mirror of
https://github.com/wallabag/wallabag.git
synced 2024-11-23 17:41:01 +00:00
two small unimportant forgotten changes to 3.2 version of full-text-rss, issue #694
This commit is contained in:
parent
3ec62cf95a
commit
d18ff7d956
2 changed files with 3 additions and 354 deletions
354
inc/3rdparty/libraries/language-detect/Parser.php
vendored
354
inc/3rdparty/libraries/language-detect/Parser.php
vendored
|
@ -1,354 +0,0 @@
|
||||||
<?php
|
|
||||||
|
|
||||||
/**
|
|
||||||
* This class represents a text sample to be parsed.
|
|
||||||
*
|
|
||||||
* @category Text
|
|
||||||
* @package Text_LanguageDetect
|
|
||||||
* @author Nicholas Pisarro
|
|
||||||
* @copyright 2006
|
|
||||||
* @license BSD
|
|
||||||
* @version CVS: $Id: Parser.php,v 1.5 2006/03/11 05:45:05 taak Exp $
|
|
||||||
* @link http://pear.php.net/package/Text_LanguageDetect/
|
|
||||||
* @link http://langdetect.blogspot.com/
|
|
||||||
*/
|
|
||||||
|
|
||||||
/**
|
|
||||||
* This class represents a text sample to be parsed.
|
|
||||||
*
|
|
||||||
* This separates the analysis of a text sample from the primary LanguageDetect
|
|
||||||
* class. After a new profile has been built, the data can be retrieved using
|
|
||||||
* the accessor functions.
|
|
||||||
*
|
|
||||||
* This class is intended to be used by the Text_LanguageDetect class, not
|
|
||||||
* end-users.
|
|
||||||
*
|
|
||||||
* @category Text
|
|
||||||
* @package Text_LanguageDetect
|
|
||||||
* @author Nicholas Pisarro
|
|
||||||
* @copyright 2006
|
|
||||||
* @license BSD
|
|
||||||
* @version release: 0.2.3
|
|
||||||
*/
|
|
||||||
class Text_LanguageDetect_Parser extends Text_LanguageDetect
|
|
||||||
{
|
|
||||||
/**
|
|
||||||
* the piece of text being parsed
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var string
|
|
||||||
*/
|
|
||||||
var $_string;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* stores the trigram frequencies of the sample
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var string
|
|
||||||
*/
|
|
||||||
var $_trigrams = array();
|
|
||||||
|
|
||||||
/**
|
|
||||||
* stores the trigram ranks of the sample
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var array
|
|
||||||
*/
|
|
||||||
var $_trigram_ranks = array();
|
|
||||||
|
|
||||||
/**
|
|
||||||
* stores the unicode blocks of the sample
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var array
|
|
||||||
*/
|
|
||||||
var $_unicode_blocks = array();
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Whether the parser should compile the unicode ranges
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var bool
|
|
||||||
*/
|
|
||||||
var $_compile_unicode = false;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Whether the parser should compile trigrams
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var bool
|
|
||||||
*/
|
|
||||||
var $_compile_trigram = false;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Whether the trigram parser should pad the beginning of the string
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var bool
|
|
||||||
*/
|
|
||||||
var $_trigram_pad_start = false;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Whether the unicode parser should skip non-alphabetical ascii chars
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @var bool
|
|
||||||
*/
|
|
||||||
var $_unicode_skip_symbols = true;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Constructor
|
|
||||||
*
|
|
||||||
* @access private
|
|
||||||
* @param string $string string to be parsed
|
|
||||||
*/
|
|
||||||
function Text_LanguageDetect_Parser($string, $db=null, $unicode_db=null) {
|
|
||||||
if (isset($db)) $this->_db_filename = $db;
|
|
||||||
if (isset($unicode_db)) $this->_unicode_db_filename = $unicode_db;
|
|
||||||
$this->_string = $string;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns true if a string is suitable for parsing
|
|
||||||
*
|
|
||||||
* @static
|
|
||||||
* @access public
|
|
||||||
* @param string $str input string to test
|
|
||||||
* @return bool true if acceptable, false if not
|
|
||||||
*/
|
|
||||||
function validateString($str) {
|
|
||||||
if (!empty($str) && strlen($str) > 3 && preg_match('/\S/', $str)) {
|
|
||||||
return true;
|
|
||||||
} else {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* turn on/off trigram counting
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @param bool $bool true for on, false for off
|
|
||||||
*/
|
|
||||||
function prepareTrigram($bool = true)
|
|
||||||
{
|
|
||||||
$this->_compile_trigram = $bool;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* turn on/off unicode block counting
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @param bool $bool true for on, false for off
|
|
||||||
*/
|
|
||||||
function prepareUnicode($bool = true)
|
|
||||||
{
|
|
||||||
$this->_compile_unicode = $bool;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* turn on/off padding the beginning of the sample string
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @param bool $bool true for on, false for off
|
|
||||||
*/
|
|
||||||
function setPadStart($bool = true)
|
|
||||||
{
|
|
||||||
$this->_trigram_pad_start = $bool;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Should the unicode block counter skip non-alphabetical ascii chars?
