//音声認識ルールを登録する部分の詳細な実行です。正規表現のネストがあるので再起してます。
xreturn::r<bool> JuliusPlus::AddRegexpImpl(const CallbackDataStruct & callback,const std::string & str, JuliusPlusRule* stateHandle)
{
// _USE_WINDOWS_ENCODING;
std::string matchString;
//正規表現をパースしながら回す.
const char * p = str.c_str();
const char * splitPos = p;
JuliusPlusRule* currentRule = stateHandle;
for( ; *p ; ++p )
{
#ifdef _WINDOWS_
if ( issjiskanji(*p) )
{
p ++;
continue;
}
#endif
if (*p == '(')
{
//閉じ括弧まで飛ばす. )
int nest = 1;
const char* n = p + 1;
for( ; *n ; ++n )
{
#ifdef _WINDOWS_
if ( issjiskanji(*n) )
{
n ++;
continue;
}
#endif
if (*n == '(')
{
++nest ;
}
else if (*n == ')')
{
--nest ;
if (nest <= 0)
{
break;
}
}
}
//ネストする前の部分
matchString = std::string(splitPos, 0 ,p - splitPos);
//ネストしている部分を格納するルールを作る.
JuliusPlusRule* nestRule;
//お目当ての()ネストを格納する部分を作る
//キャプチャー？
if (*(p+1) == '?' && *(p+2) == ':')
{
nestRule = new JuliusPlusRule(callback);
}
else
{
nestRule = new JuliusPlusRule( this->LocalCaptureRuleNodeCount++ , callback);
}
if (matchString.empty())
{//先行文字列が空
currentRule->AddNestRule(nestRule);
}
else
{//文字列だけを入れると OR扱いになってしまうので、ネストを格納するネストを作らないとダメ。
JuliusPlusRule* firstNestRule = new JuliusPlusRule(callback);
firstNestRule->AddWord(matchString);
firstNestRule->AddNestRule(nestRule);
currentRule->AddNestRule(firstNestRule);
}
//かっこの後にも構文が連続する場合、そのツリーを作成する.
if (*n == '\0' || *(n+1) == '\0' || *(n+1) == '|')
{//閉じかっこで構文がとまる場合はそこで終端
//nop
}
else
{//さらに構文が続いている場合
JuliusPlusRule * afterRule = new JuliusPlusRule(callback);
nestRule->SetCombineRule(afterRule);
currentRule = afterRule;
}
//ネストしているルールを再帰して実行.
matchString = std::string(p+1 , 0 , (int) (n - p - 1) );
auto r = this->AddRegexpImpl(callback,matchString, nestRule);
if(!r)
{
return xreturn::errnoError(r);
}
p = n ;
splitPos = n + 1; //+1は最後の ) を飛ばす. iは forの ++i で i == splitPos となる。(わかりにくい)
}
else if (*p == '|')
{
matchString = std::string(splitPos,0 , (int) (p - splitPos));
if (matchString.length() >= 1)
{
currentRule->AddWord(matchString);
}
//空分岐 (A|) のような場合、空ノードを入れる.
if (matchString.length() <= 0 || *(p+1) == '\0' )
{
assert(0); //not implement! 未実装!
currentRule->AddWord("");
}
splitPos = p + 1;
currentRule = stateHandle;
}
else if (*p == '.' && *(p+1) == '+')
{
assert(0); //not implement! 未実装!
