From 8913ec261a6ddcf5c7839790fc0fd9a711d9b682 Mon Sep 17 00:00:00 2001
From: Ghislain Loas <ghislo@sandbox.pergame.net>
Date: Wed, 30 Sep 2015 16:42:47 +0200
Subject: [PATCH] hotline #8625 add PC and DS to indexable word
---
VERSIONS_HOTLINE/8625 | 1 +
library/Class/Indexation.php | 1011 ++++++++++---------
library/Class/MoteurRecherche.php | 3 +
tests/library/Class/MoteurRechercheTest.php | 28 +
4 files changed, 539 insertions(+), 504 deletions(-)
create mode 100644 VERSIONS_HOTLINE/8625
diff --git a/VERSIONS_HOTLINE/8625 b/VERSIONS_HOTLINE/8625
new file mode 100644
index 00000000000..0b15687d300
--- /dev/null
+++ b/VERSIONS_HOTLINE/8625
@@ -0,0 +1 @@
+ - ticket #8625 : Ajout de DS et PC dans les formes autorisées à l'indexation.
\ No newline at end of file
diff --git a/library/Class/Indexation.php b/library/Class/Indexation.php
index ba12ebfd3a3..40dd5297d56 100644
--- a/library/Class/Indexation.php
+++ b/library/Class/Indexation.php
@@ -51,539 +51,542 @@ class Class_Indexation {
function __construct() {
// Lire formes rejetées
- $this->articles=array('L\'','LE ','LA ','LES ','UN ','UNE ');
- $this->inclu=array('AN','AS','OR','U2','AI','LU','XO','DO','RE','MI','FA','SI','AC','DC','XX','B','C','D','E','F','G','H','I','J','K','M','P','Q','R','S','T','V','W','X','Y','Z','L','YU','UT','LI','OC','PI','ZU','WU','TO','OZ','ZZ','XX');
- $this->exclu = array('L','LE','LA','LES','UN','UNE','LES','DES','MES','TES','CES');
+ $this->articles = ['L\'','LE ','LA ','LES ','UN ','UNE '];
+
+ $this->inclu = ['AN','AS','OR','U2','AI','LU','XO','DO','RE','MI','FA','SI','AC','DC','XX','B','C','D','E','F','G','H','I','J','K','M','P','Q','R','S','T','V','W','X','Y','Z','L','YU','UT','LI','OC','PI','ZU','WU','TO','OZ','ZZ','XX', 'PC', 'DS'];
+
+ $this->exclu = ['L','LE','LA','LES','UN','UNE','LES','DES','MES','TES','CES'];
// Pluriels
- $this->pluriel=array(
- array('AIL','AULX'),
- array('AVAL','AVALS'),
- array('BAIL','BAUX'),
- array('BAL','BALS'),
- array('BANAL','BANALS'),
- array('BANCAL','BANCALS'),
- array('BIJOU','BIJOUX'),
- array('BLEU','BLEUS'),
- array('CAILLOU','CAILLOUX'),
- array('CAL','CALS'),
- array('CARNAVAL','CARNAVALS'),
- array('CEREMONIAL','CEREMONIALS'),
- array('CHACAL','CHACALS'),
- array('CHORAL','CHORALS'),
- array('CHOU','CHOUX'),
- array('CORAIL','CORAUX'),
- array('DETAIL','DETAILS'),
- array('EMAIL','EMAUX'),
- array('EMEU','EMEUS'),
- array('ETAL','ETALS'),
- array('FATAL','FATALS'),
- array('FESTIVAL','FESTIVALS'),
- array('GEMMAIL','GEMMAUX'),
- array('GENOU','GENOUX'),
- array('HIBOU','HIBOUX'),
- array('JOUJOU','JOUJOUX'),
- array('LANDAU','LANDAUX'),
- array('NATAL','NATALS'),
- array('OEIL','YEUX'),
- array('PAL','PALS'),
- array('PNEU','PNEUS'),
- array('POU','POUX'),
- array('RECITAL','RECITALS'),
- array('REGAL','REGALS'),
- array('SARRAU','SARRAUS'),
- array('SOUPIRAIL','SOUPIRAUX'),
- array('TONAL','TONALS'),
- array('TRAVAIL','TRAVAUX'),
- array('VAL','VALS'),
- array('VENTAIL','VENTAUX'),
- array('VIRGINAL','VIRGINALS'),
- array('VITRAIL','VITRAUX'),
- array('*EAU','*EAUX'),
- array('*AL','*AUX'),
- array('*EU','*EUX'),
- array('*AU','*AUX')
- );
-
- // Init table ascii pour majuscules
- $this->tableMajTo = str_split(str_repeat( ' ', 42 )
- . '* 0123456789 '
- . 'ABCDEFGHIJKLMNOPQRSTUVWXYZ '
- . 'ABCDEFGHIJKLMNOPQRSTUVWXYZ '
- . str_repeat( ' ', 63)
- .'AAAAAAACEEEEIIII NOOOOO UUUUY AAAAAAACEEEEIIII NOOOOO UUUUY Y');
-
- for($i=0; $i<count($this->tableMajTo); $i++)
- $this->tableMajFrom[] = chr($i);
-
-
- $this->tableMajUtf8=array(chr(0xC9) => 'E', 'È' => 'E', 'Ë' => 'E', 'Ê' => 'E','Ã' => 'A', 'À' => 'A', 'Ä' => 'A', 'Â' => 'A',
- 'Ã…' => 'A', 'Ã' => 'A', 'Æ' => 'E','Ã' => 'I', 'ÃŽ' => 'I', 'ÃŒ' => 'I', 'Ã' => 'I',
- 'Ô' => 'O', 'Ö' => 'O', 'Ò' => 'O', 'Ó' => 'O', 'Õ' => 'O', 'Ø' => 'O', 'Œ' => 'OEU',
- 'Ú' => 'U', 'Ù' => 'U', 'Û' => 'U', 'Ü' => 'U','Ñ' => 'N', 'Ç' => 'S', '¿' => 'E');
- }
- // Indexation d'un titre
- public function codeAlphaTitre($titre)
- {
- $titre=$this->alphaMaj($titre);
- foreach($this->articles as $article)
+ $this->pluriel = [ ['AIL','AULX'],
+ ['AVAL','AVALS'],
+ ['BAIL','BAUX'],
+ ['BAL','BALS'],
+ ['BANAL','BANALS'],
+ ['BANCAL','BANCALS'],
+ ['BIJOU','BIJOUX'],
+ ['BLEU','BLEUS'],
+ ['CAILLOU','CAILLOUX'],
+ ['CAL','CALS'],
+ ['CARNAVAL','CARNAVALS'],
+ ['CEREMONIAL','CEREMONIALS'],
+ ['CHACAL','CHACALS'],
+ ['CHORAL','CHORALS'],
+ ['CHOU','CHOUX'],
+ ['CORAIL','CORAUX'],
+ ['DETAIL','DETAILS'],
+ ['EMAIL','EMAUX'],
+ ['EMEU','EMEUS'],
+ ['ETAL','ETALS'],
+ ['FATAL','FATALS'],
+ ['FESTIVAL','FESTIVALS'],
+ ['GEMMAIL','GEMMAUX'],
+ ['GENOU','GENOUX'],
+ ['HIBOU','HIBOUX'],
+ ['JOUJOU','JOUJOUX'],
+ ['LANDAU','LANDAUX'],
+ ['NATAL','NATALS'],
+ ['OEIL','YEUX'],
+ ['PAL','PALS'],
+ ['PNEU','PNEUS'],
+ ['POU','POUX'],
+ ['RECITAL','RECITALS'],
+ ['REGAL','REGALS'],
+ ['SARRAU','SARRAUS'],
+ ['SOUPIRAIL','SOUPIRAUX'],
+ ['TONAL','TONALS'],
+ ['TRAVAIL','TRAVAUX'],
+ ['VAL','VALS'],
+ ['VENTAIL','VENTAUX'],
+ ['VIRGINAL','VIRGINALS'],
+ ['VITRAIL','VITRAUX'],
+ ['*EAU','*EAUX'],
+ ['*AL','*AUX'],
+ ['*EU','*EUX'],
+ ['*AU','*AUX'],
+ ['PC','PC'],
+ ['DS','DS']];
+
+ // Init table ascii pour majuscules
+ $this->tableMajTo = str_split(str_repeat( ' ', 42 )
+ . '* 0123456789 '
+ . 'ABCDEFGHIJKLMNOPQRSTUVWXYZ '
+ . 'ABCDEFGHIJKLMNOPQRSTUVWXYZ '
+ . str_repeat( ' ', 63)
+ .'AAAAAAACEEEEIIII NOOOOO UUUUY AAAAAAACEEEEIIII NOOOOO UUUUY Y');
+
+ for($i=0; $i<count($this->tableMajTo); $i++)
+ $this->tableMajFrom[] = chr($i);
+
+
+ $this->tableMajUtf8=array(chr(0xC9) => 'E', 'È' => 'E', 'Ë' => 'E', 'Ê' => 'E','Ã' => 'A', 'À' => 'A', 'Ä' => 'A', 'Â' => 'A',
+ 'Ã…' => 'A', 'Ã' => 'A', 'Æ' => 'E','Ã' => 'I', 'ÃŽ' => 'I', 'ÃŒ' => 'I', 'Ã' => 'I',
+ 'Ô' => 'O', 'Ö' => 'O', 'Ò' => 'O', 'Ó' => 'O', 'Õ' => 'O', 'Ø' => 'O', 'Œ' => 'OEU',
+ 'Ú' => 'U', 'Ù' => 'U', 'Û' => 'U', 'Ü' => 'U','Ñ' => 'N', 'Ç' => 'S', '¿' => 'E');
+ }
+ // Indexation d'un titre
+ public function codeAlphaTitre($titre)
{
- $lg=strlen($article);
- if(strLeft($titre, $lg)==$article) {$titre=strMid($titre,$lg,256); break;}
