Index: src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.jflex =================================================================== --- src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.jflex (revision 610999) +++ src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.jflex (working copy) @@ -71,7 +71,7 @@ %} // basic word: a sequence of digits & letters -ALPHANUM = ({LETTER}|{DIGIT}|{KOREAN})+ +ALPHANUM = ({LETTER}|[:digit:])+ // internal apostrophes: O'Reilly, you're, O'Reilly's // use a post-filter to remove possesives @@ -105,23 +105,16 @@ P = ("_"|"-"|"/"|"."|",") // at least one digit -HAS_DIGIT = - ({LETTER}|{DIGIT})* - {DIGIT} - ({LETTER}|{DIGIT})* +HAS_DIGIT = ({LETTER}|[:digit:])* [:digit:] ({LETTER}|[:digit:])* ALPHA = ({LETTER})+ +// From the JFlex manual: "the expression that matches everything of not matched by is !(!|)" +LETTER = !(![:letter:]|{CJ}) -LETTER = [\u0041-\u005a\u0061-\u007a\u00c0-\u00d6\u00d8-\u00f6\u00f8-\u00ff\u0100-\u1fff\uffa0-\uffdc] +// Chinese and Japanese (but NOT Korean, which is included in [:letter:]) +CJ = [\u3100-\u312f\u3040-\u309F\u30A0-\u30FF\u31F0-\u31FF\u3300-\u337f\u3400-\u4dbf\u4e00-\u9fff\uf900-\ufaff\uff65-\uff9f] -DIGIT = [\u0030-\u0039\u0660-\u0669\u06f0-\u06f9\u0966-\u096f\u09e6-\u09ef\u0a66-\u0a6f\u0ae6-\u0aef\u0b66-\u0b6f\u0be7-\u0bef\u0c66-\u0c6f\u0ce6-\u0cef\u0d66-\u0d6f\u0e50-\u0e59\u0ed0-\u0ed9\u1040-\u1049] - -KOREAN = [\uac00-\ud7af\u1100-\u11ff] - -// Chinese, Japanese -CJ = [\u3040-\u318f\u3100-\u312f\u3040-\u309F\u30A0-\u30FF\u31F0-\u31FF\u3300-\u337f\u3400-\u4dbf\u4e00-\u9fff\uf900-\ufaff\uff65-\uff9f] - WHITESPACE = \r\n | [ \r\n\t\f] %% Index: src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.java =================================================================== --- src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.java (revision 610999) +++ src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.java (working copy) @@ -1,4 +1,4 @@ -/* The following code was generated by JFlex 1.4.1 on 12/18/07 9:22 PM */ +/* The following code was generated by JFlex 1.4.1 on 1/10/08 7:56 PM */ package org.apache.lucene.analysis.standard; @@ -25,8 +25,8 @@ /** * This class is a scanner generated by * JFlex 1.4.1 - * on 12/18/07 9:22 PM from the specification file - * /Volumes/User/grantingersoll/projects/lucene/java/lucene-clean/src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.jflex + * on 1/10/08 7:56 PM from the specification file + * c:/svn/lucene/java/trunk/src/java/org/apache/lucene/analysis/standard/StandardTokenizerImpl.jflex */ class StandardTokenizerImpl { @@ -43,14 +43,64 @@ * Translates characters to character classes */ private static final String ZZ_CMAP_PACKED = - "\11\0\1\0\1\16\1\0\1\0\1\15\22\0\1\0\5\0\1\3"+ - "\1\1\4\0\1\7\1\5\1\2\1\7\12\11\6\0\1\4\32\10"+ - "\4\0\1\6\1\0\32\10\105\0\27\10\1\0\37\10\1\0\u0568\10"+ - "\12\12\206\10\12\12\u026c\10\12\12\166\10\12\12\166\10\12\12\166\10"+ - "\12\12\166\10\12\12\167\10\11\12\166\10\12\12\166\10\12\12\166\10"+ - "\12\12\340\10\12\12\166\10\12\12\u0166\10\12\12\266\10\u0100\10\u0e00\10"+ - "\u1040\0\u0150\14\140\0\20\14\u0100\0\200\14\200\0\u19c0\14\100\0\u5200\14"+ - "\u0c00\0\u2bb0\13\u2150\0\u0200\14\u0465\0\73\14\75\10\43\0"; + "\11\0\1\0\1\14\1\0\1\0\1\13\22\0\1\0\5\0\1\4"+ + "\1\2\4\0\1\10\1\6\1\3\1\10\12\1\6\0\1\5\32\11"+ + "\4\0\1\7\1\0\32\11\57\0\1\11\12\0\1\11\4\0\1\11"+ + "\5\0\27\11\1\0\37\11\1\0\u0128\11\2\0\22\11\34\0\136\11"+ + "\2\0\11\11\2\0\7\11\16\0\2\11\16\0\5\11\11\0\1\11"+ + "\213\0\1\11\13\0\1\11\1\0\3\11\1\0\1\11\1\0\24\11"+ + "\1\0\54\11\1\0\10\11\2\0\32\11\14\0\202\11\12\0\71\11"+ + "\2\0\2\11\2\0\2\11\3\0\46\11\2\0\2\11\67\0\46\11"+ + "\2\0\1\11\7\0\47\11\110\0\33\11\5\0\3\11\56\0\32\11"+ + "\5\0\13\11\25\0\12\1\7\0\143\11\1\0\1\11\17\0\2\11"+ + "\11\0\12\1\3\11\23\0\1\11\1\0\33\11\123\0\46\11\u015f\0"+ + "\65\11\3\0\1\11\22\0\1\11\7\0\12\11\4\0\12\1\25\0"+ + "\10\11\2\0\2\11\2\0\26\11\1\0\7\11\1\0\1\11\3\0"+ + "\4\11\42\0\2\11\1\0\3\11\4\0\12\1\2\11\23\0\6\11"+ + "\4\0\2\11\2\0\26\11\1\0\7\11\1\0\2\11\1\0\2\11"+ + "\1\0\2\11\37\0\4\11\1\0\1\11\7\0\12\1\2\0\3\11"+ + "\20\0\7\11\1\0\1\11\1\0\3\11\1\0\26\11\1\0\7\11"+ + "\1\0\2\11\1\0\5\11\3\0\1\11\22\0\1\11\17\0\1\11"+ + "\5\0\12\1\25\0\10\11\2\0\2\11\2\0\26\11\1\0\7\11"+ + "\1\0\2\11\2\0\4\11\3\0\1\11\36\0\2\11\1\0\3\11"+ + "\4\0\12\1\25\0\6\11\3\0\3\11\1\0\4\11\3\0\2\11"+ + "\1\0\1\11\1\0\2\11\3\0\2\11\3\0\3\11\3\0\10\11"+ + "\1\0\3\11\55\0\11\1\25\0\10\11\1\0\3\11\1\0\27\11"+ + "\1\0\12\11\1\0\5\11\46\0\2\11\4\0\12\1\25\0\10\11"+ + "\1\0\3\11\1\0\27\11\1\0\12\11\1\0\5\11\44\0\1\11"+ + "\1\0\2\11\4\0\12\1\25\0\10\11\1\0\3\11\1\0\27\11"+ + "\1\0\20\11\46\0\2\11\4\0\12\1\25\0\22\11\3\0\30\11"+ + "\1\0\11\11\1\0\1\11\2\0\7\11\72\0\60\11\1\0\2\11"+ + "\14\0\7\11\11\0\12\1\47\0\2\11\1\0\1\11\2\0\2\11"+ + "\1\0\1\11\2\0\1\11\6\0\4\11\1\0\7\11\1\0\3\11"+ + "\1\0\1\11\1\0\1\11\2\0\2\11\1\0\4\11\1\0\2\11"+ + "\11\0\1\11\2\0\5\11\1\0\1\11\11\0\12\1\2\0\2\11"+ + "\42\0\1\11\37\0\12\1\26\0\10\11\1\0\42\11\35\0\4\11"+ + "\164\0\42\11\1\0\5\11\1\0\2\11\25\0\12\1\6\0\6\11"+ + "\112\0\46\11\12\0\47\11\11\0\132\11\5\0\104\11\5\0\122\11"+ + "\6\0\7\11\1\0\77\11\1\0\1\11\1\0\4\11\2\0\7\11"+ + "\1\0\1\11\1\0\4\11\2\0\47\11\1\0\1\11\1\0\4\11"+ + "\2\0\37\11\1\0\1\11\1\0\4\11\2\0\7\11\1\0\1\11"+ + "\1\0\4\11\2\0\7\11\1\0\7\11\1\0\27\11\1\0\37\11"+ + "\1\0\1\11\1\0\4\11\2\0\7\11\1\0\47\11\1\0\23\11"+ + "\16\0\11\1\56\0\125\11\14\0\u026c\11\2\0\10\11\12\0\32\11"+ + "\5\0\113\11\225\0\64\11\54\0\12\1\46\0\12\1\6\0\130\11"+ + "\10\0\51\11\u0557\0\234\11\4\0\132\11\6\0\26\11\2\0\6\11"+ + "\2\0\46\11\2\0\6\11\2\0\10\11\1\0\1\11\1\0\1\11"+ + "\1\0\1\11\1\0\37\11\2\0\65\11\1\0\7\11\1\0\1\11"+ + "\3\0\3\11\1\0\7\11\3\0\4\11\2\0\6\11\4\0\15\11"+ + "\5\0\3\11\1\0\7\11\202\0\1\11\202\0\1\11\4\0\1\11"+ + "\2\0\12\11\1\0\1\11\3\0\5\11\6\0\1\11\1\0\1\11"+ + "\1\0\1\11\1\0\4\11\1\0\3\11\1\0\7\11\u0ecb\0\2\11"+ + "\52\0\5\11\12\0\1\12\124\12\10\12\2\12\2\12\132\12\1\12"+ + "\3\12\6\12\50\12\3\12\1\0\136\11\21\0\30\11\70\0\20\12"+ + "\u0100\0\200\12\200\0\u19b6\12\12\12\100\0\u51a6\12\132\12\u048d\11\u0773\0"+ + "\u2ba4\11\u215c\0\u012e\12\322\12\7\11\14\0\5\11\5\0\1\11\1\0"+ + "\12\11\1\0\15\11\1\0\5\11\1\0\1\11\1\0\2\11\1\0"+ + "\2\11\1\0\154\11\41\0\u016b\11\22\0\100\11\2\0\66\11\50\0"+ + "\14\11\164\0\3\11\1\0\1\11\1\0\207\11\23\0\12\1\7\0"+ + "\32\11\6\0\32\11\12\0\1\12\72\12\37\11\3\0\6\11\2\0"+ + "\6\11\2\0\6\11\2\0\3\11\43\0"; /** * Translates characters to character classes @@ -63,13 +113,13 @@ private static final int [] ZZ_ACTION = zzUnpackAction(); private static final String ZZ_ACTION_PACKED_0 = - "\1\0\1\1\4\2\1\3\1\1\6\0\2\2\6\0"+ - "\1\4\4\5\2\6\2\0\1\7\1\0\1\7\3\5"+ - "\6\7\3\5\1\10\1\0\1\11\2\0\1\10\1\11"+ - "\1\0\2\11\2\10\2\5\1\12"; + "\1\0\1\1\2\2\1\3\1\1\12\0\1\2\2\4"+ + "\1\0\4\5\1\6\2\4\2\7\1\5\1\0\1\5"+ + "\1\0\2\10\1\0\1\10\2\0\1\11\1\0\1\4"+ + "\1\12\1\4\2\5\2\4\1\0\1\10"; private static int [] zzUnpackAction() { - int [] result = new int[61]; + int [] result = new int[50]; int offset = 0; offset = zzUnpackAction(ZZ_ACTION_PACKED_0, offset, result); return result; @@ -94,17 +144,16 @@ private static final int [] ZZ_ROWMAP = zzUnpackRowMap(); private static final String ZZ_ROWMAP_PACKED_0 = - "\0\0\0\17\0\36\0\55\0\74\0\113\0\17\0\132"+ - "\0\151\0\170\0\207\0\226\0\245\0\264\0\303\0\322"+ - "\0\341\0\360\0\377\0\u010e\0\u011d\0\u012c\0\u013b\0\u014a"+ - "\0\u0159\0\u0168\0\u0177\0\207\0\u0186\0\u0195\0\u01a4\0\u01b3"+ - "\0\u01c2\0\u01d1\0\u01e0\0\u01ef\0\u01fe\0\u020d\0\u021c\0\u022b"+ - "\0\u023a\0\u0249\0\u0258\0\u0267\0\u0276\0\u0285\0\u0294\0\u02a3"+ - "\0\u02b2\0\u02c1\0\u02d0\0\u02df\0\u02ee\0\u02fd\0\u012c\0\341"+ - "\0\170\0\u011d\0\u030c\0\u031b\0\u032a"; + "\0\0\0\15\0\32\0\47\0\15\0\64\0\101\0\116"+ + "\0\133\0\150\0\165\0\202\0\217\0\234\0\251\0\266"+ + "\0\303\0\320\0\335\0\352\0\367\0\u0104\0\u0111\0\u011e"+ + "\0\u012b\0\u0138\0\u0145\0\217\0\u0152\0\u015f\0\u016c\0\u0179"+ + "\0\u0186\0\101\0\u0186\0\u0193\0\u01a0\0\u01ad\0\u01ba\0\u01c7"+ + "\0\u01d4\0\u01e1\0\u01ee\0\u01fb\0\u0208\0\u0215\0\u0222\0\u022f"+ + "\0\u023c\0\u0249"; private static int [] zzUnpackRowMap() { - int [] result = new int[61]; + int [] result = new int[50]; int offset = 0; offset = zzUnpackRowMap(ZZ_ROWMAP_PACKED_0, offset, result); return result; @@ -127,51 +176,45 @@ private static final int [] ZZ_TRANS = zzUnpackTrans(); private static final String ZZ_TRANS_PACKED_0 = - "\10\2\1\3\1\4\1\5\1\6\1\7\1\10\1\2"+ - "\20\0\1\11\1\12\1\13\1\14\2\15\1\16\1\17"+ - "\1\4\1\20\1\6\5\0\1\21\1\0\1\22\2\23"+ - "\1\24\3\4\1\6\4\0\1\11\1\25\1\13\1\14"+ - "\2\23\1\24\1\20\1\4\1\20\1\6\5\0\1\26"+ - "\1\0\1\22\2\15\1\16\4\6\21\0\1\2\10\0"+ - "\1\27\1\0\1\27\14\0\1\30\1\31\1\32\1\33"+ - "\13\0\1\34\1\0\1\34\14\0\1\35\1\36\1\35"+ - "\1\36\13\0\1\37\2\40\1\41\13\0\1\16\2\42"+ - "\5\0\1\11\1\26\1\13\1\14\2\15\1\16\1\17"+ - "\1\4\1\20\1\6\4\0\1\11\1\21\1\13\1\14"+ - "\2\23\1\24\1\20\1\4\1\20\1\6\13\0\1\43"+ - "\2\44\1\45\13\0\4\36\13\0\1\46\2\47\1\50"+ - "\13\0\1\51\2\52\1\53\13\0\1\54\1\44\1\55"+ - "\1\45\13\0\1\56\2\31\1\33\4\0\1\11\6\0"+ - "\1\27\1\0\1\27\6\0\1\57\1\0\1\22\2\60"+ - "\1\0\1\56\2\31\1\33\5\0\1\61\1\0\1\22"+ - "\2\62\1\63\3\31\1\33\5\0\1\64\1\0\1\22"+ - "\2\62\1\63\3\31\1\33\5\0\1\65\1\0\1\22"+ - "\2\60\1\0\4\33\5\0\1\66\2\0\1\66\2\0"+ - "\1\35\1\36\1\35\1\36\5\0\1\66\2\0\1\66"+ - "\2\0\4\36\5\0\1\60\1\0\1\22\2\60\1\0"+ - "\1\37\2\40\1\41\5\0\1\62\1\0\1\22\2\62"+ - "\1\63\3\40\1\41\5\0\1\60\1\0\1\22\2\60"+ - "\1\0\4\41\5\0\1\63\2\0\3\63\3\42\6\0"+ - "\1\67\1\0\1\22\2\15\1\16\1\43\2\44\1\45"+ - "\5\0\1\70\1\0\1\22\2\23\1\24\3\44\1\45"+ - "\5\0\1\67\1\0\1\22\2\15\1\16\4\45\5\0"+ - "\1\15\1\0\1\22\2\15\1\16\1\46\2\47\1\50"+ - "\5\0\1\23\1\0\1\22\2\23\1\24\3\47\1\50"+ - "\5\0\1\15\1\0\1\22\2\15\1\16\4\50\5\0"+ - "\1\16\2\0\3\16\1\51\2\52\1\53\5\0\1\24"+ - "\2\0\3\24\3\52\1\53\5\0\1\16\2\0\3\16"+ - "\4\53\5\0\1\71\1\0\1\22\2\15\1\16\1\43"+ - "\2\44\1\45\5\0\1\72\1\0\1\22\2\23\1\24"+ - "\3\44\1\45\5\0\1\65\1\0\1\22\2\60\1\0"+ - "\1\56\2\31\1\33\13\0\1\73\1\33\1\73\1\33"+ - "\13\0\4\41\13\0\4\45\13\0\4\50\13\0\4\53"+ - "\13\0\1\74\1\45\1\74\1\45\13\0\4\33\13\0"+ - "\4\75\5\0\1\57\1\0\1\22\2\60\1\0\4\33"+ - "\5\0\1\71\1\0\1\22\2\15\1\16\4\45\5\0"+ - "\1\66\2\0\1\66\2\0\4\75\3\0"; + "\1\2\1\3\7\2\1\4\1\5\1\6\1\2\16\0"+ + "\1\3\1\0\1\7\1\0\1\10\2\11\1\12\1\3"+ + "\4\0\1\3\1\13\1\14\1\15\1\16\2\17\1\20"+ + "\1\21\17\0\1\2\1\0\1\22\7\0\1\23\4\0"+ + "\1\24\7\0\1\24\4\0\1\25\7\0\1\26\4\0"+ + "\1\27\7\0\1\30\14\0\1\31\4\0\1\32\7\0"+ + "\1\33\14\0\1\34\4\0\1\24\7\0\1\35\4\0"+ + "\1\36\7\0\1\37\4\0\1\40\7\0\1\20\4\0"+ + "\1\3\1\13\1\41\1\15\1\16\2\17\1\20\1\21"+ + "\4\0\1\22\1\0\1\42\1\0\1\10\2\11\1\12"+ + "\1\22\4\0\1\22\1\0\1\43\1\0\1\10\2\17"+ + "\1\20\1\23\4\0\1\24\1\0\1\44\2\0\1\44"+ + "\2\0\1\24\4\0\1\25\1\0\1\11\1\0\1\10"+ + "\2\11\1\12\1\25\4\0\1\25\1\0\1\17\1\0"+ + "\1\10\2\17\1\20\1\26\4\0\1\27\1\0\1\12"+ + "\2\0\3\12\1\27\4\0\1\27\1\0\1\20\2\0"+ + "\3\20\1\30\5\0\1\13\6\0\1\31\4\0\1\32"+ + "\1\0\1\45\1\0\1\10\2\46\1\47\1\32\4\0"+ + "\1\32\1\0\1\50\1\0\1\10\2\51\1\0\1\52"+ + "\4\0\1\24\1\0\1\44\2\0\1\44\2\0\1\35"+ + "\4\0\1\36\1\0\1\46\1\0\1\10\2\46\1\47"+ + "\1\36\4\0\1\36\1\0\1\51\1\0\1\10\2\51"+ + "\1\0\1\37\4\0\1\40\1\0\1\47\2\0\3\47"+ + "\1\40\4\0\1\32\7\0\1\52\4\0\1\53\7\0"+ + "\1\53\4\0\1\54\7\0\1\54\4\0\1\55\7\0"+ + "\1\55\4\0\1\56\7\0\1\56\4\0\1\57\7\0"+ + "\1\60\4\0\1\61\7\0\1\61\4\0\1\32\1\0"+ + "\1\62\1\0\1\10\2\51\1\0\1\52\4\0\1\53"+ + "\1\0\1\44\2\0\1\44\2\0\1\53\4\0\1\54"+ + "\1\0\1\43\1\0\1\10\2\17\1\20\1\54\4\0"+ + "\1\55\1\0\1\17\1\0\1\10\2\17\1\20\1\55"+ + "\4\0\1\56\1\0\1\20\2\0\3\20\1\56\4\0"+ + "\1\57\1\0\1\62\1\0\1\10\2\51\1\0\1\57"+ + "\4\0\1\57\1\0\1\50\1\0\1\10\2\51\1\0"+ + "\1\57\4\0\1\61\1\0\1\51\1\0\1\10\2\51"+ + "\1\0\1\61\4\0\1\57\7\0\1\57\3\0"; private static int [] zzUnpackTrans() { - int [] result = new int[825]; + int [] result = new int[598]; int offset = 0; offset = zzUnpackTrans(ZZ_TRANS_PACKED_0, offset, result); return result; @@ -209,12 +252,12 @@ private static final int [] ZZ_ATTRIBUTE = zzUnpackAttribute(); private static final String ZZ_ATTRIBUTE_PACKED_0 = - "\1\0\1\11\4\1\1\11\1\1\6\0\2\1\6\0"+ - "\7\1\2\0\1\1\1\0\16\1\1\0\1\1\2\0"+ - "\2\1\1\0\7\1"; + "\1\0\1\11\2\1\1\11\1\1\12\0\3\1\1\0"+ + "\12\1\1\0\1\1\1\0\2\1\1\0\1\1\2\0"+ + "\1\1\1\0\7\1\1\0\1\1"; private static int [] zzUnpackAttribute() { - int [] result = new int[61]; + int [] result = new int[50]; int offset = 0; offset = zzUnpackAttribute(ZZ_ATTRIBUTE_PACKED_0, offset, result); return result; @@ -353,7 +396,7 @@ char [] map = new char[0x10000]; int i = 0; /* index in packed string */ int j = 0; /* index in unpacked array */ - while (i < 156) { + while (i < 1152) { int count = packed.charAt(i++); char value = packed.charAt(i++); do map[j++] = value; while (--count > 0); @@ -612,23 +655,23 @@ zzMarkedPos = zzMarkedPosL; switch (zzAction < 0 ? zzAction : ZZ_ACTION[zzAction]) { - case 5: + case 4: { return HOST; } case 11: break; case 9: - { return ACRONYM_DEP; + { return ACRONYM; } case 12: break; case 8: - { return ACRONYM; + { return ACRONYM_DEP; } case 13: break; case 1: { /* ignore */ } case 14: break; - case 7: + case 5: { return NUM; } case 15: break; @@ -640,11 +683,11 @@ { return ALPHANUM; } case 17: break; - case 6: + case 7: { return COMPANY; } case 18: break; - case 4: + case 6: { return APOSTROPHE; } case 19: break;