Copy the KDE 3.5 branch to branches/trinity for new KDE 3.5 features.

BUG:215923


git-svn-id: svn://anonsvn.kde.org/home/kde/branches/trinity/kdepim@1054174 283d02a7-25f6-0310-bc7c-ecb5cbfe19da

1 files changed, 300 insertions, 0 deletions

diff --git a/indexlib/tokenizer.cpp b/indexlib/tokenizer.cpp
new file mode 100644
index 000000000..b069c7482
--- /dev/null
+++ b/indexlib/tokenizer.cpp
@@ -0,0 +1,300 @@
+#include "tokenizer.h"
+#include <algorithm>
+#include <vector>
+#include <string>
+#include <cassert>
+
+using std::string;
+using std::vector;
+
+namespace {
+vector<string> split( const char* str, const char delim ) {
+	assert( str );
+	vector<string> res;
+	while ( *str == delim ) ++str;
+	while ( *str ) {
+		const char* start = str++;
+		while ( *str && *str != delim ) ++str;
+		res.push_back( string( start, str ) );
+		while ( *str == delim ) ++str;
+	}
+	return res;
+}
+
+class latin1_tokenizer : public indexlib::detail::tokenizer {
+	private:
+		static const char stop = 46; // .
+		static void normalize( char& c ) {
+			const char result[] = {
+				stop, //  [ 0 ]
+				stop, //  [ 1 ]
+				stop, //  [ 2 ]
+				stop, //  [ 3 ]
+				stop, //  [ 4 ]
+				stop, //  [ 5 ]
+				stop, //  [ 6 ]
+				stop, //  [ 7 ]
+				stop, // ^H [ 8 ]
+				stop, // \t [ 9 ]
+				stop, // [ 10 ]
+				stop, //  [ 11 ]
+				stop, //  [ 12 ]
+				stop, //  [ 13 ]
+				stop, //  [ 14 ]
+				stop, //  [ 15 ]
+				stop, //  [ 16 ]
+				stop, //  [ 17 ]
+				stop, //  [ 18 ]
+				stop, //  [ 19 ]
+				stop, //  [ 20 ]
+				stop, //  [ 21 ]
+				stop, //  [ 22 ]
+				stop, //  [ 23 ]
+				stop, //  [ 24 ]
+				stop, //  [ 25 ]
+				stop, //  [ 26 ]
+				stop, //  [ 27 ]
+				stop, //  [ 28 ]
+				stop, //  [ 29 ]
+				stop, //  [ 30 ]
+				stop, //  [ 31 ]
+				stop, //  [ 32 ]
+				stop, // ! [ 33 ]
+				stop, // " [ 34 ]
+				stop, // # [ 35 ]
+				stop, // $ [ 36 ]
+				stop, // % [ 37 ]
+				stop, // & [ 38 ]
+				stop, // ' [ 39 ]
+				stop, // ( [ 40 ]
+				stop, // ) [ 41 ]
+				stop, // * [ 42 ]
+				stop, // + [ 43 ]
+				stop, // , [ 44 ]
+				stop, // - [ 45 ]
+				stop, // . [ 46 ]
+				stop, // / [ 47 ]
+				'0', // 0 [ 48 ]
+				'1', // 1 [ 49 ]
+				'2', // 2 [ 50 ]
+				'3', // 3 [ 51 ]
+				'4', // 4 [ 52 ]
+				'5', // 5 [ 53 ]
+				'6', // 6 [ 54 ]
+				'7', // 7 [ 55 ]
+				'8', // 8 [ 56 ]
+				'9', // 9 [ 57 ]
+				stop, // : [ 58 ]
+				stop, // ; [ 59 ]
+				stop, // < [ 60 ]
+				stop, // = [ 61 ]
+				stop, // > [ 62 ]
+				stop, // ? [ 63 ]
