X-Git-Url: https://git.llucax.com/z.facultad/75.06/jacu.git/blobdiff_plain/fef03d51453b511c6355d53f1c4f5d06f1e8519e..581c6c4f1d70b1928ae2946aa0482a4d36ea56d9:/src/blocksorting/bs.c

diff --git a/src/blocksorting/bs.c b/src/blocksorting/bs.c
index a1e14a2..a71e261 100644
--- a/src/blocksorting/bs.c
+++ b/src/blocksorting/bs.c
@@ -5,6 +5,95 @@
 
 /* Block Sorting Optimizado en memoria! */
 
+typedef struct _dict_ {
+	char *word;
+	int len;
+	int hits;
+} t_Diccionario;
+
+#define PALABRA(a) {a, sizeof(a)-1, 0}
+
+#define DICT_SIZE sizeof(dic)/sizeof(t_Diccionario)
+
+/* ASCII Numero 3 como caracter de escape */
+#define ESCAPE_CHARACTER 0x3
+
+/* Diccionario */
+t_Diccionario dic[] = {
+	/* Preposiciones (no todas) */
+	PALABRA(" ante"),
+	PALABRA(" bajo"),
+	PALABRA(" cabe"),
+	PALABRA(" con"),
+	PALABRA(" contra"),
+	/* PALABRA(" de"),  XXX No se si conviene, solo ahorra 1 byte y puede romper localidad */
+	PALABRA(" desde"),
+	PALABRA(" hasta"),
+	PALABRA(" hacia"),
+	PALABRA(" para"),
+	PALABRA(" por"),
+	PALABRA(" según"),
+	PALABRA(" sin"),
+	PALABRA(" sobre"),
+	PALABRA(" tras"),
+	PALABRA(" mediante"),
+	PALABRA(" durante"),
+
+	/* Articulos */
+	PALABRA(" el "),
+	PALABRA(" la "),
+	PALABRA(" ella "),
+	PALABRA(" del "),
+	PALABRA(" los "),
+	PALABRA(" las "),
+	PALABRA(" lo "),
+	PALABRA(" que"),
+	PALABRA(" una "),
+	PALABRA(" también"),
+	PALABRA(" tambien"),
+	PALABRA(" cuando"),
+	PALABRA(" pero"),
+	PALABRA(" todo"),
+	/* Otras de test */
+	PALABRA(" si "),
+	PALABRA(" mas "),
+	PALABRA(" más "),
+	PALABRA(" porque"),
+	PALABRA(" entonces"),
+	PALABRA(" siempre"),
+	PALABRA(" segundo"),
+	PALABRA(" programa"),
+	PALABRA(" existe"),
+	PALABRA(" recien"),
+	PALABRA(" máximo"),
+	PALABRA(" mínimo"),
+	PALABRA(" casi"),
+	PALABRA(" sección"),
+	PALABRA(" informe"),
+	PALABRA(" Informe"),
+	PALABRA(" acción"),
+	PALABRA(" perdedor"),
+	PALABRA(" existencia"),
+	PALABRA(" aire"),
+	PALABRA(" árbol"),
+	PALABRA(" prueba"),
+	PALABRA(" muestra"),
+	PALABRA(" animal"),
+	PALABRA(" suerte"),
+	PALABRA(" portador"),
+	PALABRA(" molesto"),
+	PALABRA(" cielo"),
+	PALABRA(" impulso"),
+	PALABRA(" alcohol"),
+	PALABRA(" seguido"),
+	PALABRA(" permiso"),
+	PALABRA(" cuarto"),
+	PALABRA(" brillante"),
+	PALABRA(" tener"),
+	PALABRA(" ningún"),
+	PALABRA(" fácil"),
+};
+
 typedef struct _bs_decode_t_ {
 	char c;
 	Uint32 sig;
@@ -163,31 +252,151 @@ void bs_EOL(char *data, Uint32 pagesize, Uint32 *j)
 	(*j) += 9;
 }
 