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @param bool $bool true for on, false for off
|
|
||||||
*/
|
|
||||||
function setUnicodeSkipSymbols($bool = true)
|
|
||||||
{
|
|
||||||
$this->_unicode_skip_symbols = $bool;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns the trigram ranks for the text sample
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @return array trigram ranks in the text sample
|
|
||||||
*/
|
|
||||||
function &getTrigramRanks()
|
|
||||||
{
|
|
||||||
return $this->_trigram_ranks;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Return the trigram freqency table
|
|
||||||
*
|
|
||||||
* only used in testing to make sure the parser is working
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @return array trigram freqencies in the text sample
|
|
||||||
*/
|
|
||||||
function &getTrigramFreqs()
|
|
||||||
{
|
|
||||||
return $this->_trigram;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* returns the array of unicode blocks
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
* @return array unicode blocks in the text sample
|
|
||||||
*/
|
|
||||||
function &getUnicodeBlocks()
|
|
||||||
{
|
|
||||||
return $this->_unicode_blocks;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Executes the parsing operation
|
|
||||||
*
|
|
||||||
* Be sure to call the set*() functions to set options and the
|
|
||||||
* prepare*() functions first to tell it what kind of data to compute
|
|
||||||
*
|
|
||||||
* Afterwards the get*() functions can be used to access the compiled
|
|
||||||
* information.
|
|
||||||
*
|
|
||||||
* @access public
|
|
||||||
*/
|
|
||||||
function analyze()
|
|
||||||
{
|
|
||||||
$len = strlen($this->_string);
|
|
||||||
$byte_counter = 0;
|
|
||||||
|
|
||||||
|
|
||||||
// unicode startup
|
|
||||||
if ($this->_compile_unicode) {
|
|
||||||
$blocks =& $this->_read_unicode_block_db();
|
|
||||||
|
|
||||||
$block_count = count($blocks);
|
|
||||||
|
|
||||||
$skipped_count = 0;
|
|
||||||
$unicode_chars = array();
|
|
||||||
}
|
|
||||||
|
|
||||||
// trigram startup
|
|
||||||
if ($this->_compile_trigram) {
|
|
||||||
// initialize them as blank so the parser will skip the first two
|
|
||||||
// (since it skips trigrams with more than 2 contiguous spaces)
|
|
||||||
$a = ' ';
|
|
||||||
$b = ' ';
|
|
||||||
|
|
||||||
// kludge
|
|
||||||
// if it finds a valid trigram to start and the start pad option is
|
|
||||||
// off, then set a variable that will be used to reduce this
|
|
||||||
// trigram after parsing has finished
|
|
||||||
if (!$this->_trigram_pad_start) {
|
|
||||||
$a = $this->_next_char($this->_string, $byte_counter, true);
|
|
||||||
|
|
||||||
if ($a != ' ') {
|
|
||||||
$b = $this->_next_char($this->_string, $byte_counter, true);
|
|
||||||
$dropone = " $a$b";
|
|
||||||
}
|
|
||||||
|
|
||||||
$byte_counter = 0;
|
|
||||||
$a = ' ';
|
|
||||||
$b = ' ';
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
while ($byte_counter < $len) {
|
|
||||||
$char = $this->_next_char($this->_string, $byte_counter, true);
|
|
||||||
|
|
||||||
|
|
||||||