+				stop, // @ [ 64 ]
+				'A', // A [ 65 ]
+				'B', // B [ 66 ]
+				'C', // C [ 67 ]
+				'D', // D [ 68 ]
+				'E', // E [ 69 ]
+				'F', // F [ 70 ]
+				'G', // G [ 71 ]
+				'H', // H [ 72 ]
+				'I', // I [ 73 ]
+				'J', // J [ 74 ]
+				'K', // K [ 75 ]
+				'L', // L [ 76 ]
+				'M', // M [ 77 ]
+				'N', // N [ 78 ]
+				'O', // O [ 79 ]
+				'P', // P [ 80 ]
+				'Q', // Q [ 81 ]
+				'R', // R [ 82 ]
+				'S', // S [ 83 ]
+				'T', // T [ 84 ]
+				'U', // U [ 85 ]
+				'V', // V [ 86 ]
+				'W', // W [ 87 ]
+				'X', // X [ 88 ]
+				'Y', // Y [ 89 ]
+				'Z', // Z [ 90 ]
+				stop, // [ [ 91 ]
+				stop, // \ [ 92 ]
+				stop, // ] [ 93 ]
+				stop, // ^ [ 94 ]
+				stop, // _ [ 95 ]
+				stop, // ` [ 96 ]
+				'A', // a [ 97 ]
+				'B', // b [ 98 ]
+				'C', // c [ 99 ]
+				'D', // d [ 100 ]
+				'E', // e [ 101 ]
+				'F', // f [ 102 ]
+				'G', // g [ 103 ]
+				'H', // h [ 104 ]
+				'I', // i [ 105 ]
+				'J', // j [ 106 ]
+				'K', // k [ 107 ]
+				'L', // l [ 108 ]
+				'M', // m [ 109 ]
+				'N', // n [ 110 ]
+				'O', // o [ 111 ]
+				'P', // p [ 112 ]
+				'Q', // q [ 113 ]
+				'R', // r [ 114 ]
+				'S', // s [ 115 ]
+				'T', // t [ 116 ]
+				'U', // u [ 117 ]
+				'V', // v [ 118 ]
+				'W', // w [ 119 ]
+				'X', // x [ 120 ]
+				'Y', // y [ 121 ]
+				'Z', // z [ 122 ]
+				stop, // { [ 123 ]
+				stop, // | [ 124 ]
+				stop, // } [ 125 ]
+				stop, // ~ [ 126 ]
+				stop, //  [ 127 ]
+				stop, // � [ 128 ]
+				stop, // � [ 129 ]
+				stop, // � [ 130 ]
+				stop, // � [ 131 ]
+				stop, // � [ 132 ]
+				stop, // � [ 133 ]
+				stop, // � [ 134 ]
+				stop, // � [ 135 ]
+				stop, // � [ 136 ]
+				stop, // � [ 137 ]
+				stop, // � [ 138 ]
+				stop, // � [ 139 ]
+				stop, // � [ 140 ]
+				stop, // � [ 141 ]
+				stop, // � [ 142 ]
+				stop, // � [ 143 ]
+				stop, // � [ 144 ]
+				stop, // � [ 145 ]
+				stop, // � [ 146 ]
+				stop, // � [ 147 ]
+				stop, // � [ 148 ]
+				stop, // � [ 149 ]
+				stop, // � [ 150 ]
+				stop, // � [ 151 ]
+				stop, // � [ 152 ]
+				stop, // � [ 153 ]
+				stop, // � [ 154 ]
+				stop, // � [ 155 ]
+				stop, // � [ 156 ]
+				stop, // � [ 157 ]
+				stop, // � [ 158 ]
+				stop, // � [ 159 ]
+				stop, // � [ 160 ]
+				stop, // � [ 161 ]
+				stop, // � [ 162 ]
+				stop, // � [ 163 ]
+				stop, // � [ 164 ]
+				stop, // � [ 165 ]
+				stop, // � [ 166 ]
+				stop, // � [ 167 ]
+				stop, // � [ 168 ]
+				stop, // � [ 169 ]
+				stop, // � [ 170 ]
+				stop, // � [ 171 ]
