c526a38369
ultimately this is make it more convenient for us to wire up different elements of the analysis pipeline, without having to preload everything into memory before we need it separately the index layer now has a mechanism for storing internal key/value pairs. this is expected to be used to store the mapping, and possibly other pieces of data by the top layer, but not exposed to the user at the top.
236 lines
2.2 KiB
Go
236 lines
2.2 KiB
Go
package hu
|
|
|
|
import (
|
|
"github.com/couchbaselabs/bleve/analysis"
|
|
"github.com/couchbaselabs/bleve/registry"
|
|
)
|
|
|
|
const StopName = "stop_hu"
|
|
|
|
// this content was obtained from:
|
|
// lucene-4.7.2/analysis/common/src/resources/org/apache/lucene/analysis/snowball/
|
|
// ` was changed to ' to allow for literal string
|
|
|
|
var HungarianStopWords = []byte(` | From svn.tartarus.org/snowball/trunk/website/algorithms/hungarian/stop.txt
|
|
| This file is distributed under the BSD License.
|
|
| See http://snowball.tartarus.org/license.php
|
|
| Also see http://www.opensource.org/licenses/bsd-license.html
|
|
| - Encoding was converted to UTF-8.
|
|
| - This notice was added.
|
|
|
|
|
| NOTE: To use this file with StopFilterFactory, you must specify format="snowball"
|
|
|
|
| Hungarian stop word list
|
|
| prepared by Anna Tordai
|
|
|
|
a
|
|
ahogy
|
|
ahol
|
|
aki
|
|
akik
|
|
akkor
|
|
alatt
|
|
által
|
|
általában
|
|
amely
|
|
amelyek
|
|
amelyekben
|
|
amelyeket
|
|
amelyet
|
|
amelynek
|
|
ami
|
|
amit
|
|
amolyan
|
|
amíg
|
|
amikor
|
|
át
|
|
abban
|
|
ahhoz
|
|
annak
|
|
arra
|
|
arról
|
|
az
|
|
azok
|
|
azon
|
|
azt
|
|
azzal
|
|
azért
|
|
aztán
|
|
azután
|
|
azonban
|
|
bár
|
|
be
|
|
belül
|
|
benne
|
|
cikk
|
|
cikkek
|
|
cikkeket
|
|
csak
|
|
de
|
|
e
|
|
eddig
|
|
egész
|
|
egy
|
|
egyes
|
|
egyetlen
|
|
egyéb
|
|
egyik
|
|
egyre
|
|
ekkor
|
|
el
|
|
elég
|
|
ellen
|
|
elő
|
|
először
|
|
előtt
|
|
első
|
|
én
|
|
éppen
|
|
ebben
|
|
ehhez
|
|
emilyen
|
|
ennek
|
|
erre
|
|
ez
|
|
ezt
|
|
ezek
|
|
ezen
|
|
ezzel
|
|
ezért
|
|
és
|
|
fel
|
|
felé
|
|
hanem
|
|
hiszen
|
|
hogy
|
|
hogyan
|
|
igen
|
|
így
|
|
illetve
|
|
ill.
|
|
ill
|
|
ilyen
|
|
ilyenkor
|
|
ison
|
|
ismét
|
|
itt
|
|
jó
|
|
jól
|
|
jobban
|
|
kell
|
|
kellett
|
|
keresztül
|
|
keressünk
|
|
ki
|
|
kívül
|
|
között
|
|
közül
|
|
legalább
|
|
lehet
|
|
lehetett
|
|
legyen
|
|
lenne
|
|
lenni
|
|
lesz
|
|
lett
|
|
maga
|
|
magát
|
|
majd
|
|
majd
|
|
már
|
|
más
|
|
másik
|
|
meg
|
|
még
|
|
mellett
|
|
mert
|
|
mely
|
|
melyek
|
|
mi
|
|
mit
|
|
míg
|
|
miért
|
|
milyen
|
|
mikor
|
|
minden
|
|
mindent
|
|
mindenki
|
|
mindig
|
|
mint
|
|
mintha
|
|
mivel
|
|
most
|
|
nagy
|
|
nagyobb
|
|
nagyon
|
|
ne
|
|
néha
|
|
nekem
|
|
neki
|
|
nem
|
|
néhány
|
|
nélkül
|
|
nincs
|
|
olyan
|
|
ott
|
|
össze
|
|
ő
|
|
ők
|
|
őket
|
|
pedig
|
|
persze
|
|
rá
|
|
s
|
|
saját
|
|
sem
|
|
semmi
|
|
sok
|
|
sokat
|
|
sokkal
|
|
számára
|
|
szemben
|
|
szerint
|
|
szinte
|
|
talán
|
|
tehát
|
|
teljes
|
|
tovább
|
|
továbbá
|
|
több
|
|
úgy
|
|
ugyanis
|
|
új
|
|
újabb
|
|
újra
|
|
után
|
|
utána
|
|
utolsó
|
|
vagy
|
|
vagyis
|
|
valaki
|
|
valami
|
|
valamint
|
|
való
|
|
vagyok
|
|
van
|
|
vannak
|
|
volt
|
|
voltam
|
|
voltak
|
|
voltunk
|
|
vissza
|
|
vele
|
|
viszont
|
|
volna
|
|
`)
|
|
|
|
func TokenMapConstructor(config map[string]interface{}, cache *registry.Cache) (analysis.TokenMap, error) {
|
|
rv := analysis.NewTokenMap()
|
|
err := rv.LoadBytes(HungarianStopWords)
|
|
return rv, err
|
|
}
|
|
|
|
func init() {
|
|
registry.RegisterTokenMap(StopName, TokenMapConstructor)
|
|
}
|