mirror of
https://github.com/sbrl/Pepperminty-Wiki.git
synced 2024-11-26 05:32:59 +00:00
Refine indexer by removing 'stop words'.
More information at https://en.wikipedia.org/wiki/Stop_words
This commit is contained in:
parent
be9c822e17
commit
221c61a1b3
3 changed files with 205 additions and 41 deletions
|
@ -1264,6 +1264,56 @@ register_module([
|
||||||
header("content-type: text/plain");
|
header("content-type: text/plain");
|
||||||
|
|
||||||
$source = file_get_contents("$env->page.md");
|
$source = file_get_contents("$env->page.md");
|
||||||
|
|
||||||
|
$index = search::index($source);
|
||||||
|
|
||||||
|
var_dump($env->page);
|
||||||
|
var_dump($source);
|
||||||
|
|
||||||
|
var_dump($index);
|
||||||
|
});
|
||||||
|
}
|
||||||
|
]);
|
||||||
|
|
||||||
|
class search
|
||||||
|
{
|
||||||
|
public static $stop_words = [
|
||||||
|
"a", "about", "above", "above", "across", "after", "afterwards", "again", "against",
|
||||||
|
"all", "almost", "alone", "along", "already", "also", "although", "always", "am", "among",
|
||||||
|
"amongst", "amoungst", "amount", "an", "and", "another", "any", "anyhow", "anyone", "anything",
|
||||||
|
"anyway", "anywhere", "are", "around", "as", "at", "back", "be", "became", "because", "become",
|
||||||
|
"becomes", "becoming", "been", "before", "beforehand", "behind", "being", "below", "beside",
|
||||||
|
"besides", "between", "beyond", "bill", "both", "bottom", "but", "by", "call", "can", "cannot",
|
||||||
|
"cant", "co", "con", "could", "couldnt", "cry", "de", "describe", "detail", "do", "done", "down",
|
||||||
|
"due", "during", "each", "eg", "eight", "either", "eleven", "else", "elsewhere", "empty",
|
||||||
|
"enough", "etc", "even", "ever", "every", "everyone", "everything", "everywhere", "except",
|
||||||
|
"few", "fifteen", "fify", "fill", "find", "fire", "first", "five", "for", "former", "formerly",
|
||||||
|
"forty", "found", "four", "from", "front", "full", "further", "get", "give", "go", "had", "has",
|
||||||
|
"hasnt", "have", "he", "hence", "her", "here", "hereafter", "hereby", "herein", "hereupon",
|
||||||
|
"hers", "herself", "him", "himself", "his", "how", "however", "hundred", "ie", "if", "in",
|
||||||
|
"inc", "indeed", "interest", "into", "is", "it", "its", "itself", "keep", "last", "latter",
|
||||||
|
"latterly", "least", "less", "ltd", "made", "many", "may", "me", "meanwhile", "might", "mill",
|
||||||
|
"mine", "more", "moreover", "most", "mostly", "move", "much", "must", "my", "myself", "name",
|
||||||
|
"namely", "neither", "never", "nevertheless", "next", "nine", "no", "nobody", "none", "noone",
|
||||||
|
"nor", "not", "nothing", "now", "nowhere", "of", "off", "often", "on", "once", "one", "only",
|
||||||
|
"onto", "or", "other", "others", "otherwise", "our", "ours", "ourselves", "out", "over", "own",
|
||||||
|
"part", "per", "perhaps", "please", "put", "rather", "re", "same", "see", "seem", "seemed",
|
||||||
|
"seeming", "seems", "serious", "several", "she", "should", "show", "side", "since", "sincere",
|
||||||
|
"six", "sixty", "so", "some", "somehow", "someone", "something", "sometime", "sometimes",
|
||||||
|
"somewhere", "still", "such", "system", "take", "ten", "than", "that", "the", "their", "them",
|
||||||
|
"themselves", "then", "thence", "there", "thereafter", "thereby", "therefore", "therein",
|
||||||
|
"thereupon", "these", "they", "thickv", "thin", "third", "this", "those", "though", "three",
|
||||||
|
"through", "throughout", "thru", "thus", "to", "together", "too", "top", "toward", "towards",
|
||||||
|
"twelve", "twenty", "two", "un", "under", "until", "up", "upon", "us", "very", "via", "was",
|
||||||
|
"we", "well", "were", "what", "whatever", "when", "whence", "whenever", "where", "whereafter",
|
||||||
|
"whereas", "whereby", "wherein", "whereupon", "wherever", "whether", "which", "while", "whither",
|
||||||
|
"who", "whoever", "whole", "whom", "whose", "why", "will", "with", "within", "without", "would",
|
||||||
|
"yet", "you", "your", "yours", "yourself", "yourselves"
|
||||||
|
];
|
||||||
|
|
||||||
|
public static function index($source)
|
||||||
|
{
|
||||||
|
$source = html_entity_decode($source, ENT_QUOTES);
|