+ $titre=$this->alphaMaj($titre);
+ foreach($this->articles as $article)
+ {
+ $lg=strlen($article);
+ if(strLeft($titre, $lg)==$article) {$titre=strMid($titre,$lg,256); break;}
+ }
+ $titre=$this->alphaMaj($titre);
+ return $titre;
}
- $titre=$this->alphaMaj($titre);
- return $titre;
- }
- // Rend une suite de mots complete pour les formes plurielles
- public function getExpressionRecherche($mot) {
- if (!$mot=trim($mot))
- return false;
+ // Rend une suite de mots complete pour les formes plurielles
+ public function getExpressionRecherche($mot) {
+ if (!$mot=trim($mot))
+ return false;
- // Pluriel
- $etoile = '';
- if(strRight($mot,1) == '*') {
- $etoile='*';
- $mot=strLeft($mot, strlen($mot)-1);
- }
+ // Pluriel
+ $etoile = '';
+ if(strRight($mot,1) == '*') {
+ $etoile='*';
+ $mot=strLeft($mot, strlen($mot)-1);
+ }
- $m = $this->getPluriel($mot);
- $m[2] = $this->phonetix($m[0]);
- return trim('('.$m[0].$etoile.' '.$m[1].' '.$m[2].')');
- }
+ $m = $this->getPluriel($mot);
+ $m[2] = $this->phonetix($m[0]);
+ return trim('('.$m[0].$etoile.' '.$m[1].' '.$m[2].')');
+ }
- public function alphaMaj( $chaine ) {
- if (isset(static::$_alpha_maj_cache[$chaine]))
- return static::$_alpha_maj_cache[$chaine];
+ public function alphaMaj( $chaine ) {
+ if (isset(static::$_alpha_maj_cache[$chaine]))
+ return static::$_alpha_maj_cache[$chaine];
- return static::$_alpha_maj_cache[$chaine] = trim(str_replace($this->tableMajFrom,
- $this->tableMajTo,
- utf8_decode($chaine)));
- }
+ return static::$_alpha_maj_cache[$chaine] = trim(str_replace($this->tableMajFrom,
+ $this->tableMajTo,
+ utf8_decode($chaine)));
+ }
- public function getClefAlpha($type_doc,$titre,$complement_titre,$auteur,$tome,$editeur,$annee)
- {
- $clef=$this->getClefOeuvre($titre,$complement_titre,$auteur,$tome).'-';
- $clef.=substr($this->alphaMaj(str_replace(' ','',$editeur)),0,80).'-';
- $clef.=$annee.'-';
- $clef.=$type_doc;
- $clef=str_replace(' ','',$clef);
- return $clef;
- }
+ public function getClefAlpha($type_doc,$titre,$complement_titre,$auteur,$tome,$editeur,$annee)
+ {
+ $clef=$this->getClefOeuvre($titre,$complement_titre,$auteur,$tome).'-';
+ $clef.=substr($this->alphaMaj(str_replace(' ','',$editeur)),0,80).'-';
+ $clef.=$annee.'-';
+ $clef.=$type_doc;
+ $clef=str_replace(' ','',$clef);
+ return $clef;
+ }
// Rend une clef alpha pour les oeuvres
- public function getClefOeuvre($titre,$complement_titre,$auteur,$tome)
- {
- $clef = substr($this->codeAlphaTitre(strtoupper(str_replace(' ','',$titre))),0,80).'-';
- $clef.=substr($this->codeAlphaTitre(strtoupper(str_replace(' ','',$complement_titre))),0,20).'-';
- $clef.=substr($this->alphaMaj(str_replace(' ','',$auteur)),0,80).'-';
- $clef.=$this->alphaMaj($tome);
- $clef=str_replace(' ','',$clef);
- return $clef;
- }
+ public function getClefOeuvre($titre,$complement_titre,$auteur,$tome)
+ {
+ $clef = substr($this->codeAlphaTitre(strtoupper(str_replace(' ','',$titre))),0,80).'-';
+ $clef.=substr($this->codeAlphaTitre(strtoupper(str_replace(' ','',$complement_titre))),0,20).'-';
+ $clef.=substr($this->alphaMaj(str_replace(' ','',$auteur)),0,80).'-';
+ $clef.=$this->alphaMaj($tome);
+ $clef=str_replace(' ','',$clef);
+ return $clef;
+ }
// Decoupe une expression en mots en tenant compte des exclusions / inclusions
- public function getMots( $chaine )
- {
- $new=array();
- $chaine = str_replace( '.', '', $chaine);
- $chaine = trim($this->alphaMaj($chaine));
- $mot = explode( ' ', $chaine );
- $index = 0;
- for( $i = 0; $i < count($mot); $i++)
- {
- // Retirer mots de 2 lettres sauf les inclus et les nombres
- if( strLen($mot[$i]) < 3 And intVal($mot[$i])==false)
- {
- if( in_array( $mot[$i], $this->inclu) == false) continue;
- if(strlen($mot[$i])==1) $mot[$i].='00'; // mots d'1 lettre : on double la lettre
- }
- // Retirer mots vides
- if( in_array($mot[$i], $this->exclu ) == true ) continue;
- // On garde le mot
- $new[$index++] = $mot[$i];
- }
- return $new;
- }
+ public function getMots( $chaine ) {
+ $new = [];
+ $chaine = str_replace( '.', '', $chaine);
+ $chaine = trim($this->alphaMaj($chaine));
+ $words = explode(' ', $chaine);
-// Rend une chaine de mots dedoublonnes et filtres
- public function getFulltext($data) {
- if (gettype($data) != 'array')
- $data=array($data);
+ foreach($words as $word) {
+ if(strlen($word) < 3 && intVal($word) == false) {
+ if(false == in_array($word, $this->inclu))
+ continue;
- $new=' ';
- foreach($data as $chaine)
- {
- $mots=$this->getMots($chaine);
- foreach($mots as $mot)
- {
- $mot=' '.$mot.' ';
- if(strpos($new,$mot) === false )
- {
- $new.=trim($mot).' ';
- $phonem=' '.$this->phonetix(trim($mot)).' ';
- if($phonem and strpos($new,$phonem) === false ) $new.=trim($phonem).' ';
- }
- }
+ if( 1 == strlen($word))
+ $word .= '00';
+ }
+
+ if(true == in_array($word, $this->exclu))
+ continue;
+
+ $new[] = $word;
}
- return trim($new);
- }
+
+ return $new;
+ }
+
+// Rend une chaine de mots dedoublonnes et filtres
+ public function getFulltext($data) {
+ if (gettype($data) != 'array')
+ $data=array($data);
+
+ $new=' ';
+ foreach($data as $chaine)
+ {
+ $mots=$this->getMots($chaine);
+ foreach($mots as $mot)
+ {
+ $mot=' '.$mot.' ';
+ if(strpos($new,$mot) === false )
+ {
+ $new.=trim($mot).' ';
+ $phonem=' '.$this->phonetix(trim($mot)).' ';
+ if($phonem and strpos($new,$phonem) === false ) $new.=trim($phonem).' ';
+ }
+ }
+ }
+ return trim($new);
+ }
// Rend le mot au singulier et au pluriel
- public function getPluriel( $mot )
- {
- if( strToUpper($mot) != $mot ) $mot=$this->alphaMaj($mot);
- if(!trim($mot)) return false;
- foreach($this->pluriel as $regle)
- {
- if(strLeft($regle[0],1) != '*')
- {
- if($mot==$regle[0] or $mot==$regle[1]) return $regle;
- else continue;
- }
- $regle[0]=str_replace('*','',$regle[0]);
- $regle[1]=str_replace('*','',$regle[1]);
- $pattern_singulier = '('.$regle[0].'$)';
- $pattern_pluriel='('.$regle[1].'$)';
-
- $pluriel=ereg_replace($pattern_singulier, $regle[1], $mot);
- $singulier=ereg_replace($pattern_pluriel, $regle[0], $mot);