// currentRule->AddWord("＊");
p += 1;
splitPos = p + 1;
}
}
//最後の残り
matchString = std::string(splitPos , 0 , (int) (p - splitPos) );
if ( matchString.length() >= 1 &&str.length() >= 1 && *(p-1) != ')')
{
currentRule->AddWord(matchString );
}
return true;
}
int GetToken(char *buf,int len,TOKEN *token,
char *token_separate,char *token_separate_point)
{
int token_start,token_len;
int i,j;
char point[10];
token->token=NULL;
token->size=0;
token->no=0;
token_start=0;
for(i=0;i<len;i++){
/* SJIS漢字1バイト目、エスケープ */
if(issjiskanji(buf[i])||buf[i]=='\\'){
i++;
}
else if(buf[i]=='"'){ /* "文字列 */
for(j=i+1;j<len;j++){
/* SJIS漢字1バイト目、エスケープ */
if(issjiskanji(buf[j])||buf[j]=='\\'){
j++;
continue;
}
if(buf[j]=='"'){
break;
}
}
i=j;
}
else if(buf[i]=='\''){ /* '文字列 */
for(j=i+1;j<len;j++){
/* SJIS漢字1バイト目、エスケープ */
if(issjiskanji(buf[j])||buf[j]=='\\'){
j++;
continue;
}
if(buf[j]=='\''){
break;
}
}
i=j;
}
else if(strchr(token_separate,buf[i])!=NULL){ /* 分離文字 */
token_len=i-token_start;
if(token_len>0){
AddToken(token,&buf[token_start],token_len);
}
token_start=i+1;
}
else if(strchr(token_separate_point,buf[i])!=NULL){ /* 区切り分離文字 */
token_len=i-token_start;
if(token_len>0){
AddToken(token,&buf[token_start],token_len);
}
sprintf(point,"%c",buf[i]);
AddToken(token,point,1);
token_start=i+1;
}
}
token_len=i-token_start;
if(token_len>0){
AddToken(token,&buf[token_start],token_len);
}
return(0);
}
//音声認識ルールを構築します。 正規表現にも対応しています。
xreturn::r<bool> JuliusPlus::AddRegexp(const CallbackDataStruct & callback,const std::string & str ,JuliusPlusRule* stateHandle )
{
//unixへの移植を考えて wchar_tはやめることにした。
//unix で UTF8 を使っている限りはマルチバイトに悩むことはないでしょう。 EUCとかレガシーなシステムは知らん。
// _USE_WINDOWS_ENCODING;
//一番最初だけ正規表現の構文変換をかける.
//難しすぎる表現を簡単なゆとり仕様に直して、パースしやすくする。
// .+ --> (:?.*)
// (まる|さんかく)? --> (まる|さんかく|) 正しい正規表現としてはエラーだが、このエンジンの場合容認する.
// なのは? --> なの(は|)
std::string optstr;
optstr.reserve(str.size());
for( const char * p = str.c_str() ; *p ; ++p )
{
#ifdef _WINDOWS_
if ( issjiskanji(*p) )
{
optstr += *p;
optstr += *(p+1);
p ++;
continue;
}
#endif
if ( *p == '.' && *(p+1) == '+')
{ // .+ --> (:?.*)
optstr += "(?:.+)";
++p;
}
else if (*p == '(' && *(p+1) == '?' && *(p+2) == ':' )
{
optstr += "(?:";
p+=2;
}
else if (*(p+1) == '?')
{
if (*p == ')')
{// (まる|さんかく)? --> (まる|さんかく|)
optstr += "|)";
}
else
{// なのは? --> なの(は|)
optstr += std::string("(?:") + *p + "|)";
}
++p;
}
else if (*p == '*' || *p == '+' || *p == '.' || *p == '[' || *p == ']')
{
// throw exception(std::string("") + "現在は、メタ文字 " + p + " は利用できません。利用可能なメタ文字 () | .+ ?");
return xreturn::error(std::string("") + "現在は、メタ文字 " + p + " は利用できません。利用可能なメタ文字 () | .+ ?");
}
else
{
optstr += *p;
}
}
//正規表現 captureの番号。
this->LocalCaptureRuleNodeCount = 1;
//このルールを収めるメールを作る。(この処理は厳格に見ると非効率だが、とりあえずこれで)
JuliusPlusRule* firstNestRule = new JuliusPlusRule(callback);
stateHandle->AddNestRule(firstNestRule);
//正規表現パースを本気でやる
return AddRegexpImpl(callback,optstr, firstNestRule);
}
