs", "pour", "pourquoi",
+ "proche", "près", "puisque", "qu", "quand", "que", "quel", "quelle", "quelles", "quels",
+ "qui", "quoi", "quoique", "revoici", "revoilà", "s", "sa", "sans", "sauf", "se", "selon",
"seront", "ses", "si", "sien", "sienne", "siennes", "siens", "sinon", "soi", "soit",
"son", "sont", "sous", "suivant", "sur", "ta", "te", "tes", "tien", "tienne", "tiennes",
"tiens", "toi", "ton", "tous", "tout", "toute", "toutes", "tu", "un", "une", "va", "vers",
- "voici", "voil�", "vos", "votre", "vous", "vu", "v�tre", "v�tres", "y", "�", "�a", "�s",
- "�t�", "�tre", "�"
+ "voici", "voilà", "vos", "votre", "vous", "vu", "vôtre", "vôtres", "y", "à", "ça", "ès",
+ "été", "être", "ô"
};
/**
1.3 +26 -26 jakarta-lucene-sandbox/contributions/analyzers/src/java/org/apache/lucene/analysis/fr/FrenchStemmer.java
Index: FrenchStemmer.java
===================================================================
RCS file: /home/cvs/jakarta-lucene-sandbox/contributions/analyzers/src/java/org/apache/lucene/analysis/fr/FrenchStemmer.java,v
retrieving revision 1.2
retrieving revision 1.3
diff -u -r1.2 -r1.3
--- FrenchStemmer.java 22 Jan 2004 20:54:47 -0000 1.2
+++ FrenchStemmer.java 17 Aug 2004 21:34:47 -0000 1.3
@@ -207,9 +207,9 @@
deleteFromIfTestVowelBeforeIn( R1, new String[] { "issements", "issement" }, false, R0 );
deleteFrom( RV, new String[] { "ements", "ement" } );
- deleteButSuffixFromElseReplace( R2, new String[] { "it�s", "it�" }, "abil", false, R0, "abl" );
- deleteButSuffixFromElseReplace( R2, new String[] { "it�s", "it�" }, "ic", false, R0, "iqU" );
- deleteButSuffixFrom( R2, new String[] { "it�s", "it�" }, "iv", true );
+ deleteButSuffixFromElseReplace( R2, new String[] { "ités", "ité" }, "abil", false, R0, "abl" );
+ deleteButSuffixFromElseReplace( R2, new String[] { "ités", "ité" }, "ic", false, R0, "iqU" );
+ deleteButSuffixFrom( R2, new String[] { "ités", "ité" }, "iv", true );
String[] autre = { "ifs", "ives", "if", "ive" };
deleteButSuffixFromElseReplace( R2, autre, "icat", false, R0, "iqU" );
@@ -246,11 +246,11 @@
* @return boolean - true if something changed in the StringBuffer
*/
private boolean step2a() {
- String[] search = { "�mes", "�tes", "iraIent", "irait", "irais", "irai", "iras", "ira",
+ String[] search = { "îmes", "îtes", "iraIent", "irait", "irais", "irai", "iras", "ira",
"irent", "iriez", "irez", "irions", "irons", "iront",
"issaIent", "issais", "issantes", "issante", "issants", "issant",
"issait", "issais", "issions", "issons", "issiez", "issez", "issent",
- "isses", "isse", "ir", "is", "�t", "it", "ies", "ie", "i" };
+ "isses", "isse", "ir", "is", "ît", "it", "ies", "ie", "i" };
return deleteFromIfTestVowelBeforeIn( RV, search, false, RV );
}
@@ -261,13 +261,13 @@
*/
private void step2b() {
String[] suffix = { "eraIent", "erais", "erait", "erai", "eras", "erions", "eriez",
- "erons", "eront","erez", "�rent", "era", "�es", "iez",
- "�e", "�s", "er", "ez", "�" };
+ "erons", "eront","erez", "èrent", "era", "ées", "iez",
+ "ée", "és", "er", "ez", "é" };
deleteFrom( RV, suffix );
String[] search = { "assions", "assiez", "assent", "asses", "asse", "aIent",
- "antes", "aIent", "Aient", "ante", "�mes", "�tes", "ants", "ant",
- "ait", "a�t", "ais", "Ait", "A�t", "Ais", "�t", "as", "ai", "Ai", "a" };
+ "antes", "aIent", "Aient", "ante", "âmes", "âtes", "ants", "ant",
+ "ait", "aît", "ais", "Ait", "Aît", "Ais", "ât", "as", "ai", "Ai", "a" };
deleteButSuffixFrom( RV, search, "e", true );
deleteFrom( R2, new String[] { "ions" } );
@@ -286,7 +286,7 @@
sb.setCharAt( sb.length()-1, 'i' );
setStrings();
}
- else if (ch == '�')
+ else if (ch == 'ç')
{
sb.setCharAt( sb.length()-1, 'c' );
setStrings();
@@ -305,7 +305,7 @@
if (ch == 's')
{
char b = sb.charAt( sb.length()-2 );
- if (b != 'a' && b != 'i' && b != 'o' && b != 'u' && b != '�' && b != 's')
+ if (b != 'a' && b != 'i' && b != 'o' && b != 'u' && b != 'è' && b != 's')
{
sb.delete( sb.length() - 1, sb.length());
setStrings();
@@ -316,9 +316,9 @@
if (!found)
found = deleteFromIfPrecededIn( R2, new String[] { "ion" }, RV, "t" );
- replaceFrom( RV, new String[] { "I�re", "i�re", "Ier", "ier" }, "i" );
+ replaceFrom( RV, new String[] { "Ière", "ière", "Ier", "ier" }, "i" );
deleteFrom( RV, new String[] { "e" } );
- deleteFromIfPrecededIn( RV, new String[] { "�" }, R0, "gu" );
+ deleteFromIfPrecededIn( RV, new String[] { "ë" }, R0, "gu" );
}
/**
@@ -353,7 +353,7 @@
{
if (!seenVowel)
{
- if (ch == '�' || ch == '�')
+ if (ch == 'é' || ch == 'è')
{
pos = i;
break;
@@ -567,18 +567,18 @@
case 'o':
case 'u':
case 'y':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
- case '�':
+ case 'â':
+ case 'à':
+ case 'ë':
+ case 'é':
+ case 'ê':
+ case 'è':
+ case 'ï':
+ case 'î':
+ case 'ô':
+ case 'ü':
+ case 'ù':
+ case 'û':
return true;
default:
return false;
---------------------------------------------------------------------
To unsubscribe, e-mail: lucene-dev-unsubscribe@jakarta.apache.org
For additional commands, e-mail: lucene-dev-help@jakarta.apache.org