- if($singulier != $mot or $pluriel != $mot) break;
- }
- // Si inchangé on ajoute le S
- if($singulier == $pluriel)
- {
- if(strRight($mot,1)=='S') {$pluriel=$singulier; $singulier=strLeft($singulier,strlen($singulier)-1);}
- else $pluriel=$singulier.'S';
- }
- return array($singulier,$pluriel);
- }
+ public function getPluriel( $mot )
+ {
+ if( strToUpper($mot) != $mot ) $mot=$this->alphaMaj($mot);
+ if(!trim($mot)) return false;
+ foreach($this->pluriel as $regle)
+ {
+ if(strLeft($regle[0],1) != '*')
+ {
+ if($mot==$regle[0] or $mot==$regle[1]) return $regle;
+ else continue;
+ }
+ $regle[0]=str_replace('*','',$regle[0]);
+ $regle[1]=str_replace('*','',$regle[1]);
+ $pattern_singulier = '('.$regle[0].'$)';
+ $pattern_pluriel='('.$regle[1].'$)';
+
+ $pluriel=ereg_replace($pattern_singulier, $regle[1], $mot);
+ $singulier=ereg_replace($pattern_pluriel, $regle[0], $mot);
+ if($singulier != $mot or $pluriel != $mot) break;
+ }
+ // Si inchangé on ajoute le S
+ if($singulier == $pluriel)
+ {
+ if(strRight($mot,1)=='S') {$pluriel=$singulier; $singulier=strLeft($singulier,strlen($singulier)-1);}
+ else $pluriel=$singulier.'S';
+ }
+ return array($singulier,$pluriel);
+ }
// ---------------------------------------------------
// Rend true si mot inclu
// ---------------------------------------------------
- public function isMotInclu($mot)
- {
- return in_array($mot, $this->inclu);
- }
+ public function isMotInclu($mot)
+ {
+ return in_array($mot, $this->inclu);
+ }
// ---------------------------------------------------
// Othographe approchante
// ---------------------------------------------------
- function phonetix($sIn) {
- if (strlen($sIn)<4 || is_numeric($sIn))
- return false;
- return $this->phonetixCompute($sIn);
- }
-
- function phonetixCompute($sIn) {
- $sIn = strtr( $sIn, $this->accents); // minuscules accentuées ou composées en majuscules simples
- $sIn = strtr( $sIn, $this->min2maj); // majuscules accentuées ou composées en majuscules simples
- $sIn = strtoupper( $sIn ); // on passe tout le reste en majuscules
- $sIn = preg_replace( '`[^A-Z]`', '', $sIn ); // on garde uniquement les lettres de A Ã Z
-
- $sBack=$sIn; // on sauve le code (utilisé pour les mots très courts)
-
- $sIn = preg_replace( '`O[O]+`', 'OU', $sIn ); // pré traitement OO... -> OU
- $sIn = str_replace( 'SAOU', 'SOU', $sIn ); // pré traitement SAOU -> SOU
- $sIn = str_replace( 'OES', 'OS', $sIn ); // pré traitement OES -> OS
- $sIn = str_replace( 'CCH', 'K', $sIn ); // pré traitement CCH -> K
- $sIn = preg_replace( '`CC([IYE])`', 'KS$1', $sIn ); // CCI CCY CCE
- $sIn = preg_replace( '`(.)\1`', '$1', $sIn ); // supression des répétitions
-
- // quelques cas particuliers
- if ($sIn=='CD') return($sIn);
- if ($sIn=='BD') return($sIn);
- if ($sIn=='BV') return($sIn);
- if ($sIn=='TABAC') return('TABA');
- if ($sIn=='FEU') return('FE');
- if ($sIn=='FE') return($sIn);
- if ($sIn=='FER') return($sIn);
- if ($sIn=='FIEF') return($sIn);
- if ($sIn=='FJORD') return($sIn);
- if ($sIn=='GOAL') return('GOL');
- if ($sIn=='FLEAU') return('FLEO');
- if ($sIn=='HIER') return('IER');
- if ($sIn=='HEU') return('E');
- if ($sIn=='HE') return('E');
- if ($sIn=='OS') return($sIn);
- if ($sIn=='RIZ') return('RI');
- if ($sIn=='RAZ') return('RA');
-
- // pré-traitements
- $sIn = preg_replace( '`OIN[GT]$`', 'OIN', $sIn ); // terminaisons OING -> OIN
- $sIn = preg_replace( '`E[RS]$`', 'E', $sIn ); // supression des terminaisons infinitifs et participes pluriels
- $sIn = preg_replace( '`(C|CH)OEU`', 'KE', $sIn ); // pré traitement OEU -> EU
- $sIn = str_replace( 'MOEU', 'ME', $sIn ); // pré traitement OEU -> EU
- $sIn = preg_replace( '`OE([UI]+)([BCDFGHJKLMNPQRSTVWXZ])`', 'E$1$2', $sIn ); // pré traitement OEU OEI -> E
- $sIn = preg_replace( '`^GEN[TS]$`', 'JAN', $sIn ); // pré traitement GEN -> JAN
- $sIn = str_replace( 'CUEI', 'KEI', $sIn ); // pré traitement accueil
- $sIn = preg_replace( '`([^AEIOUYC])AE([BCDFGHJKLMNPQRSTVWXZ])`', '$1E$2', $sIn ); // pré traitement AE -> E
- $sIn = preg_replace( '`AE([QS])`', 'E$1', $sIn ); // pré traitement AE -> E
- $sIn = preg_replace( '`AIE([BCDFGJKLMNPQRSTVWXZ])`', 'AI$1', $sIn ); // pré-traitement AIE(consonne) -> AI
- $sIn = str_replace( 'ANIEM', 'ANIM', $sIn ); // pré traitement NIEM -> NIM
- $sIn = preg_replace( '`(DRA|TRO|IRO)P$`', '$1', $sIn ); // P terminal muet
- $sIn = preg_replace( '`(LOM)B$`', '$1', $sIn ); // B terminal muet
- $sIn = preg_replace( '`(RON|POR)C$`', '$1', $sIn ); // C terminal muet
- $sIn = preg_replace( '`PECT$`', 'PET', $sIn ); // C terminal muet
- $sIn = preg_replace( '`ECUL$`', 'CU', $sIn ); // L terminal muet
- $sIn = preg_replace( '`(CHA|CA|E)M(P|PS)$`', '$1N', $sIn ); // P ou PS terminal muet
- $sIn = preg_replace( '`(TAN|RAN)G$`', '$1', $sIn ); // G terminal muet
-
-
- // sons YEUX
- $sIn = preg_replace( '`([^VO])ILAG`', '$1IAJ', $sIn );
- $sIn = preg_replace( '`([^TRH])UIL(AR|E)(.+)`', '$1UI$2$3', $sIn );
- $sIn = preg_replace( '`([G])UIL([AEO])`', '$1UI$2', $sIn );
- $sIn = preg_replace( '`([NSPM])AIL([AEO])`', '$1AI$2', $sIn );
- $convMIn = array('DILAI','DILON','DILER','DILEM','RILON','TAILE','GAILET','AILAI','AILAR',
- 'OUILA','EILAI','EILAR','EILER','EILEM','REILET','EILET','AILOL' );
- $convMOut = array( 'DIAI', 'DION','DIER', 'DIEM', 'RION', 'TAIE', 'GAIET', 'AIAI', 'AIAR',
- 'OUIA', 'AIAI', 'AIAR', 'AIER', 'AIEM', 'RAIET', 'EIET', 'AIOL' );
- $sIn = str_replace( $convMIn, $convMOut, $sIn );
- $sIn = preg_replace( '`([^AEIOUY])(SC|S)IEM([EA])`', '$1$2IAM$3', $sIn ); // IEM -> IAM
- $sIn = preg_replace( '`^(SC|S)IEM([EA])`', '$1IAM$2', $sIn ); // IEM -> IAM
-
- // MP MB -> NP NB
- $convMIn = array( 'OMB', 'AMB', 'OMP', 'AMP', 'IMB', 'EMP','GEMB','EMB', 'UMBL','CIEN');
- $convMOut = array( 'ONB', 'ANB', 'ONP', 'ANP', 'INB', 'ANP','JANB','ANB', 'INBL','SIAN');
- $sIn = str_replace( $convMIn, $convMOut, $sIn );
-
- // Sons en K
- $sIn = preg_replace( '`^ECHO$`', 'EKO', $sIn ); // cas particulier écho
- $sIn = preg_replace( '`^ECEUR`', 'EKEUR', $sIn ); // cas particulier écœuré
- // Choléra Chœur mais pas chocolat!