// language trigram detection
|
|
||||||
if ($this->_compile_trigram) {
|
|
||||||
if (!($b == ' ' && ($a == ' ' || $char == ' '))) {
|
|
||||||
if (!isset($this->_trigram[$a . $b . $char])) {
|
|
||||||
$this->_trigram[$a . $b . $char] = 1;
|
|
||||||
} else {
|
|
||||||
$this->_trigram[$a . $b . $char]++;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
$a = $b;
|
|
||||||
$b = $char;
|
|
||||||
}
|
|
||||||
|
|
||||||
// unicode block detection
|
|
||||||
if ($this->_compile_unicode) {
|
|
||||||
if ($this->_unicode_skip_symbols
|
|
||||||
&& strlen($char) == 1
|
|
||||||
&& ($char < 'A' || $char > 'z'
|
|
||||||
|| ($char > 'Z' && $char < 'a'))
|
|
||||||
&& $char != "'") { // does not skip the apostrophe
|
|
||||||
// since it's included in the language
|
|
||||||
// models
|
|
||||||
|
|
||||||
$skipped_count++;
|
|
||||||
continue;
|
|
||||||
}
|
|
||||||
|
|
||||||
// build an array of all the characters
|
|
||||||
if (isset($unicode_chars[$char])) {
|
|
||||||
$unicode_chars[$char]++;
|
|
||||||
} else {
|
|
||||||
$unicode_chars[$char] = 1;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
// todo: add byte detection here
|
|
||||||
}
|
|
||||||
|
|
||||||
// unicode cleanup
|
|
||||||
if ($this->_compile_unicode) {
|
|
||||||
foreach ($unicode_chars as $utf8_char => $count) {
|
|
||||||
$search_result = $this->_unicode_block_name(
|
|
||||||
$this->_utf8char2unicode($utf8_char), $blocks, $block_count);
|
|
||||||
|
|
||||||
if ($search_result != -1) {
|
|
||||||
$block_name = $search_result[2];
|
|
||||||
} else {
|
|
||||||
$block_name = '[Malformatted]';
|
|
||||||
}
|
|
||||||
|
|
||||||
if (isset($this->_unicode_blocks[$block_name])) {
|
|
||||||
$this->_unicode_blocks[$block_name] += $count;
|
|
||||||
} else {
|
|
||||||
$this->_unicode_blocks[$block_name] = $count;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
// trigram cleanup
|
|
||||||
if ($this->_compile_trigram) {
|
|
||||||
// pad the end
|
|
||||||
if ($b != ' ') {
|
|
||||||
if (!isset($this->_trigram["$a$b "])) {
|
|
||||||
$this->_trigram["$a$b "] = 1;
|
|
||||||
} else {
|
|
||||||
$this->_trigram["$a$b "]++;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
// perl compatibility; Language::Guess does not pad the beginning
|
|
||||||
// kludge
|
|
||||||
if (isset($dropone)) {
|
|
||||||
if ($this->_trigram[$dropone] == 1) {
|
|
||||||
unset($this->_trigram[$dropone]);
|
|
||||||
} else {
|
|
||||||
$this->_trigram[$dropone]--;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
if (!empty($this->_trigram)) {
|
|
||||||
$this->_trigram_ranks = $this->_arr_rank($this->_trigram);
|
|
||||||
} else {
|
|
||||||
$this->_trigram_ranks = array();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/* vim: set expandtab tabstop=4 shiftwidth=4 softtabstop=4: */
|
|
||||||
|
|
||||||
?>
|
|
3
inc/3rdparty/site_config/custom/index.php
vendored
Normal file
3
inc/3rdparty/site_config/custom/index.php
vendored
Normal file
|
@ -0,0 +1,3 @@
|
||||||
|
<?php
|
||||||
|
// this is here to prevent directory listing over the web
|
||||||
|
?>
|
Loading…
Reference in a new issue