||||||
$source_length = strlen($source);
|
$source_length = strlen($source);
|
||||||
|
|
||||||
$index = [];
|
$index = [];
|
||||||
|
@ -1274,6 +1324,10 @@ register_module([
|
||||||
foreach($terms as $term)
|
foreach($terms as $term)
|
||||||
{
|
{
|
||||||
$nterm = strtolower($term);
|
$nterm = strtolower($term);
|
||||||
|
|
||||||
|
// Skip over stop words (see https://en.wikipedia.org/wiki/Stop_words)
|
||||||
|
if(in_array($nterm, self::$stop_words)) continue;
|
||||||
|
|
||||||
if(!isset($index[$nterm]))
|
if(!isset($index[$nterm]))
|
||||||
{
|
{
|
||||||
$index[$nterm] = [ "freq" => 0, "offsets" => [] ];
|
$index[$nterm] = [ "freq" => 0, "offsets" => [] ];
|
||||||
|
@ -1285,14 +1339,42 @@ register_module([
|
||||||
$i++;
|
$i++;
|
||||||
}
|
}
|
||||||
|
|
||||||
var_dump($env->page);
|
self::sort_index($index);
|
||||||
var_dump($source);
|
|
||||||
echo("source length: $source_length\n");
|
|
||||||
|
|
||||||
var_dump($index);
|
return $index;
|
||||||
});
|
|
||||||
}
|
}
|
||||||
]);
|
|
||||||
|
/*
|
||||||
|
* @sumary Sorts an index alphabetically. This allows us to do a binary search instead of a regular sequential search.
|
||||||
|
*/
|
||||||
|
public static function sort_index(&$index)
|
||||||
|
{
|
||||||
|
ksort($index, SORT_NATURAL);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
class ids
|
||||||
|
{
|
||||||
|
/*
|
||||||
|
* @summary Gets the page id associated with the given pagename.
|
||||||
|
*/
|
||||||
|
public static function get_page_id($pagename)
|
||||||
|
{
|
||||||
|
global $idindex;
|
||||||
|
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
/*
|
||||||
|
* @summary Gets the page name associated with the given page id.
|
||||||
|
*/
|
||||||
|
public static function get_id_pagename($id)
|
||||||
|
{
|
||||||
|
global $idindex;
|
||||||
|
|
||||||
|
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
|
@ -50,7 +50,7 @@
|
||||||
"author": "Starbeamrainbowlabs",
|
"author": "Starbeamrainbowlabs",
|
||||||
"description": "Adds proper search functionality to Pepperminty Wiki. Note that this module, at the moment, just contains test code while I figure out how best to write a search engine.",
|
"description": "Adds proper search functionality to Pepperminty Wiki. Note that this module, at the moment, just contains test code while I figure out how best to write a search engine.",
|
||||||
"id": "feature-search",
|
"id": "feature-search",
|
||||||
"lastupdate": 1446021592,
|
"lastupdate": 1446023560,
|
||||||
"optional": false
|
"optional": false
|
||||||
},
|
},
|
||||||
{
|
{
|
||||||
|
|
|
@ -14,6 +14,56 @@ register_module([
|
||||||
header("content-type: text/plain");
|
header("content-type: text/plain");
|
||||||
|
|
||||||
$source = file_get_contents("$env->page.md");
|
$source = file_get_contents("$env->page.md");
|
||||||
|
|
||||||
|
$index = search::index($source);
|
||||||
|
|
||||||
|
var_dump($env->page);
|
||||||
|
var_dump($source);
|
||||||
|
|
||||||
|
var_dump($index);
|
||||||
|
});
|
||||||
|
}
|
||||||
|
]);
|
||||||
|
|
||||||
|
class search
|
||||||
|
{
|
||||||
|
public static $stop_words = [
|
||||||
|
"a", "about", "above", "above", "across", "after", "afterwards", "again", "against",
|
||||||
|
"all", "almost", "alone", "along", "already", "also", "although", "always", "am", "among",
|
||||||
|
"amongst", "amoungst", "amount", "an", "and", "another", "any", "anyhow", "anyone", "anything",
|
||||||
|
"anyway", "anywhere", "are", "around", "as", "at", "back", "be", "became", "because", "become",
|
||||||
|
"becomes", "becoming", "been", "before", "beforehand", "behind", "being", "below", "beside",
|
||||||
|
"besides", "between", "beyond", "bill", "both", "bottom", "but", "by", "call", "can", "cannot",
|
||||||
|
"cant", "co", "con", "could", "couldnt", "cry", "de", "describe", "detail", "do", "done", "down",
|
||||||
|
"due", "during", "each", "eg", "eight", "either", "eleven", "else", "elsewhere", "empty",
|
||||||
|
"enough", "etc", "even", "ever", "every", "everyone", "everything", "everywhere", "except",
|
||||||
|
"few", "fifteen", "fify", "fill", "find", "fire", "first", "five", "for", "former", "formerly",
|
||||||
|