- $sIn = preg_replace( '`^CH(OG+|OL+|OR+|EU+|ARIS|M+|IRO|ONDR)`', 'K$1', $sIn ); //En début de mot
- $sIn = preg_replace( '`(YN|RI)CH(OG+|OL+|OC+|OP+|OM+|ARIS|M+|IRO|ONDR)`', '$1K$2', $sIn ); //Ou devant une consonne
- $sIn = preg_replace( '`CHS`', 'CH', $sIn );
- $sIn = preg_replace( '`CH(AIQ)`', 'K$1', $sIn );
- $sIn = preg_replace( '`^ECHO([^UIPY])`', 'EKO$1', $sIn );
- $sIn = preg_replace( '`ISCH(I|E)`', 'ISK$1', $sIn );
- $sIn = preg_replace( '`^ICHT`', 'IKT', $sIn );
- $sIn = preg_replace( '`ORCHID`', 'ORKID', $sIn );
- $sIn = preg_replace( '`ONCHIO`', 'ONKIO', $sIn );
- $sIn = preg_replace( '`ACHIA`', 'AKIA', $sIn ); // retouche ACHIA -> AKIA
- $sIn = preg_replace( '`([^C])ANICH`', '$1ANIK', $sIn ); // ANICH -> ANIK 1/2
- $sIn = preg_replace( '`OMANIK`', 'OMANICH', $sIn ); // cas particulier 2/2
- $sIn = preg_replace( '`ACHY([^D])`', 'AKI$1', $sIn );
- $sIn = preg_replace( '`([AEIOU])C([BDFGJKLMNPQRTVWXZ])`', '$1K$2', $sIn ); // voyelle, C, consonne sauf H
- $convPrIn = array('EUCHA','YCHIA','YCHA','YCHO','YCHED','ACHEO','RCHEO','RCHES',
- 'ECHN','OCHTO','CHORA','CHONDR','CHORE','MACHM','BRONCHO','LICHOS','LICHOC');
- $convPrOut = array('EKA', 'IKIA', 'IKA', 'IKO', 'IKED','AKEO','RKEO', 'RKES',
- 'EKN', 'OKTO', 'KORA', 'KONDR' ,'KORE' ,'MAKM', 'BRONKO', 'LIKOS', 'LIKOC');
- $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
-
- // Weuh (perfectible)
- $convPrIn = array( 'WA','WO', 'WI','WHI','WHY','WHA','WHO');
- $convPrOut = array( 'OI', 'O','OUI','OUI','OUI','OUA', 'OU');
- $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
-
- // Gueu, Gneu, Jeu et quelques autres
- $convPrIn = array( 'GNES','GNET','GNER','GNE', 'GI', 'GNI','GNA','GNOU','GNUR','GY','OUGAIN',
- 'AGEOL', 'AGEOT','GEOLO','GEOM','GEOP','GEOG','GEOS','GEORG','GEOR','NGEOT','UGEOT','GEOT','GEOD','GEOC','GEO','GEA','GE',
- 'QU', 'Q', 'CY', 'CI', 'CN','ICM','CEAT','CE',
- 'CR', 'CO', 'CUEI','CU', 'VENCA','CA', 'CS','CLEN','CL', 'CZ', 'CTIQ',
- 'CTIF','CTIC','CTIS','CTIL','CTIO','CTI', 'CTU', 'CTE','CTO','CTR','CT', 'PH', 'TH',
- 'OW', 'LH', 'RDL', 'CHLO', 'CHR', 'PTIA');
- $convPrOut = array( 'NIES','NIET','NIER', 'NE', 'JI', 'NI','NIA','NIOU','NIUR','JI','OUGIN',
- 'AJOL', 'AJOT','JEOLO','JEOM','JEOP','JEOG','JEOS','JORJ','JEOR','NJOT','UJOT','JEOT','JEOD','JEOC', 'JO','JA' ,'JE',
- 'K', 'K', 'SI', 'SI', 'KN','IKM', 'SAT','SE',
- 'KR', 'KO', 'KEI','KU', 'VANSA','KA', 'KS','KLAN','KL', 'KZ', 'KTIK',
- 'KTIF','KTIS','KTIS','KTIL','KSIO','KTI', 'KTU', 'KTE','KTO','KTR','KT', 'F', 'T',
- 'OU', 'L', 'RL', 'KLO', 'KR', 'PSIA');
- $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
-
- $sIn = preg_replace( '`GU([^RLMBSTPZN])`', 'G$1', $sIn ); // Gueu !
- $sIn = preg_replace( '`GNO([MLTNRKG])`', 'NIO$1', $sIn ); // GNO ! Tout sauf S pour gnos
- $sIn = preg_replace( '`GNO([MLTNRKG])`', 'NIO$1', $sIn ); // bis -> gnognotte! Si quelqu'un sait le faire en une seule regexp...
-
-
- // TI -> SI v2.0
- $convPrIn = array( 'BUTIE','BUTIA','BATIA','ANTIEL','RETION','ENTIEL','ENTIAL','ENTIO','ENTIAI','UJETION','ATIEM','PETIEN',
- 'CETIE','OFETIE','IPETI','LBUTION','BLUTION','LETION','LATION','SATIET');
- $convPrOut = array( 'BUSIE','BUSIA','BASIA','ANSIEL','RESION','ENSIEL','ENSIAL','ENSIO','ENSIAI','UJESION','ASIAM','PESIEN',
- 'CESIE','OFESIE','IPESI','LBUSION','BLUSION','LESION','LASION','SASIET');
- $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
- $sIn = preg_replace( '`(.+)ANTI(AL|O)`', '$1ANSI$2', $sIn ); // sauf antialcoolique, antialbumine, antialarmer, ...
- $sIn = preg_replace( '`(.+)INUTI([^V])`', '$1INUSI$2', $sIn ); // sauf inutilité, inutilement, diminutive, ...
- $sIn = preg_replace( '`([^O])UTIEN`', '$1USIEN', $sIn ); // sauf soutien, ...
- $sIn = preg_replace( '`([^DE])RATI[E]$`', '$1RASI$2', $sIn ); // sauf xxxxxcratique, ...
- // TIEN TION -> SIEN SION v3.1
- $sIn = preg_replace( '`([^SNEU]|KU|KO|RU|LU|BU|TU|AU)T(IEN|ION)`', '$1S$2', $sIn );
-
-
- // H muet
- $sIn = preg_replace( '`([^CS])H`', '$1', $sIn ); // H muet
- $sIn = str_replace( 'ESH', 'ES', $sIn ); // H muet
- $sIn = str_replace( 'NSH', 'NS', $sIn ); // H muet
- $sIn = str_replace( 'SH', 'CH', $sIn ); // ou pas!
-
- // NASALES
- $convNasIn = array( 'OMT','IMB', 'IMP','UMD','TIENT','RIENT','DIENT','IEN',
- 'YMU','YMO','YMA','YME', 'YMI','YMN','YM', 'AHO','FAIM','DAIM','SAIM','EIN','AINS');
- $convNasOut = array( 'ONT','INB', 'INP','OND','TIANT','RIANT','DIANT', 'IN',
- 'IMU','IMO','IMA','IME', 'IMI','IMN','IN', 'AO', 'FIN','DIN', 'SIN','AIN','INS');
- $sIn = str_replace( $convNasIn, $convNasOut, $sIn );
- // AIN -> IN v2.0
- $sIn = preg_replace( '`AIN$`', 'IN', $sIn );
- $sIn = preg_replace( '`AIN([BTDK])`', 'IN$1', $sIn );
- // UN -> IN
- $sIn = preg_replace( '`([^O])UND`', '$1IND', $sIn ); // aucun mot français ne commence par UND!
- $sIn = preg_replace( '`([JTVLFMRPSBD])UN([^IAE])`', '$1IN$2', $sIn );
- $sIn = preg_replace( '`([JTVLFMRPSBD])UN$`', '$1IN', $sIn );
- $sIn = preg_replace( '`RFUM$`', 'RFIN', $sIn );
- $sIn = str_replace( 'LUMB', 'LINB', $sIn );
- // EN -> AN
- $sIn = preg_replace( '`([^BCDFGHJKLMNPQRSTVWXZ])EN`', '$1AN', $sIn );
- $sIn = preg_replace( '`([VTLJMRPDSBFKNG])EN([BRCTDKZSVN])`', '$1AN$2', $sIn ); // deux fois pour les motifs recouvrants malentendu, pendentif, ...
- $sIn = preg_replace( '`([VTLJMRPDSBFKNG])EN([BRCTDKZSVN])`', '$1AN$2', $sIn ); // si quelqu'un sait faire avec une seule regexp!
- $sIn = preg_replace( '`^EN([BCDFGHJKLNPQRSTVXZ]|CH|IV|ORG|OB|UI|UA|UY)`', 'AN$1', $sIn );
- $sIn = preg_replace( '`(^[JRVTH])EN([DRTFGSVJMP])`', '$1AN$2', $sIn );
- $sIn = preg_replace( '`SEN([ST])`', 'SAN$1', $sIn );
- $sIn = preg_replace( '`^DESENIV`', 'DESANIV', $sIn );
- $sIn = preg_replace( '`([^M])EN(UI)`', '$1AN$2', $sIn );
- $sIn = preg_replace( '`(.+[JTVLFMRPSBD])EN([JLFDSTG])`', '$1AN$2', $sIn );
- // EI -> AI
- $sIn = preg_replace( '`([VSBSTNRLPM])E[IY]([ACDFRJLGZ])`', '$1AI$2', $sIn );
-
- // Histoire d'Ô
- $convNasIn = array( 'EAU', 'EU', 'Y', 'EOI', 'JEA','OIEM','OUANJ','OUA','OUENJ');
- $convNasOut = array( 'O', 'E', 'I', 'OI', 'JA' ,'OIM' ,'OUENJ', 'OI','OUANJ');
- $sIn = str_replace( $convNasIn, $convNasOut, $sIn );
- $sIn = preg_replace( '`AU([^E])`', 'O$1', $sIn ); // AU sans E qui suit
-
- // Les retouches!
