1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
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);
}
}
|
