/*
 *FileName:	Operator.cpp
 *Author:		vk
 *Create Date:	2005-11-16
 *Modify by:  	vk
 *Last Modify:	2005-11-17s
 */
#include "stdafx.h"
#include "Win32Cut.h"
char wtable[maxn][maxl];		//詞表，儲存中文詞匯
char buff[BUFSIZE];				//輸入緩沖區
char result[RESSIZE];			//分詞結果
int btp;						//緩沖區中當前已識別指針
int bp;							//緩沖區中當前開始識別指針
int bl;							//緩沖區有效長度
int wtsize;						//詞匯表大小
int isinit = 0;					//詞典是否初始化
FILE *fin,*fout;				//文件分詞時的輸入輸出文件

/*===========================================
函數：compare
功能：返回2個單元的比較結果，供qsort調用
=============================================*/
int compare(const void* a,const void* b){
	return strcmp((char*)a,(char*)b);
}

/*============================================
函數：init_table
參數：lexfilename  詞典文件路徑
功能：讀取字典并排序，初始化詞表
返回：成功ture，失敗false
=============================================*/
bool init_table(char* lexfilename){
	FILE* fwt;
	char line[100];
	int i;
	if(!(fwt = fopen(lexfilename,"r")))
		return false;
	for(i=0;;i++){
		if(fscanf(fwt,"%s",line) ==EOF)
			break;
		strcpy(wtable[i],line);
	}
	wtsize = i-1;
	//對詞表按字符串比較結果排序
	qsort(wtable,wtsize,maxl*sizeof(char),compare);
	fclose(fwt);
	isinit = 1;
	return true;
}

/*==============================================
函數：judge
參數：str 字符串
功能：對于給定字符串str,用二分法查找詞表，判斷該字符串是否是一個詞
返回：找到返回在詞表中的數組下標，否則返回-1
================================================*/
int judge(char *str){
	int low,mid,high;
	low = 0;
	high = wtsize;
	while(low <= high){
		mid = (low+high)/2;
		if(strcmp(str,wtable[mid]) ==0)
			return mid;
		else if(strcmp(str,wtable[mid]) >0)
			low = mid+1;
		else
			high = mid-1;
	}
	return -1;
}

/*================================================
函數：cut
功能：從緩沖區buff中取定長(maxl)串，用正向最大匹配算法找出這段字符串中
	  從串首開始的最長詞，并從存到結果中
返回：匹配成功1，否則0
==================================================*/
int cut(){
	char in[maxl];
	char temp[maxl];
	int i,k;
	k = bp;
	//從緩沖區里面讀取定長字串
	for(i=0;i<(maxl-1)&&buff[k]!=0;i++,k++){
		in[i] = buff[k];
	}
	//逐漸縮短字長進行匹配
	for(;i>0;i--){
		in[i] = 0;
		if(judge(in) != -1){//如果匹配成功
			//不過當前緩沖區指針與已匹配指針不一致，說明跳過了一段不能識別的字串，把這段字串加到結果中去
			if(btp != bp){
				for(k=btp;k<bp;k++){
					sprintf(temp,"%c",buff[k]);
					strcat(result,temp);
				}
				strcat(result,"/");
			}
			//把匹配成功的字串加到結果中去
			strcat(result,in);
			strcat(result,"/");
			//設置當前緩沖區指針和已匹配指針
			bp += i;
			btp = bp;
			return 1;
		}
	}
	return 0;
}
/*=================================================
函數：analyse
功能：屏幕分詞函數，循環調用cut函數，對緩沖區(即屏幕上的字串)進行切詞，
      如果切詞失敗，則試圖跳過一個或兩個字節再次匹配，直到匹配成功或者
	  到達緩沖區末尾。如果匹配成功則繼續調用cut；如果到達緩沖區末尾則輸
	  出到結果result數組，并返回
===================================================*/
void analyse(){
	btp = bp = 0;
	bl = strlen(buff);
	result[0] = 0;
	while(1){
		if(!cut()){//如果切詞失敗，則有可能是緩沖區末尾或者不能識別單詞
			while(bp<bl){
				if(buff[bp]<0)//是漢字
					bp ++;
				bp++;
				//跳過一個(漢)字進行再進行匹配，成功則跳出
				if(cut()==1)
					break;
			}
			if(bp >= bl){//如果緩沖區末尾，退出函數
				//加上不能識別的字串
				if(btp!=bl)
					strcat(result,&buff[btp]);
				return;
			}
		}
	}
	return;
}


//!!!!!!!以下函數為文件分詞使用

/*====================================================
函數：fillbuff
功能：當緩沖區不足時，將緩沖區剩余字串挪到頭部，并從輸入
      文件中填充緩沖區致緩沖區滿或文件末尾
返回：如果達到文件末尾1，否則0
======================================================*/
int fillbuff(){
	char ch;
	int i;
	for(i=0;bp<bl;i++,bp++)
		buff[i] = buff[bp];
	bp = 0;
	bl = i;
	while(bl<BUFSIZE){
		if(fscanf(fin,"%c",&ch)==EOF){
			buff[bl] = 0;
			return 1;
		}
		buff[bl++] = ch;
	}
	buff[bl] = 0;
	return 0;
}

/*=======================================================
函數：analysefile()
功能：對文件中的數據進行分詞并保存的結果文件中去。
=========================================================*/
void analysefile(){
	int iseof = 0;						//判斷是否文件末尾
	iseof = fillbuff();					//填充緩沖區
	btp = bp = 0;
	bl = strlen(buff);
	result[0] = 0;
	while(1){
		if(!cut()){//如果切詞失敗，則有可能是緩沖區末尾或者不能識別單詞
			while(bp<bl){
				if(buff[bp]<0)//是漢字
					bp ++;
				bp++;
				//跳過一個(漢)字進行再進行匹配，成功則跳出
				if(cut()==1)
					break;
			}
			if(bp >= bl){//如果到達緩沖區末尾
				//輸出結果
				fprintf(fout,"%s",result);
				if(iseof){//如果已經到達文件末尾
					//輸出剩余的未能識別的字串
					fprintf(fout,"%s",&buff[btp]);
					return;
				}
				result[0] = 0;
				bp = btp;				//重新設置回bp
				iseof = fillbuff();		//填充緩沖區
			}
		}
	}
	return;
}