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.
384 lines
3.3 KiB
Go
384 lines
3.3 KiB
Go
package id
|
|
|
|
import (
|
|
"github.com/couchbaselabs/bleve/analysis"
|
|
"github.com/couchbaselabs/bleve/registry"
|
|
)
|
|
|
|
const StopName = "stop_id"
|
|
|
|
// this content was obtained from:
|
|
// lucene-4.7.2/analysis/common/src/resources/org/apache/lucene/analysis/
|
|
// ` was changed to ' to allow for literal string
|
|
|
|
var IndonesianStopWords = []byte(`# from appendix D of: A Study of Stemming Effects on Information
|
|
# Retrieval in Bahasa Indonesia
|
|
ada
|
|
adanya
|
|
adalah
|
|
adapun
|
|
agak
|
|
agaknya
|
|
agar
|
|
akan
|
|
akankah
|
|
akhirnya
|
|
aku
|
|
akulah
|
|
amat
|
|
amatlah
|
|
anda
|
|
andalah
|
|
antar
|
|
diantaranya
|
|
antara
|
|
antaranya
|
|
diantara
|
|
apa
|
|
apaan
|
|
mengapa
|
|
apabila
|
|
apakah
|
|
apalagi
|
|
apatah
|
|
atau
|
|
ataukah
|
|
ataupun
|
|
bagai
|
|
bagaikan
|
|
sebagai
|
|
sebagainya
|
|
bagaimana
|
|
bagaimanapun
|
|
sebagaimana
|
|
bagaimanakah
|
|
bagi
|
|
bahkan
|
|
bahwa
|
|
bahwasanya
|
|
sebaliknya
|
|
banyak
|
|
sebanyak
|
|
beberapa
|
|
seberapa
|
|
begini
|
|
beginian
|
|
beginikah
|
|
beginilah
|
|
sebegini
|
|
begitu
|
|
begitukah
|
|
begitulah
|
|
begitupun
|
|
sebegitu
|
|
belum
|
|
belumlah
|
|
sebelum
|
|
sebelumnya
|
|
sebenarnya
|
|
berapa
|
|
berapakah
|
|
berapalah
|
|
berapapun
|
|
betulkah
|
|
sebetulnya
|
|
biasa
|
|
biasanya
|
|
bila
|
|
bilakah
|
|
bisa
|
|
bisakah
|
|
sebisanya
|
|
boleh
|
|
bolehkah
|
|
bolehlah
|
|
buat
|
|
bukan
|
|
bukankah
|
|
bukanlah
|
|
bukannya
|
|
cuma
|
|
percuma
|
|
dahulu
|
|
dalam
|
|
dan
|
|
dapat
|
|
dari
|
|
daripada
|
|
dekat
|
|
demi
|
|
demikian
|
|
demikianlah
|
|
sedemikian
|
|
dengan
|
|
depan
|
|
di
|
|
dia
|
|
dialah
|
|
dini
|
|
diri
|
|
dirinya
|
|
terdiri
|
|
dong
|
|
dulu
|
|
enggak
|
|
enggaknya
|
|
entah
|
|
entahlah
|
|
terhadap
|
|
terhadapnya
|
|
hal
|
|
hampir
|
|
hanya
|
|
hanyalah
|
|
harus
|
|
haruslah
|
|
harusnya
|
|
seharusnya
|
|
hendak
|
|
hendaklah
|
|
hendaknya
|
|
hingga
|
|
sehingga
|
|
ia
|
|
ialah
|
|
ibarat
|
|
ingin
|
|
inginkah
|
|
inginkan
|
|
ini
|
|
inikah
|
|
inilah
|
|
itu
|
|
itukah
|
|
itulah
|
|
jangan
|
|
jangankan
|
|
janganlah
|
|
jika
|
|
jikalau
|
|
juga
|
|
justru
|
|
kala
|
|
kalau
|
|
kalaulah
|
|
kalaupun
|
|
kalian
|
|
kami
|
|
kamilah
|
|
kamu
|
|
kamulah
|
|
kan
|
|
kapan
|
|
kapankah
|
|
kapanpun
|
|
dikarenakan
|
|
karena
|
|
karenanya
|
|
ke
|
|
kecil
|
|
kemudian
|
|
kenapa
|
|