- $sIn = preg_replace( '`^BENJ`', 'BINJ', $sIn ); // retouche BENJ -> BINJ
- $sIn = str_replace( 'RTIEL', 'RSIEL', $sIn ); // retouche RTIEL -> RSIEL
- $sIn = str_replace( 'PINK', 'PONK', $sIn ); // retouche PINK -> PONK
- $sIn = str_replace( 'KIND', 'KOND', $sIn ); // retouche KIND -> KOND
- $sIn = preg_replace( '`KUM(N|P)`', 'KON$1', $sIn ); // retouche KUMN KUMP
- $sIn = str_replace( 'LKOU', 'LKO', $sIn ); // retouche LKOU -> LKO
- $sIn = str_replace( 'EDBE', 'EBE', $sIn ); // retouche EDBE pied-bœuf
- $sIn = str_replace( 'ARCM', 'ARKM', $sIn ); // retouche SCH -> CH
- $sIn = str_replace( 'SCH', 'CH', $sIn ); // retouche SCH -> CH
- $sIn = preg_replace( '`^OINI`', 'ONI', $sIn ); // retouche début OINI -> ONI
- $sIn = preg_replace( '`([^NDCGRHKO])APT`', '$1AT', $sIn ); // retouche APT -> AT
- $sIn = preg_replace( '`([L]|KON)PT`', '$1T', $sIn ); // retouche LPT -> LT
- $sIn = str_replace( 'OTB', 'OB', $sIn ); // retouche OTB -> OB (hautbois)
- $sIn = str_replace( 'IXA', 'ISA', $sIn ); // retouche IXA -> ISA
- $sIn = str_replace( 'TG', 'G', $sIn ); // retouche TG -> G
- $sIn = preg_replace( '`^TZ`', 'TS', $sIn ); // retouche début TZ -> TS
- $sIn = str_replace( 'PTIE', 'TIE', $sIn ); // retouche PTIE -> TIE
- $sIn = str_replace( 'GT', 'T', $sIn ); // retouche GT -> T
- $sIn = str_replace( 'ANKIEM', 'ANKILEM', $sIn ); // retouche tranquillement
- $sIn = preg_replace( '`(LO|RE)KEMAN`', '$1KAMAN', $sIn ); // KEMAN -> KAMAN
- $sIn = preg_replace( '`NT(B|M)`', 'N$1', $sIn ); // retouche TB -> B TM -> M
- $sIn = str_replace( 'GSU', 'SU', $sIn ); // retouche GS -> SU
- $sIn = str_replace( 'ESD', 'ED', $sIn ); // retouche ESD -> ED
- $sIn = str_replace( 'LESKEL', 'LEKEL', $sIn ); // retouche LESQUEL -> LEKEL
- $sIn = str_replace( 'CK', 'K', $sIn ); // retouche CK -> K
-
- // Terminaisons
- $sIn = preg_replace( '`USIL$`', 'USI', $sIn ); // terminaisons USIL -> USI
- $sIn = preg_replace( '`X$|[TD]S$|[DS]$`', '', $sIn ); // terminaisons TS DS LS X T D S... v2.0
- $sIn = preg_replace( '`([^KL]+)T$`', '$1', $sIn ); // sauf KT LT terminal
- $sIn = preg_replace( '`^[H]`', '', $sIn ); // H pseudo muet en début de mot, je sais, ce n'est pas une terminaison
- $sBack2=$sIn; // on sauve le code (utilisé pour les mots très courts)
-
- $convPartIn = [
- '`TIL$`', // terminaisons TIL -> TI
- '`LC$`', // terminaisons LC -> LK
- '`L[E]?[S]?$`', // terminaisons LE LES -> L
- '`(.+)N[E]?[S]?$`', // terminaisons NE NES -> N
- '`EZ$`', // terminaisons EZ -> E
- '`OIG$`', // terminaisons OIG -> OI
- '`OUP$`', // terminaisons OUP -> OU
- '`([^R])OM$`', // terminaisons OM -> ON sauf ROM
- '`LOP$`', // terminaisons LOP -> LO
- '`NTANP$`', // terminaisons NTANP -> NTAN
- '`TUN$`', // terminaisons TUN -> TIN
- '`AU$`', // terminaisons AU -> O
- '`EI$`', // terminaisons EI -> AI
- '`R[DG]$`', // terminaisons RD RG -> R
- '`ANC$`', // terminaisons ANC -> AN
- '`KROC$`', // terminaisons C muet de CROC, ESCROC
- '`HOUC$`', // terminaisons C muet de CAOUTCHOUC
- '`OMAC$`', // terminaisons C muet de ESTOMAC (mais pas HAMAC)
- '`([J])O([NU])[CG]$`',// terminaisons C et G muet de OUC ONC OUG
- '`([^GTR])([AO])NG$`',// terminaisons G muet ANG ONG sauf GANG GONG TANG TONG
- '`UC$`', // terminaisons UC -> UK
- '`AING$`', // terminaisons AING -> IN
- '`([EISOARN])C$`', // terminaisons C -> K
- '`([ABD-MO-Z]+)[EH]+$`', // terminaisons E ou H sauf pour C et N
- '`EN$`', // terminaisons EN -> AN (difficile à faire avant sans avoir des soucis) Et encore,
- '`(NJ)EN$`',// terminaisons EN -> AN
- '`^PAIEM`', // PAIE -> PAI
- '`([^NTB])EF$`', // F muet en fin de mot
- '`(.)\1`' // supression des répétitions (suite à certains remplacements)
- ];
-
- $convPartOut = [
- 'TI', // terminaisons TIL -> TI
- 'LK', // terminaisons LC -> LK
- 'L', // terminaisons LE LES -> L
- '$1N', // terminaisons NE NES -> N
- 'E', // terminaisons EZ -> E
- 'OI', // terminaisons OIG -> OI
- 'OU', // terminaisons OUP -> OU
- '$1ON', // terminaisons OM -> ON sauf ROM
- 'LO', // terminaisons LOP -> LO
- 'NTAN', // terminaisons NTANP -> NTAN
- 'TIN', // terminaisons TUN -> TIN
- 'O', // terminaisons AU -> O
- 'AI', // terminaisons EI -> AI
- 'R', // terminaisons RD RG -> R
- 'AN', // terminaisons ANC -> AN
- 'KRO', // terminaisons C muet de CROC, ESCROC
- 'HOU', // terminaisons C muet de CAOUTCHOUC
- 'OMA', // terminaisons C muet de ESTOMAC (mais pas HAMAC)
- '$1O$2',// terminaisons C et G muet de OUC ONC OUG
- '$1$2N',// terminaisons G muet ANG ONG sauf GANG GONG TANG TONG
- 'UK', // terminaisons UC -> UK
- 'IN', // terminaisons AING -> IN
- '$1K', // terminaisons C -> K
- '$1', // terminaisons E ou H sauf pour C et N
- 'AN', // terminaisons EN -> AN (difficile à faire avant sans avoir des soucis) Et encore, c'est pas top!
- '$1AN', // terminaisons EN -> AN
- 'PAIM', // PAIE -> PAI
- '\1', // F muet en fin de mot
- '$1' // supression des répétitions (suite à certains remplacements)
- ];
-
- $sIn = preg_replace( $convPartIn, $convPartOut, $sIn );
-
- // cas particuliers, bah au final, je n'en ai qu'un ici
- $convPartIn = array( 'FUEL');
- $convPartOut = array( 'FIOUL');
- $sIn = str_replace( $convPartIn, $convPartOut, $sIn );
-
- // Ce sera le seul code retourné à une seule lettre!
- if ($sIn=='O') return($sIn);
-
- // seconde chance sur les mots courts qui ont souffert de la simplification
- if (strlen($sIn)<2)
- {
- // Sigles ou abréviations
- if (preg_match('`[BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ]*`',$sBack))
- return($sBack);
-
- if (preg_match('`[RFMLVSPJDF][AEIOU]`',$sBack))
- {
- if (strlen($sBack)==3)
- return(substr($sBack,0,2));// mots de trois lettres supposés simples
- if (strlen($sBack)==4)
- return(substr($sBack,0,3));// mots de quatre lettres supposés simples
- }
+ function phonetix($sIn) {
+ if (strlen($sIn)<4 || is_numeric($sIn))
+ return false;
+ return $this->phonetixCompute($sIn);
+ }
- if (strlen($sBack2)>1) return $sBack2;
- }
- if (strlen($sIn)>1)
- {
- return substr($sIn,0,16); // Je limite à 16 caractères mais vous faites comme vous voulez!