-int bs_readblock(FILE *fp, char *data, Uint32 pagesize)
+char check_hint(char c)
+{
+	static int current_pos = 0;
+	char hits = 0;
+	int i;
+	char hit_pos = -1;
+
+	for(i=0; i<DICT_SIZE; i++) {
+		/* Veo de no pasarme */
+		if (current_pos < dic[i].len) {
+			/* Si la palabra tiene suficientes hints */
+			if (dic[i].hits == current_pos) {
+				if (dic[i].word[current_pos] == c) {
+					dic[i].hits++;
+					hits++;
+					if (dic[i].hits == dic[i].len) {
+						hit_pos = i;
+					}
+				} else {
+					/* Esta palabra ya no tiene posibilidades */
+					dic[i].hits = 0;
+				}
+			}
+		} else {
+			dic[i].hits = 0;
+		}
+	}
+
+	current_pos++;
+
+	if (hits == 0) {
+		current_pos = 0;
+		return -1; /* No hay hints ! */
+	}
+	if (hits > 1) return -2; /* Tengo mas de 1 hint! */
+
+	if (hit_pos == -1) return -2; /* Tengo 1 solo hit pero no es completo */
+
+	/* Tengo 1 solo hint !!!! */
+	current_pos = 0;
+	return hit_pos;
+}
+
+void bs_clean_dic()
+{
+	int i;
+	for(i=0; i<DICT_SIZE; i++) {
+		dic[i].hits = 0;
+	}
+}
+
+int bs_readblock(FILE *fp, char *data, Uint32 pagesize, int usar_dic)
 {
 	Uint32 i=0;
-	char c;
-	while ((!feof(fp)) && (i < pagesize)) {
+	char c, hint;
+	char buffer[100];
+	int j, buffer_pos=0;
+
+	while ((!feof(fp)) && ((i+buffer_pos) < pagesize)) {
 		c = fgetc(fp);
-/*		if (c != '\n')*/
-		if (c == '\0') {
-			/* Debo encodear el \0 para que no complique */
-			data[i++] = 0x00;
-			data[i++] = 0xFF;
+		
+		if (usar_dic != 1) {
+			data[i++] = c;
+			continue;
 		}
-		if (isupper(c)) {
-			data[i++] = '\0';
-			data[i++] = tolower(c);
-		} else {
+
+		if (c == ESCAPE_CHARACTER) {
 			data[i++] = c;
+			data[i++] = 0xF;
+			bs_clean_dic();
+			continue;
+		}
+
+		hint = check_hint(c);
+
+		switch (hint) {
+			case -1:
+				/* No hay hints, vacio el buffer y luego saco el c */
+				for(j=0; j<buffer_pos; j++)
+					data[i++] = buffer[j];
+
+				data[i++] = c;
+				buffer_pos = 0;
+				bs_clean_dic();
+			break;
+			case -2:
+				/* Tengo mas de 1 hit, tengo posibilidades, guardo este char en el buffer */
+				buffer[buffer_pos++] = c;
+			break;
+			default:
+				/* Me retornaron un numero positivo!!, eso quiere decir que ese numero
+				 * es la posicion dentro del diccionario de la palabra que puedo reemplazar
+				 */
+				data[i++] = ESCAPE_CHARACTER;
+				/* Trato de hacer que el caracter sea comun en textos, para que no me rompa
+				 * la localidad
+				 */
+				data[i++] = hint;
+				bs_clean_dic();
+				/* El buffer no lo necesito mas */
+				buffer_pos = 0;
 		}
-/*		else
-			bs_EOL(data, pagesize, &i);*/
 	}
 
+	for(j=0; j<buffer_pos; j++)
+		data[i++] = buffer[j];
 	/* Saco un EOF que lee de mas */
 	if (i<pagesize) i--;
 
 	return i;
 }
 
+char *bs_finalblock(char *data, Uint32 len, Uint32 *new_size)
+{
+	Uint32 size=0, i, j;
+	char *out = NULL;
+	unsigned char tmp;
+
+	for(i=0; i < len; i++) {
+		if (data[i] == ESCAPE_CHARACTER) {
+			i++;
+			if (data[i] == 0xF) {
+				/* Solo tengo que dejar el ESCAPE_CHARACTER */
+				size++;
+				out = (char *)realloc(out, size*sizeof(char));
+				out[size-1] = data[i];
+				/* Salteo ese caracter */
+			} else {
+				/* Va una palabra!! */
+				tmp = data[i];
+				size += dic[(size_t)tmp].len;
+				out = (char *)realloc(out, size*sizeof(char));
+				for(j=0; j<dic[(size_t)tmp].len; j++) {
+					out[size-dic[(size_t)tmp].len+j] = dic[(size_t)tmp].word[j];
+				}
+				/* Salteo el caracter siguiente al de escape */
+			}
+		} else {
+			size++;
+			out = (char *)realloc(out, size*sizeof(char));
+			out[size-1] = data[i];
+		}
+	}
+
+	(*new_size) = size;
+	return out;
+}
+