utt/_old/nawszelkiwypadek/tools/gue_dic/compile_user_dict.pl

198 lines
3.3 KiB
Perl

#! /usr/bin/env perl
use locale;
#use strict;
#
##################################################
$linesPerFile = 20000;
if (@ARGV < 1) {
print "usage: prep_user_dict.pl dictionary_file\n";
exit;
}
$file = shift; # @ARGV;
# Przygotowanie etykiet
`makeLabels.pl > labels.sym`;
`lexmakelab labels`;
# Analiza pliku s³ownika
print "Kanonizujê opisy.........................................";
`canon.pl <$file >temp1`;
print "OK\n";
print "Sortujê plik.............................................";
`sort -t \\~ -k1,1 -k2,2nr <temp1 > temp2`;
print "OK\n";
print "Minimalizujê plik s³ownika...............................";
#`rmDup.pl < temp2 > temp1`;
#`rmDup2.pl < temp1 > temp2`;
`cp temp1 temp2`;
`rm temp1`;
print "OK\n";
print "Czyszczê pliki...........................................";
`sed -r "s/([[:punct:]])/[\\1]/g" < temp2 > temp1`;
`cp temp1 temp2`;
`rm temp1`;
print "OK\n";
#dzielimy plik na wiele czê¶ci, uruchamiamy lexcomplex dla ka¿dej
#czê¶ci osobno, nastêpnie ³±czymy to za pomoc± programu fsmunion
print "Dzielê s³ownik na mniejsze czê¶ci........................";
open(IN, "./temp2");
$lineCount = 0;
$fileCount = 0;
`mkdir LemTEMP`;
open(FILE, ">LemTEMP/slo_0");
while (<IN>) {
if (++$lineCount >= $linesPerFile) {
$fileCount++;
$lineCount = 0;
close(FILE);
# print "Tworzê nowy plik tymczasowy: slo_".$fileCount."\n";
open(FILE, ">LemTEMP/slo_".$fileCount);
}
print(FILE $_);
}
print "OK\n";
print "Tworzê automaty po¶rednie";
#32 kropki, fileCount plikow
$filesPerDot = $fileCount/32;
$files=$filesPerDot;
$dots=0;
for ($i=0; $i<=$fileCount; $i++) {
if ($files >= $filesPerDot) {
$files = 0;
print ".";
$dots++;
}
$files++;
$command = "lexcomplex -l labels.lab -S labels.scl < LemTEMP/slo_".$i." > LemTEMP/slownik_".$i.".fsm";
`$command`;
}
if ($dots < 32) {
for ($i=0; $i<32 - $dots; $i++) {
print ".";
}
}
print "OK\n";
`rm LemTEMP/slo_*`;
print "Tworzê automat koñcowy";
#35 kropek...
$filesPerDot = $fileCount/35;
$files=$filesPerDot;
$dots=0;
`cp LemTEMP/slownik_0.fsm slownik1.fsm`;
for ($i=1; $i<=$filecount; $i++) {
if ($files >= $filesPerDot) {
$files = 0;
print ".";
$dots++;
}
$files++;
$command = "fsmunion LemTEMP/slownik_".$i." slownik1.fsm > slownik2.fsm";
`$command`;
`mv slownik2.fsm slownik1.fsm`;
}
if ($dots < 35) {
for ($i=0; $i<35 - $dots; $i++) {
print ".";
}
}
`fsmunion LemTEMP/* > slownik1.fsm`;
print "OK\n";
print "Usuwam epsilon-przejscia.................................";
`fsmrmepsilon slownik1.fsm > slownik2.fsm`;
`rm slownik1.fsm`;
print "OK\n";
print "Determinizujê automat....................................";
`fsmdeterminize slownik2.fsm > slownik1.fsm`;
`rm slownik2.fsm`;
print "OK\n";
print "Minimalizujê automat.....................................";
`fsmminimize slownik1.fsm > slownik.fsm`;
`rm slownik1.fsm`;
print "OK\n";
print "Konwertujê automat do formatu fsa........................";
`fsmprint -i labels.lab slownik.fsm > slownik.txt`;
`../fsm2aut slownik.txt > slownik.aut`;
`../aut2fsa < slownik.aut > gue.bin`;
print "OK\n";
print "Czyszczê pliki pomocnicze................................";
`rm LemTEMP/*`;
`rmdir LemTEMP`;
`rm temp2`;
`rm slownik.fsm`;
`rm slownik.txt`;
`rm slownik.aut`;
print "OK\n";