- }
- else return '';
+ function phonetixCompute($sIn) {
+ $sIn = strtr( $sIn, $this->accents); // minuscules accentuées ou composées en majuscules simples
+ $sIn = strtr( $sIn, $this->min2maj); // majuscules accentuées ou composées en majuscules simples
+ $sIn = strtoupper( $sIn ); // on passe tout le reste en majuscules
+ $sIn = preg_replace( '`[^A-Z]`', '', $sIn ); // on garde uniquement les lettres de A Ã Z
+
+ $sBack=$sIn; // on sauve le code (utilisé pour les mots très courts)
+
+ $sIn = preg_replace( '`O[O]+`', 'OU', $sIn ); // pré traitement OO... -> OU
+ $sIn = str_replace( 'SAOU', 'SOU', $sIn ); // pré traitement SAOU -> SOU
+ $sIn = str_replace( 'OES', 'OS', $sIn ); // pré traitement OES -> OS
+ $sIn = str_replace( 'CCH', 'K', $sIn ); // pré traitement CCH -> K
+ $sIn = preg_replace( '`CC([IYE])`', 'KS$1', $sIn ); // CCI CCY CCE
+ $sIn = preg_replace( '`(.)\1`', '$1', $sIn ); // supression des répétitions
+
+ // quelques cas particuliers
+ if ($sIn=='CD') return($sIn);
+ if ($sIn=='BD') return($sIn);
+ if ($sIn=='BV') return($sIn);
+ if ($sIn=='TABAC') return('TABA');
+ if ($sIn=='FEU') return('FE');
+ if ($sIn=='FE') return($sIn);
+ if ($sIn=='FER') return($sIn);
+ if ($sIn=='FIEF') return($sIn);
+ if ($sIn=='FJORD') return($sIn);
+ if ($sIn=='GOAL') return('GOL');
+ if ($sIn=='FLEAU') return('FLEO');
+ if ($sIn=='HIER') return('IER');
+ if ($sIn=='HEU') return('E');
+ if ($sIn=='HE') return('E');
+ if ($sIn=='OS') return($sIn);
+ if ($sIn=='RIZ') return('RI');
+ if ($sIn=='RAZ') return('RA');
+
+ // pré-traitements
+ $sIn = preg_replace( '`OIN[GT]$`', 'OIN', $sIn ); // terminaisons OING -> OIN
+ $sIn = preg_replace( '`E[RS]$`', 'E', $sIn ); // supression des terminaisons infinitifs et participes pluriels
+ $sIn = preg_replace( '`(C|CH)OEU`', 'KE', $sIn ); // pré traitement OEU -> EU
+ $sIn = str_replace( 'MOEU', 'ME', $sIn ); // pré traitement OEU -> EU
+ $sIn = preg_replace( '`OE([UI]+)([BCDFGHJKLMNPQRSTVWXZ])`', 'E$1$2', $sIn ); // pré traitement OEU OEI -> E
+ $sIn = preg_replace( '`^GEN[TS]$`', 'JAN', $sIn ); // pré traitement GEN -> JAN
+ $sIn = str_replace( 'CUEI', 'KEI', $sIn ); // pré traitement accueil
+ $sIn = preg_replace( '`([^AEIOUYC])AE([BCDFGHJKLMNPQRSTVWXZ])`', '$1E$2', $sIn ); // pré traitement AE -> E
+ $sIn = preg_replace( '`AE([QS])`', 'E$1', $sIn ); // pré traitement AE -> E
+ $sIn = preg_replace( '`AIE([BCDFGJKLMNPQRSTVWXZ])`', 'AI$1', $sIn ); // pré-traitement AIE(consonne) -> AI
+ $sIn = str_replace( 'ANIEM', 'ANIM', $sIn ); // pré traitement NIEM -> NIM
+ $sIn = preg_replace( '`(DRA|TRO|IRO)P$`', '$1', $sIn ); // P terminal muet
+ $sIn = preg_replace( '`(LOM)B$`', '$1', $sIn ); // B terminal muet
+ $sIn = preg_replace( '`(RON|POR)C$`', '$1', $sIn ); // C terminal muet
+ $sIn = preg_replace( '`PECT$`', 'PET', $sIn ); // C terminal muet
+ $sIn = preg_replace( '`ECUL$`', 'CU', $sIn ); // L terminal muet
+ $sIn = preg_replace( '`(CHA|CA|E)M(P|PS)$`', '$1N', $sIn ); // P ou PS terminal muet
+ $sIn = preg_replace( '`(TAN|RAN)G$`', '$1', $sIn ); // G terminal muet
+
+
+ // sons YEUX
+ $sIn = preg_replace( '`([^VO])ILAG`', '$1IAJ', $sIn );
+ $sIn = preg_replace( '`([^TRH])UIL(AR|E)(.+)`', '$1UI$2$3', $sIn );
+ $sIn = preg_replace( '`([G])UIL([AEO])`', '$1UI$2', $sIn );
+ $sIn = preg_replace( '`([NSPM])AIL([AEO])`', '$1AI$2', $sIn );
+ $convMIn = array('DILAI','DILON','DILER','DILEM','RILON','TAILE','GAILET','AILAI','AILAR',
+ 'OUILA','EILAI','EILAR','EILER','EILEM','REILET','EILET','AILOL' );
+ $convMOut = array( 'DIAI', 'DION','DIER', 'DIEM', 'RION', 'TAIE', 'GAIET', 'AIAI', 'AIAR',
+ 'OUIA', 'AIAI', 'AIAR', 'AIER', 'AIEM', 'RAIET', 'EIET', 'AIOL' );
+ $sIn = str_replace( $convMIn, $convMOut, $sIn );
+ $sIn = preg_replace( '`([^AEIOUY])(SC|S)IEM([EA])`', '$1$2IAM$3', $sIn ); // IEM -> IAM
+ $sIn = preg_replace( '`^(SC|S)IEM([EA])`', '$1IAM$2', $sIn ); // IEM -> IAM
+
+ // MP MB -> NP NB
+ $convMIn = array( 'OMB', 'AMB', 'OMP', 'AMP', 'IMB', 'EMP','GEMB','EMB', 'UMBL','CIEN');
+ $convMOut = array( 'ONB', 'ANB', 'ONP', 'ANP', 'INB', 'ANP','JANB','ANB', 'INBL','SIAN');
+ $sIn = str_replace( $convMIn, $convMOut, $sIn );
+
+ // Sons en K
+ $sIn = preg_replace( '`^ECHO$`', 'EKO', $sIn ); // cas particulier écho
+ $sIn = preg_replace( '`^ECEUR`', 'EKEUR', $sIn ); // cas particulier écœuré
+ // Choléra Chœur mais pas chocolat!
+ $sIn = preg_replace( '`^CH(OG+|OL+|OR+|EU+|ARIS|M+|IRO|ONDR)`', 'K$1', $sIn ); //En début de mot
+ $sIn = preg_replace( '`(YN|RI)CH(OG+|OL+|OC+|OP+|OM+|ARIS|M+|IRO|ONDR)`', '$1K$2', $sIn ); //Ou devant une consonne
+ $sIn = preg_replace( '`CHS`', 'CH', $sIn );
+ $sIn = preg_replace( '`CH(AIQ)`', 'K$1', $sIn );
+ $sIn = preg_replace( '`^ECHO([^UIPY])`', 'EKO$1', $sIn );
+ $sIn = preg_replace( '`ISCH(I|E)`', 'ISK$1', $sIn );
+ $sIn = preg_replace( '`^ICHT`', 'IKT', $sIn );
+ $sIn = preg_replace( '`ORCHID`', 'ORKID', $sIn );
+ $sIn = preg_replace( '`ONCHIO`', 'ONKIO', $sIn );
+ $sIn = preg_replace( '`ACHIA`', 'AKIA', $sIn ); // retouche ACHIA -> AKIA
+ $sIn = preg_replace( '`([^C])ANICH`', '$1ANIK', $sIn ); // ANICH -> ANIK 1/2
+ $sIn = preg_replace( '`OMANIK`', 'OMANICH', $sIn ); // cas particulier 2/2
+ $sIn = preg_replace( '`ACHY([^D])`', 'AKI$1', $sIn );
+ $sIn = preg_replace( '`([AEIOU])C([BDFGJKLMNPQRTVWXZ])`', '$1K$2', $sIn ); // voyelle, C, consonne sauf H
+ $convPrIn = array('EUCHA','YCHIA','YCHA','YCHO','YCHED','ACHEO','RCHEO','RCHES',
+ 'ECHN','OCHTO','CHORA','CHONDR','CHORE','MACHM','BRONCHO','LICHOS','LICHOC');
+ $convPrOut = array('EKA', 'IKIA', 'IKA', 'IKO', 'IKED','AKEO','RKEO', 'RKES',
+ 'EKN', 'OKTO', 'KORA', 'KONDR' ,'KORE' ,'MAKM', 'BRONKO', 'LIKOS', 'LIKOC');
+ $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
+
+ // Weuh (perfectible)
+ $convPrIn = array( 'WA','WO', 'WI','WHI','WHY','WHA','WHO');
+ $convPrOut = array( 'OI', 'O','OUI','OUI','OUI','OUA', 'OU');
+ $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
+
+ // Gueu, Gneu, Jeu et quelques autres
+ $convPrIn = array( 'GNES','GNET','GNER','GNE', 'GI', 'GNI','GNA','GNOU','GNUR','GY','OUGAIN',
+ 'AGEOL', 'AGEOT','GEOLO','GEOM','GEOP','GEOG','GEOS','GEORG','GEOR','NGEOT','UGEOT','GEOT','GEOD','GEOC','GEO','GEA','GE',
+ 'QU', 'Q', 'CY', 'CI', 'CN','ICM','CEAT','CE',
+ 'CR', 'CO', 'CUEI','CU', 'VENCA','CA', 'CS','CLEN','CL', 'CZ', 'CTIQ',
+ 'CTIF','CTIC','CTIS','CTIL','CTIO','CTI', 'CTU', 'CTE','CTO','CTR','CT', 'PH', 'TH',
+ 'OW', 'LH', 'RDL', 'CHLO', 'CHR', 'PTIA');
+ $convPrOut = array( 'NIES','NIET','NIER', 'NE', 'JI', 'NI','NIA','NIOU','NIUR','JI','OUGIN',
+ 'AJOL', 'AJOT','JEOLO','JEOM','JEOP','JEOG','JEOS','JORJ','JEOR','NJOT','UJOT','JEOT','JEOD','JEOC', 'JO','JA' ,'JE',
+ 'K', 'K', 'SI', 'SI', 'KN','IKM', 'SAT','SE',
+ 'KR', 'KO', 'KEI','KU', 'VANSA','KA', 'KS','KLAN','KL', 'KZ', 'KTIK',
+ 'KTIF','KTIS','KTIS','KTIL','KSIO','KTI', 'KTU', 'KTE','KTO','KTR','KT', 'F', 'T',
+ 'OU', 'L', 'RL', 'KLO', 'KR', 'PSIA');
+ $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
+
+ $sIn = preg_replace( '`GU([^RLMBSTPZN])`', 'G$1', $sIn ); // Gueu !
