first commit

1 files changed, 138 insertions, 0 deletions

diff --git a/src/NXP/Stemmer.php b/src/NXP/Stemmer.php
new file mode 100644
index 0000000..03b159b
--- /dev/null
+++ b/src/NXP/Stemmer.php
@@ -0,0 +1,138 @@
+<?php
+/**
+ * This file is part of the RussianStemmer package
+ *
+ * (c) Alexander Kiryukhin
+ *
+ * For the full copyright and license information, please view the LICENSE
+ * file that was distributed with this source code
+ */
+
+namespace NXP;
+
+class Stemmer
+{
+    private $vowel = "аеёиоуыэюя";
+    private $regexPerfectiveGerunds = [
+        "(в|вши|вшись)$",
+        "(ив|ивши|ившись|ыв|ывши|ывшись)$"
+    ];
+    private $regexAdjective = "(ее|ие|ые|ое|ими|ыми|ей|ий|ый|ой|ем|им|ым|ом|его|ого|ему|ому|их|ых|ую|юю|ая|яя|ою|ею)$";
+    private $regexParticiple = [
+        "(ем|нн|вш|ющ|щ)",
+        "(ивш|ывш|ующ)"
+    ];
+    private $regexReflexives = "(ся|сь)$";
+    private $regexVerb = [
+        "(ла|на|ете|йте|ли|й|л|ем|н|ло|но|ет|ют|ны|ть|ешь|нно)$",
+        "(ила|ыла|ена|ейте|уйте|ите|или|ыли|ей|уй|ил|ыл|им|ым|ен|ило|ыло|ено|ят|ует|уют|ит|ыт|ены|ить|ыть|ишь|ую|ю)$"
+    ];
+    private $regexNoun = "(а|ев|ов|ие|ье|е|иями|ями|ами|еи|ии|и|ией|ей|ой|ий|й|иям|ям|ием|ем|ам|ом|о|у|ах|иях|ях|ы|ь|ию|ью|ю|ия|ья|я)$";
+    private $regexSuperlative = "(ейш|ейше)$";
+    private $regexDerivational = "(ост|ость)$";
+    private $regexI = "и$";
+    private $regexNN = "нн$";
+    private $regexSoftSign = "ь$";
+
+    private $word = '';
+    private $RV = 0;
+    private $R1 = 0;
+    private $R2 = 0;
+
+    public function getWordBase($word)
+    {
+        mb_internal_encoding('UTF-8');
+        $this->word = $word;
+        $this->findRegions();
+        //Шаг 1
+        //Найти окончание PERFECTIVE GERUND. Если оно существует – удалить его и завершить этот шаг.
+        if (!$this->removeEndings($this->regexPerfectiveGerunds, $this->RV)) {
+            //Иначе, удаляем окончание REFLEXIVE (если оно существует).
+            $this->removeEndings($this->regexReflexives, $this->RV);
+            //Затем в следующем порядке пробуем удалить окончания: ADJECTIVAL, VERB, NOUN. Как только одно из них найдено – шаг завершается.
+            if (!($this->removeEndings(
+                    [
+                        $this->regexParticiple[0] . $this->regexAdjective,
+                        $this->regexParticiple[1] . $this->regexAdjective
+                    ],
+                    $this->RV
+                ) || $this->removeEndings($this->regexAdjective, $this->RV))
+            ) {
+                if (!$this->removeEndings($this->regexVerb, $this->RV)) {
+                    $this->removeEndings($this->regexNoun, $this->RV);
+                }
+            }
+        }
+        //Шаг 2
+        //Если слово оканчивается на и – удаляем и.
+        $this->removeEndings($this->regexI, $this->RV);
+        //Шаг 3
+        //Если в R2 найдется окончание DERIVATIONAL – удаляем его.
+        $this->removeEndings($this->regexDerivational, $this->R2);
+        //Шаг 4
+        //Возможен один из трех вариантов:
+        //Если слово оканчивается на нн – удаляем последнюю букву.
+        if ($this->removeEndings($this->regexNN, $this->RV)) {
+            $this->word .= 'н';
+        }
+        //Если слово оканчивается на SUPERLATIVE – удаляем его и снова удаляем последнюю букву, если слово оканчивается на нн.
+        $this->removeEndings($this->regexSuperlative, $this->RV);
+        //Если слово оканчивается на ь – удаляем его.
+        $this->removeEndings($this->regexSoftSign, $this->RV);
+
+        return $this->word;
+    }
+
+    public function removeEndings($regex, $region)
+    {
+        $prefix = mb_substr($this->word, 0, $region, 'utf8');
+        $word   = mb_substr($this->word, $region, null, 'utf8');
+        if (is_array($regex)) {
+            if (preg_match('/.+[а|я]' . $regex[0] . '/u', $word)) {
+                $this->word = $prefix . preg_replace('/' . $regex[0] . '/u', '', $word);
+                return true;
+            }
+            $regex = $regex[1];
+        }
+        if (preg_match('/.+' . $regex . '/u', $word)) {
+            $this->word = $prefix . preg_replace('/' . $regex . '/u', '', $word);
+            return true;
+        }
+
+        return false;
+    }
+
+    private function findRegions()
+    {
+        $state = 0;
+        for ($i = 1; $i < mb_strlen($this->word, 'utf8'); $i++) {
+            $prevChar = mb_substr($this->word, $i - 1, 1, 'utf8');
+            $char     = mb_substr($this->word, $i, 1, 'utf8');
+            switch ($state) {
+                case 0:
+                    if ($this->isVowel($char)) {
+                        $this->RV = $i + 1;
+                        $state    = 1;
+                    }
+                    break;
+                case 1:
+                    if ($this->isVowel($prevChar) && !$this->isVowel($char)) {
+                        $this->R1 = $i + 1;
+                        $state    = 2;
+                    }
+                    break;
+                case 2:
+                    if ($this->isVowel($prevChar) && !$this->isVowel($char)) {
+                        $this->R2 = $i + 1;
+                        return;
+                    }
+                    break;
+            }
+        }
+    }
+
+    private function isVowel($char)
+    {
+        return (strpos($this->vowel, $char) !== false);
+    }
+}
\ No newline at end of file