"forty", "found", "four", "from", "front", "full", "further", "get", "give", "go", "had", "has",
|
||||||
|
"hasnt", "have", "he", "hence", "her", "here", "hereafter", "hereby", "herein", "hereupon",
|
||||||
|
"hers", "herself", "him", "himself", "his", "how", "however", "hundred", "ie", "if", "in",
|
||||||
|
"inc", "indeed", "interest", "into", "is", "it", "its", "itself", "keep", "last", "latter",
|
||||||
|
"latterly", "least", "less", "ltd", "made", "many", "may", "me", "meanwhile", "might", "mill",
|
||||||
|
"mine", "more", "moreover", "most", "mostly", "move", "much", "must", "my", "myself", "name",
|
||||||
|
"namely", "neither", "never", "nevertheless", "next", "nine", "no", "nobody", "none", "noone",
|
||||||
|
"nor", "not", "nothing", "now", "nowhere", "of", "off", "often", "on", "once", "one", "only",
|
||||||
|
"onto", "or", "other", "others", "otherwise", "our", "ours", "ourselves", "out", "over", "own",
|
||||||
|
"part", "per", "perhaps", "please", "put", "rather", "re", "same", "see", "seem", "seemed",
|
||||||
|
"seeming", "seems", "serious", "several", "she", "should", "show", "side", "since", "sincere",
|
||||||
|
"six", "sixty", "so", "some", "somehow", "someone", "something", "sometime", "sometimes",
|
||||||
|
"somewhere", "still", "such", "system", "take", "ten", "than", "that", "the", "their", "them",
|
||||||
|
"themselves", "then", "thence", "there", "thereafter", "thereby", "therefore", "therein",
|
||||||
|
"thereupon", "these", "they", "thickv", "thin", "third", "this", "those", "though", "three",
|
||||||
|
"through", "throughout", "thru", "thus", "to", "together", "too", "top", "toward", "towards",
|
||||||
|
"twelve", "twenty", "two", "un", "under", "until", "up", "upon", "us", "very", "via", "was",
|
||||||
|
"we", "well", "were", "what", "whatever", "when", "whence", "whenever", "where", "whereafter",
|
||||||
|
"whereas", "whereby", "wherein", "whereupon", "wherever", "whether", "which", "while", "whither",
|
||||||
|
"who", "whoever", "whole", "whom", "whose", "why", "will", "with", "within", "without", "would",
|
||||||
|
"yet", "you", "your", "yours", "yourself", "yourselves"
|
||||||
|
];
|
||||||
|
|
||||||
|
public static function index($source)
|
||||||
|
{
|
||||||
|
$source = html_entity_decode($source, ENT_QUOTES);
|
||||||
$source_length = strlen($source);
|
$source_length = strlen($source);
|
||||||
|
|
||||||
$index = [];
|
$index = [];
|
||||||
|
@ -24,6 +74,10 @@ register_module([
|
||||||
foreach($terms as $term)
|
foreach($terms as $term)
|
||||||
{
|
{
|
||||||
$nterm = strtolower($term);
|
$nterm = strtolower($term);
|
||||||
|
|
||||||
|
// Skip over stop words (see https://en.wikipedia.org/wiki/Stop_words)
|
||||||
|
if(in_array($nterm, self::$stop_words)) continue;
|
||||||
|
|
||||||
if(!isset($index[$nterm]))
|
if(!isset($index[$nterm]))
|
||||||
{
|
{
|
||||||
$index[$nterm] = [ "freq" => 0, "offsets" => [] ];
|
$index[$nterm] = [ "freq" => 0, "offsets" => [] ];
|
||||||
|
@ -35,13 +89,41 @@ register_module([
|
||||||
$i++;
|
$i++;
|
||||||
}
|
}
|
||||||
|
|
||||||
var_dump($env->page);
|
self::sort_index($index);
|
||||||
var_dump($source);
|
|
||||||
echo("source length: $source_length\n");
|
|
||||||
|
|
||||||
var_dump($index);
|
return $index;
|
||||||
});
|
|
||||||
}
|
}
|
||||||
]);
|
|
||||||
|
/*
|
||||||
|
* @sumary Sorts an index alphabetically. This allows us to do a binary search instead of a regular sequential search.
|
||||||
|
*/
|
||||||
|
public static function sort_index(&$index)
|
||||||
|
{
|
||||||
|
ksort($index, SORT_NATURAL);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
class ids
|
||||||
|
{
|
||||||
|
/*
|
||||||
|
* @summary Gets the page id associated with the given pagename.
|
||||||
|
*/
|
||||||
|
public static function get_page_id($pagename)
|
||||||
|
{
|
||||||
|
global $idindex;
|
||||||
|
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
/*
|
||||||
|
* @summary Gets the page name associated with the given page id.
|
||||||
|
*/
|
||||||
|
public static function get_id_pagename($id)
|
||||||
|
{
|
||||||
|
global $idindex;
|
||||||
|
|
||||||
|
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
?>
|
?>
|
||||||
|
|
Loading…
Reference in a new issue