+ $sIn = preg_replace( '`GNO([MLTNRKG])`', 'NIO$1', $sIn ); // GNO ! Tout sauf S pour gnos
+ $sIn = preg_replace( '`GNO([MLTNRKG])`', 'NIO$1', $sIn ); // bis -> gnognotte! Si quelqu'un sait le faire en une seule regexp...
+
+
+ // TI -> SI v2.0
+ $convPrIn = array( 'BUTIE','BUTIA','BATIA','ANTIEL','RETION','ENTIEL','ENTIAL','ENTIO','ENTIAI','UJETION','ATIEM','PETIEN',
+ 'CETIE','OFETIE','IPETI','LBUTION','BLUTION','LETION','LATION','SATIET');
+ $convPrOut = array( 'BUSIE','BUSIA','BASIA','ANSIEL','RESION','ENSIEL','ENSIAL','ENSIO','ENSIAI','UJESION','ASIAM','PESIEN',
+ 'CESIE','OFESIE','IPESI','LBUSION','BLUSION','LESION','LASION','SASIET');
+ $sIn = str_replace( $convPrIn, $convPrOut, $sIn );
+ $sIn = preg_replace( '`(.+)ANTI(AL|O)`', '$1ANSI$2', $sIn ); // sauf antialcoolique, antialbumine, antialarmer, ...
+ $sIn = preg_replace( '`(.+)INUTI([^V])`', '$1INUSI$2', $sIn ); // sauf inutilité, inutilement, diminutive, ...
+ $sIn = preg_replace( '`([^O])UTIEN`', '$1USIEN', $sIn ); // sauf soutien, ...
+ $sIn = preg_replace( '`([^DE])RATI[E]$`', '$1RASI$2', $sIn ); // sauf xxxxxcratique, ...
+ // TIEN TION -> SIEN SION v3.1
+ $sIn = preg_replace( '`([^SNEU]|KU|KO|RU|LU|BU|TU|AU)T(IEN|ION)`', '$1S$2', $sIn );
+
+
+ // H muet
+ $sIn = preg_replace( '`([^CS])H`', '$1', $sIn ); // H muet
+ $sIn = str_replace( 'ESH', 'ES', $sIn ); // H muet
+ $sIn = str_replace( 'NSH', 'NS', $sIn ); // H muet
+ $sIn = str_replace( 'SH', 'CH', $sIn ); // ou pas!
+
+ // NASALES
+ $convNasIn = array( 'OMT','IMB', 'IMP','UMD','TIENT','RIENT','DIENT','IEN',
+ 'YMU','YMO','YMA','YME', 'YMI','YMN','YM', 'AHO','FAIM','DAIM','SAIM','EIN','AINS');
+ $convNasOut = array( 'ONT','INB', 'INP','OND','TIANT','RIANT','DIANT', 'IN',
+ 'IMU','IMO','IMA','IME', 'IMI','IMN','IN', 'AO', 'FIN','DIN', 'SIN','AIN','INS');
+ $sIn = str_replace( $convNasIn, $convNasOut, $sIn );
+ // AIN -> IN v2.0
+ $sIn = preg_replace( '`AIN$`', 'IN', $sIn );
+ $sIn = preg_replace( '`AIN([BTDK])`', 'IN$1', $sIn );
+ // UN -> IN
+ $sIn = preg_replace( '`([^O])UND`', '$1IND', $sIn ); // aucun mot français ne commence par UND!
+ $sIn = preg_replace( '`([JTVLFMRPSBD])UN([^IAE])`', '$1IN$2', $sIn );
+ $sIn = preg_replace( '`([JTVLFMRPSBD])UN$`', '$1IN', $sIn );
+ $sIn = preg_replace( '`RFUM$`', 'RFIN', $sIn );
+ $sIn = str_replace( 'LUMB', 'LINB', $sIn );
+ // EN -> AN
+ $sIn = preg_replace( '`([^BCDFGHJKLMNPQRSTVWXZ])EN`', '$1AN', $sIn );
+ $sIn = preg_replace( '`([VTLJMRPDSBFKNG])EN([BRCTDKZSVN])`', '$1AN$2', $sIn ); // deux fois pour les motifs recouvrants malentendu, pendentif, ...
+ $sIn = preg_replace( '`([VTLJMRPDSBFKNG])EN([BRCTDKZSVN])`', '$1AN$2', $sIn ); // si quelqu'un sait faire avec une seule regexp!
+ $sIn = preg_replace( '`^EN([BCDFGHJKLNPQRSTVXZ]|CH|IV|ORG|OB|UI|UA|UY)`', 'AN$1', $sIn );
+ $sIn = preg_replace( '`(^[JRVTH])EN([DRTFGSVJMP])`', '$1AN$2', $sIn );
+ $sIn = preg_replace( '`SEN([ST])`', 'SAN$1', $sIn );
+ $sIn = preg_replace( '`^DESENIV`', 'DESANIV', $sIn );
+ $sIn = preg_replace( '`([^M])EN(UI)`', '$1AN$2', $sIn );
+ $sIn = preg_replace( '`(.+[JTVLFMRPSBD])EN([JLFDSTG])`', '$1AN$2', $sIn );
+ // EI -> AI
+ $sIn = preg_replace( '`([VSBSTNRLPM])E[IY]([ACDFRJLGZ])`', '$1AI$2', $sIn );
+
+ // Histoire d'Ô
+ $convNasIn = array( 'EAU', 'EU', 'Y', 'EOI', 'JEA','OIEM','OUANJ','OUA','OUENJ');
+ $convNasOut = array( 'O', 'E', 'I', 'OI', 'JA' ,'OIM' ,'OUENJ', 'OI','OUANJ');
+ $sIn = str_replace( $convNasIn, $convNasOut, $sIn );
+ $sIn = preg_replace( '`AU([^E])`', 'O$1', $sIn ); // AU sans E qui suit
+
+ // Les retouches!
+ $sIn = preg_replace( '`^BENJ`', 'BINJ', $sIn ); // retouche BENJ -> BINJ
+ $sIn = str_replace( 'RTIEL', 'RSIEL', $sIn ); // retouche RTIEL -> RSIEL
+ $sIn = str_replace( 'PINK', 'PONK', $sIn ); // retouche PINK -> PONK
+ $sIn = str_replace( 'KIND', 'KOND', $sIn ); // retouche KIND -> KOND
+ $sIn = preg_replace( '`KUM(N|P)`', 'KON$1', $sIn ); // retouche KUMN KUMP
+ $sIn = str_replace( 'LKOU', 'LKO', $sIn ); // retouche LKOU -> LKO
+ $sIn = str_replace( 'EDBE', 'EBE', $sIn ); // retouche EDBE pied-bœuf
+ $sIn = str_replace( 'ARCM', 'ARKM', $sIn ); // retouche SCH -> CH
+ $sIn = str_replace( 'SCH', 'CH', $sIn ); // retouche SCH -> CH
+ $sIn = preg_replace( '`^OINI`', 'ONI', $sIn ); // retouche début OINI -> ONI
+ $sIn = preg_replace( '`([^NDCGRHKO])APT`', '$1AT', $sIn ); // retouche APT -> AT
+ $sIn = preg_replace( '`([L]|KON)PT`', '$1T', $sIn ); // retouche LPT -> LT
+ $sIn = str_replace( 'OTB', 'OB', $sIn ); // retouche OTB -> OB (hautbois)
+ $sIn = str_replace( 'IXA', 'ISA', $sIn ); // retouche IXA -> ISA
+ $sIn = str_replace( 'TG', 'G', $sIn ); // retouche TG -> G
+ $sIn = preg_replace( '`^TZ`', 'TS', $sIn ); // retouche début TZ -> TS
+ $sIn = str_replace( 'PTIE', 'TIE', $sIn ); // retouche PTIE -> TIE
+ $sIn = str_replace( 'GT', 'T', $sIn ); // retouche GT -> T
+ $sIn = str_replace( 'ANKIEM', 'ANKILEM', $sIn ); // retouche tranquillement
+ $sIn = preg_replace( '`(LO|RE)KEMAN`', '$1KAMAN', $sIn ); // KEMAN -> KAMAN
+ $sIn = preg_replace( '`NT(B|M)`', 'N$1', $sIn ); // retouche TB -> B TM -> M
+ $sIn = str_replace( 'GSU', 'SU', $sIn ); // retouche GS -> SU
+ $sIn = str_replace( 'ESD', 'ED', $sIn ); // retouche ESD -> ED
+ $sIn = str_replace( 'LESKEL', 'LEKEL', $sIn ); // retouche LESQUEL -> LEKEL
+ $sIn = str_replace( 'CK', 'K', $sIn ); // retouche CK -> K
+
+ // Terminaisons
+ $sIn = preg_replace( '`USIL$`', 'USI', $sIn ); // terminaisons USIL -> USI
+ $sIn = preg_replace( '`X$|[TD]S$|[DS]$`', '', $sIn ); // terminaisons TS DS LS X T D S... v2.0
+ $sIn = preg_replace( '`([^KL]+)T$`', '$1', $sIn ); // sauf KT LT terminal
+ $sIn = preg_replace( '`^[H]`', '', $sIn ); // H pseudo muet en début de mot, je sais, ce n'est pas une terminaison
+ $sBack2=$sIn; // on sauve le code (utilisé pour les mots très courts)
+
+ $convPartIn = [
+ '`TIL$`', // terminaisons TIL -> TI
+ '`LC$`', // terminaisons LC -> LK
+ '`L[E]?[S]?$`', // terminaisons LE LES -> L
+ '`(.+)N[E]?[S]?$`', // terminaisons NE NES -> N
+ '`EZ$`', // terminaisons EZ -> E
+ '`OIG$`', // terminaisons OIG -> OI