+				stop, // � [ 172 ]
+				stop, // � [ 173 ]
+				stop, // � [ 174 ]
+				stop, // � [ 175 ]
+				stop, // � [ 176 ]
+				stop, // � [ 177 ]
+				stop, // � [ 178 ]
+				stop, // � [ 179 ]
+				stop, // � [ 180 ]
+				stop, // � [ 181 ]
+				stop, // � [ 182 ]
+				stop, // � [ 183 ]
+				stop, // � [ 184 ]
+				stop, // � [ 185 ]
+				stop, // � [ 186 ]
+				stop, // � [ 187 ]
+				stop, // � [ 188 ]
+				stop, // � [ 189 ]
+				stop, // � [ 190 ]
+				stop, // � [ 191 ]
+				'A', // � [ 192 ]
+				'A', // � [ 193 ]
+				'A', // � [ 194 ]
+				'A', // � [ 195 ]
+				'A', // � [ 196 ]
+				'A', // � [ 197 ]
+				'A', // � [ 198 ]
+				'C', // � [ 199 ]
+				'E', // � [ 200 ]
+				'E', // � [ 201 ]
+				'E', // � [ 202 ]
+				'E', // � [ 203 ]
+				'I', // � [ 204 ]
+				'I', // � [ 205 ]
+				'I', // � [ 206 ]
+				'I', // � [ 207 ]
+				'D', // � [ 208 ]
+				'N', // � [ 209 ]
+				'O', // � [ 210 ]
+				'O', // � [ 211 ]
+				'O', // � [ 212 ]
+				'O', // � [ 213 ]
+				'O', // � [ 214 ]
+				'X', // � [ 215 ]
+				'O', // � [ 216 ]
+				'U', // � [ 217 ]
+				'U', // � [ 218 ]
+				'U', // � [ 219 ]
+				'U', // � [ 220 ]
+				'Y', // � [ 221 ]
+				'T', // � [ 222 ]
+				'S', // � [ 223 ]
+				'A', // � [ 224 ]
+				'A', // � [ 225 ]
+				'A', // � [ 226 ]
+				'A', // � [ 227 ]
+				'A', // � [ 228 ]
+				'A', // � [ 229 ]
+				'A', // � [ 230 ]
+				'C', // � [ 231 ]
+				'E', // � [ 232 ]
+				'E', // � [ 233 ]
+				'E', // � [ 234 ]
+				'E', // � [ 235 ]
+				'I', // � [ 236 ]
+				'I', // � [ 237 ]
+				'I', // � [ 238 ]
+				'I', // � [ 239 ]
+				stop, // � [ 240 ]
+				'N', // � [ 241 ]
+				'O', // � [ 242 ]
+				'O', // � [ 243 ]
+				'O', // � [ 244 ]
+				'O', // � [ 245 ]
+				'O', // � [ 246 ]
+				stop, // � [ 247 ]
+				'O', // � [ 248 ]
+				'U', // � [ 249 ]
+				'U', // � [ 250 ]
+				'U', // � [ 251 ]
+				'U', // � [ 252 ]
+				'Y', // � [ 253 ]
+				'T', // � [ 254 ]
+				'Y' // � [ 255 ]
+			};
+			c = result[ static_cast<unsigned char>( c ) ];
+		}
+		std::vector<std::string> do_string_to_words( const char* str ) {
+			string complete = str;
+			std::for_each( complete.begin(), complete.end(), normalize );
+			return split( complete.c_str(), stop );
+		}
+};
+}
+
+
+std::auto_ptr<indexlib::detail::tokenizer> indexlib::detail::get_tokenizer( std::string name ) {
+	if ( name == "latin-1:european" ) return std::auto_ptr<indexlib::detail::tokenizer>( new latin1_tokenizer );
+	return std::auto_ptr<indexlib::detail::tokenizer>( 0 );
+}