kepada
|
|
kepadanya
|
|
ketika
|
|
seketika
|
|
khususnya
|
|
kini
|
|
kinilah
|
|
kiranya
|
|
sekiranya
|
|
kita
|
|
kitalah
|
|
kok
|
|
lagi
|
|
lagian
|
|
selagi
|
|
lah
|
|
lain
|
|
lainnya
|
|
melainkan
|
|
selaku
|
|
lalu
|
|
melalui
|
|
terlalu
|
|
lama
|
|
lamanya
|
|
selama
|
|
selama
|
|
selamanya
|
|
lebih
|
|
terlebih
|
|
bermacam
|
|
macam
|
|
semacam
|
|
maka
|
|
makanya
|
|
makin
|
|
malah
|
|
malahan
|
|
mampu
|
|
mampukah
|
|
mana
|
|
manakala
|
|
manalagi
|
|
masih
|
|
masihkah
|
|
semasih
|
|
masing
|
|
mau
|
|
maupun
|
|
semaunya
|
|
memang
|
|
mereka
|
|
merekalah
|
|
meski
|
|
meskipun
|
|
semula
|
|
mungkin
|
|
mungkinkah
|
|
nah
|
|
namun
|
|
nanti
|
|
nantinya
|
|
nyaris
|
|
oleh
|
|
olehnya
|
|
seorang
|
|
seseorang
|
|
pada
|
|
padanya
|
|
padahal
|
|
paling
|
|
sepanjang
|
|
pantas
|
|
sepantasnya
|
|
sepantasnyalah
|
|
para
|
|
pasti
|
|
pastilah
|
|
per
|
|
pernah
|
|
pula
|
|
pun
|
|
merupakan
|
|
rupanya
|
|
serupa
|
|
saat
|
|
saatnya
|
|
sesaat
|
|
saja
|
|
sajalah
|
|
saling
|
|
bersama
|
|
sama
|
|
sesama
|
|
sambil
|
|
sampai
|
|
sana
|
|
sangat
|
|
sangatlah
|
|
saya
|
|
sayalah
|
|
se
|
|
sebab
|
|
sebabnya
|
|
sebuah
|
|
tersebut
|
|
tersebutlah
|
|
sedang
|
|
sedangkan
|
|
sedikit
|
|
sedikitnya
|
|
segala
|
|
segalanya
|
|
segera
|
|
sesegera
|
|
sejak
|
|
sejenak
|
|
sekali
|
|
sekalian
|
|
sekalipun
|
|
sesekali
|
|
sekaligus
|
|
sekarang
|
|
sekarang
|
|
sekitar
|
|
sekitarnya
|
|
sela
|
|
selain
|
|
selalu
|
|
seluruh
|
|
seluruhnya
|
|
semakin
|
|
sementara
|
|
sempat
|
|
semua
|
|
semuanya
|
|
sendiri
|
|
sendirinya
|
|
seolah
|
|
seperti
|
|
sepertinya
|
|
sering
|
|
seringnya
|
|
serta
|
|
siapa
|
|
siapakah
|
|
siapapun
|
|
disini
|
|
disinilah
|
|
sini
|
|
sinilah
|
|
sesuatu
|
|
sesuatunya
|
|
suatu
|
|
sesudah
|
|
sesudahnya
|
|
sudah
|
|
sudahkah
|
|
sudahlah
|
|
supaya
|
|
tadi
|
|
tadinya
|
|
tak
|
|
tanpa
|
|
setelah
|
|
telah
|
|
tentang
|
|
tentu
|
|
tentulah
|
|
tentunya
|
|
tertentu
|
|
seterusnya
|
|
tapi
|
|
tetapi
|
|
setiap
|
|
tiap
|
|
setidaknya
|
|
tidak
|
|
tidakkah
|
|
tidaklah
|
|
toh
|
|
waduh
|
|
wah
|
|
wahai
|
|
sewaktu
|
|
walau
|
|
walaupun
|
|
wong
|
|
yaitu
|
|
yakni
|
|
yang
|
|
`)
|
|
|
|
func TokenMapConstructor(config map[string]interface{}, cache *registry.Cache) (analysis.TokenMap, error) {
|
|
rv := analysis.NewTokenMap()
|
|
err := rv.LoadBytes(IndonesianStopWords)
|
|
return rv, err
|
|
}
|
|
|
|
func init() {
|
|
registry.RegisterTokenMap(StopName, TokenMapConstructor)
|
|
}
|