+ '`OUP$`', // terminaisons OUP -> OU
+ '`([^R])OM$`', // terminaisons OM -> ON sauf ROM
+ '`LOP$`', // terminaisons LOP -> LO
+ '`NTANP$`', // terminaisons NTANP -> NTAN
+ '`TUN$`', // terminaisons TUN -> TIN
+ '`AU$`', // terminaisons AU -> O
+ '`EI$`', // terminaisons EI -> AI
+ '`R[DG]$`', // terminaisons RD RG -> R
+ '`ANC$`', // terminaisons ANC -> AN
+ '`KROC$`', // terminaisons C muet de CROC, ESCROC
+ '`HOUC$`', // terminaisons C muet de CAOUTCHOUC
+ '`OMAC$`', // terminaisons C muet de ESTOMAC (mais pas HAMAC)
+ '`([J])O([NU])[CG]$`',// terminaisons C et G muet de OUC ONC OUG
+ '`([^GTR])([AO])NG$`',// terminaisons G muet ANG ONG sauf GANG GONG TANG TONG
+ '`UC$`', // terminaisons UC -> UK
+ '`AING$`', // terminaisons AING -> IN
+ '`([EISOARN])C$`', // terminaisons C -> K
+ '`([ABD-MO-Z]+)[EH]+$`', // terminaisons E ou H sauf pour C et N
+ '`EN$`', // terminaisons EN -> AN (difficile à faire avant sans avoir des soucis) Et encore,
+ '`(NJ)EN$`',// terminaisons EN -> AN
+ '`^PAIEM`', // PAIE -> PAI
+ '`([^NTB])EF$`', // F muet en fin de mot
+ '`(.)\1`' // supression des répétitions (suite à certains remplacements)
+ ];
+
+ $convPartOut = [
+ 'TI', // terminaisons TIL -> TI
+ 'LK', // terminaisons LC -> LK
+ 'L', // terminaisons LE LES -> L
+ '$1N', // terminaisons NE NES -> N
+ 'E', // terminaisons EZ -> E
+ 'OI', // terminaisons OIG -> OI
+ 'OU', // terminaisons OUP -> OU
+ '$1ON', // terminaisons OM -> ON sauf ROM
+ 'LO', // terminaisons LOP -> LO
+ 'NTAN', // terminaisons NTANP -> NTAN
+ 'TIN', // terminaisons TUN -> TIN
+ 'O', // terminaisons AU -> O
+ 'AI', // terminaisons EI -> AI
+ 'R', // terminaisons RD RG -> R
+ 'AN', // terminaisons ANC -> AN
+ 'KRO', // terminaisons C muet de CROC, ESCROC
+ 'HOU', // terminaisons C muet de CAOUTCHOUC
+ 'OMA', // terminaisons C muet de ESTOMAC (mais pas HAMAC)
+ '$1O$2',// terminaisons C et G muet de OUC ONC OUG
+ '$1$2N',// terminaisons G muet ANG ONG sauf GANG GONG TANG TONG
+ 'UK', // terminaisons UC -> UK
+ 'IN', // terminaisons AING -> IN
+ '$1K', // terminaisons C -> K
+ '$1', // terminaisons E ou H sauf pour C et N
+ 'AN', // terminaisons EN -> AN (difficile à faire avant sans avoir des soucis) Et encore, c'est pas top!
+ '$1AN', // terminaisons EN -> AN
+ 'PAIM', // PAIE -> PAI
+ '\1', // F muet en fin de mot
+ '$1' // supression des répétitions (suite à certains remplacements)
+ ];
+
+ $sIn = preg_replace( $convPartIn, $convPartOut, $sIn );
+
+ // cas particuliers, bah au final, je n'en ai qu'un ici
+ $convPartIn = array( 'FUEL');
+ $convPartOut = array( 'FIOUL');
+ $sIn = str_replace( $convPartIn, $convPartOut, $sIn );
+
+ // Ce sera le seul code retourné à une seule lettre!
+ if ($sIn=='O') return($sIn);
+
+ // seconde chance sur les mots courts qui ont souffert de la simplification
+ if (strlen($sIn)<2)
+ {
+ // Sigles ou abréviations
+ if (preg_match('`[BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ][BCDFGHJKLMNPQRSTVWXYZ]*`',$sBack))
+ return($sBack);
+
+ if (preg_match('`[RFMLVSPJDF][AEIOU]`',$sBack))
+ {
+ if (strlen($sBack)==3)
+ return(substr($sBack,0,2));// mots de trois lettres supposés simples
+ if (strlen($sBack)==4)
+ return(substr($sBack,0,3));// mots de quatre lettres supposés simples
+ }
+
+ if (strlen($sBack2)>1) return $sBack2;
+ }
+ if (strlen($sIn)>1)
+ {
+ return substr($sIn,0,16); // Je limite à 16 caractères mais vous faites comme vous voulez!
+ }
+ else return '';
+ }
}
-}
?>
\ No newline at end of file
diff --git a/library/Class/MoteurRecherche.php b/library/Class/MoteurRecherche.php
index 96f82749c33..be104cac8e9 100644
--- a/library/Class/MoteurRecherche.php
+++ b/library/Class/MoteurRecherche.php
@@ -409,6 +409,8 @@ class Class_MoteurRecherche {
'statut' => '',
'nombre' => 0];
+ xdebug_break();
+
$this->visitSearchSettings($criteres_recherche);
if (!empty($this->fil_ariane))
@@ -440,6 +442,7 @@ class Class_MoteurRecherche {
$this->limite_facettes;
// Lancer les requetes
+
$nb = fetchOne($req_comptage);
$ret['statut'] = '';
if (!$nb && !$this->_shouldExtend()) {
diff --git a/tests/library/Class/MoteurRechercheTest.php b/tests/library/Class/MoteurRechercheTest.php
index b90c21f3319..0d72038b95e 100644
--- a/tests/library/Class/MoteurRechercheTest.php
+++ b/tests/library/Class/MoteurRechercheTest.php
@@ -154,6 +154,34 @@ class MoteurRechercheAvanceeTest extends MoteurRechercheTestCase {
'req_comptage' => $this->countSqlWith("annee >='1960' and annee <='2013' and date_creation >'".$this->expected_date."' and (not matieres like 'PHILOSOPHIE%') and MATCH(facettes) AGAINST('+T1' IN BOOLEAN MODE)"),
'req_facettes' => $this->facetSqlWith("annee >='1960' and annee <='2013' and date_creation >'".$this->expected_date."' and (not matieres like 'PHILOSOPHIE%') and MATCH(facettes) AGAINST('+T1' IN BOOLEAN MODE)")],
+ [['rech_matieres' => 'games',
+ 'operateur_matieres' => 'and',
+ 'facette' => '',
+ 'annee_debut' => '',
+ 'annee_fin' => '',
+ 'nouveaute' => '',
+ 'type_recherche' => '',
+ 'pertinence' => true,
+ 'tri' => 'alpha_titre'] ,
+ 'req_notices' => $this->listSqlWith("(MATCH(matieres) AGAINST('(GAME GAMES GAM)' IN BOOLEAN MODE))",
+ "alpha_titre"),
+ 'req_comptage' => $this->countSqlWith("(MATCH(matieres) AGAINST('(GAME GAMES GAM)' IN BOOLEAN MODE))"),
+ 'req_facettes' => $this->facetSqlWith("(MATCH(matieres) AGAINST('(GAME GAMES GAM)' IN BOOLEAN MODE))")],
+
+ [['rech_matieres' => 'PC',
+ 'operateur_matieres' => 'and',
+ 'facette' => '',
+ 'annee_debut' => '',
+ 'annee_fin' => '',
+ 'nouveaute' => '',
+ 'type_recherche' => '',
+ 'pertinence' => true,
+ 'tri' => 'alpha_titre'] ,
+ 'req_notices' => $this->listSqlWith("(MATCH(matieres) AGAINST('(PC PC )' IN BOOLEAN MODE))",
+ "alpha_titre"),
+ 'req_comptage' => $this->countSqlWith("(MATCH(matieres) AGAINST('(PC PC )' IN BOOLEAN MODE))"),
+ 'req_facettes' => $this->facetSqlWith("(MATCH(matieres) AGAINST('(PC PC )' IN BOOLEAN MODE))")],
+
[['rech_titres' => 'Les nouveaux chiens de garde',
'operateur_titres' => 'and',
'rech_editeur' => 'Raisons d\'agir',
--
GitLab