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.
197 lines
1.4 KiB
Go
197 lines
1.4 KiB
Go
package cs
|
|
|
|
import (
|
|
"github.com/couchbaselabs/bleve/analysis"
|
|
"github.com/couchbaselabs/bleve/registry"
|
|
)
|
|
|
|
const StopName = "stop_cs"
|
|
|
|
// 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 CzechStopWords = []byte(`a
|
|
s
|
|
k
|
|
o
|
|
i
|
|
u
|
|
v
|
|
z
|
|
dnes
|
|
cz
|
|
tímto
|
|
budeš
|
|
budem
|
|
byli
|
|
jseš
|
|
můj
|
|
svým
|
|
ta
|
|
tomto
|
|
tohle
|
|
tuto
|
|
tyto
|
|
jej
|
|
zda
|
|
proč
|
|
máte
|
|
tato
|
|
kam
|
|
tohoto
|
|
kdo
|
|
kteří
|
|
mi
|
|
nám
|
|
tom
|
|
tomuto
|
|
mít
|
|
nic
|
|
proto
|
|
kterou
|
|
byla
|
|
toho
|
|
protože
|
|
asi
|
|
ho
|
|
naši
|
|
napište
|
|
re
|
|
což
|
|
tím
|
|
takže
|
|
svých
|
|
její
|
|
svými
|
|
jste
|
|
aj
|
|
tu
|
|
tedy
|
|
teto
|
|
bylo
|
|
kde
|
|
ke
|
|
pravé
|
|
ji
|
|
nad
|
|
nejsou
|
|
či
|
|
pod
|
|
téma
|
|
mezi
|
|
přes
|
|
ty
|
|
pak
|
|
vám
|
|
ani
|
|
když
|
|
však
|
|
neg
|
|
jsem
|
|
tento
|
|
článku
|
|
články
|
|
aby
|
|
jsme
|
|
před
|
|
pta
|
|
jejich
|
|
byl
|
|
ještě
|
|
až
|
|
bez
|
|
také
|
|
pouze
|
|
první
|
|
vaše
|
|
která
|
|
nás
|
|
nový
|
|
tipy
|
|
pokud
|
|
může
|
|
strana
|
|
jeho
|
|
své
|
|
jiné
|
|
zprávy
|
|
nové
|
|
není
|
|
vás
|
|
jen
|
|
podle
|
|
zde
|
|
už
|
|
být
|
|
více
|
|
bude
|
|
již
|
|
než
|
|
který
|
|
by
|
|
které
|
|
co
|
|
nebo
|
|
ten
|
|
tak
|
|
má
|
|
při
|
|
od
|
|
po
|
|
jsou
|
|
jak
|
|
další
|
|
ale
|
|
si
|
|
se
|
|
ve
|
|
to
|
|
jako
|
|
za
|
|
zpět
|
|
ze
|
|
do
|
|
pro
|
|
je
|
|
na
|
|
atd
|
|
atp
|
|
jakmile
|
|
přičemž
|
|
já
|
|
on
|
|
ona
|
|
ono
|
|
oni
|
|
ony
|
|
my
|
|
vy
|
|
jí
|
|
ji
|
|
mě
|
|
mne
|
|
jemu
|
|
tomu
|
|
těm
|
|
těmu
|
|
němu
|
|
němuž
|
|
jehož
|
|
jíž
|
|
jelikož
|
|
jež
|
|
jakož
|
|
načež
|
|
`)
|
|
|
|
func TokenMapConstructor(config map[string]interface{}, cache *registry.Cache) (analysis.TokenMap, error) {
|
|
rv := analysis.NewTokenMap()
|
|
err := rv.LoadBytes(CzechStopWords)
|
|
return rv, err
|
|
}
|
|
|
|
func init() {
|
|
registry.RegisterTokenMap(StopName, TokenMapConstructor)
|
|
}
|