Added setup command and made lookup work sanely. #15
[zzz-pokedex.git] / pokedex / lookup.py
index 90fb3d3..55e1b5a 100644 (file)
 # encoding: utf8
+import os, os.path
+import pkg_resources
+import re
+
 from sqlalchemy.sql import func
+import whoosh
+import whoosh.filedb.filestore
+import whoosh.filedb.fileindex
+import whoosh.index
+from whoosh.qparser import QueryParser
+import whoosh.spelling
 
+from pokedex.db import connect
 import pokedex.db.tables as tables
 
-def lookup(session, name):
+# Dictionary of table name => table class.
+# Need the table name so we can get the class from the table name after we
+# retrieve something from the index
+indexed_tables = {}
+for cls in [
+        tables.Ability,
+        tables.Item,
+        tables.Move,
+        tables.Pokemon,
+        tables.Type,
+    ]:
+    indexed_tables[cls.__tablename__] = cls
+
+# Dictionary of extra keys to file types of objects under, e.g. Pokémon can
+# also be looked up purely by number
+extra_keys = {
+    tables.Move: [
+        lambda row: u"move %d" % row.id,
+    ],
+    tables.Pokemon: [
+        lambda row: unicode(row.id),
+    ],
+}
+
+def open_index(directory=None, session=None, recreate=False):
+    """Opens the whoosh index stored in the named directory and returns (index,
+    speller).  If the index doesn't already exist, it will be created.
+
+    `directory`
+        Directory containing the index.  Defaults to a location within the
+        `pokedex` egg directory.
+
+    `session`
+        If the index needs to be created, this database session will be used.
+        Defaults to an attempt to connect to the default SQLite database
+        installed by `pokedex setup`.
+
+    `recreate`
+        If set to True, the whoosh index will be created even if it already
+        exists.
+    """
+
+    # Defaults
+    if not directory:
+        directory = pkg_resources.resource_filename('pokedex',
+                                                    'data/whoosh_index')
+
+    if not session:
+        session = connect()
+
+    # Attempt to open or create the index
+    directory_exists = os.path.exists(directory)
+    if directory_exists and not recreate:
+        # Already exists; should be an index!
+        try:
+            index = whoosh.index.open_dir(directory, indexname='pokedex')
+            speller = whoosh.index.open_dir(directory, indexname='spelling')
+            return index, speller
+        except whoosh.index.EmptyIndexError as e:
+            # Apparently not a real index.  Fall out of the if and create it
+            pass
+
+    if not directory_exists:
+        os.mkdir(directory)
+
+
+    # Create index
+    schema = whoosh.fields.Schema(
+        name=whoosh.fields.ID(stored=True),
+        table=whoosh.fields.STORED,
+        row_id=whoosh.fields.STORED,
+        language=whoosh.fields.STORED,
+
+        # Whoosh 0.2 explodes when using a file-stored schema with no TEXT
+        # columns.  Appease it
+        dummy=whoosh.fields.TEXT,
+    )
+
+    index = whoosh.index.create_in(directory, schema=schema,
+                                              indexname='pokedex')
+    writer = index.writer()
+
+    # Index every name in all our tables of interest
+    speller_entries = []
+    for cls in indexed_tables.values():
+        q = session.query(cls)
+
+        # Only index base Pokémon formes
+        if hasattr(cls, 'forme_base_pokemon_id'):
+            q = q.filter_by(forme_base_pokemon_id=None)
+
+        for row in q.yield_per(5):
+            row_key = dict(table=cls.__tablename__, row_id=row.id)
+
+            # Spelling index only indexes strings of letters, alas, so we
+            # reduce every name to this to make the index work.  However, exact
+            # matches are not returned, so e.g. 'nidoran' would neither match
+            # exactly nor fuzzy-match.  Solution: add the spelling-munged name
+            # as a regular index row too.
+            name = row.name.lower()
+            writer.add_document(name=name, **row_key)
+
+            speller_entries.append(name)
+
+            for extra_key_func in extra_keys.get(cls, []):
+                extra_key = extra_key_func(row)
+                writer.add_document(name=extra_key, **row_key)
+
+    writer.commit()
+
+    # XXX GIHWEGREHKG
+    old__schema = whoosh.spelling.SpellChecker._schema
+    def new__schema(self):
+        schema = old__schema(self)
+        schema.add('dummy', whoosh.fields.TEXT)
+        return schema
+    whoosh.spelling.SpellChecker._schema = new__schema
+
+    # Construct and populate a spell-checker index.  Quicker to do it all
+    # at once, as every call to add_* does a commit(), and those seem to be
+    # expensive
+    speller = whoosh.spelling.SpellChecker(index.storage, indexname='spelling')
+    # WARNING: HERE BE DRAGONS
+    # whoosh.spelling refuses to index things that don't look like words.
+    # Unfortunately, this doesn't work so well for Pokémon (Mr. Mime,
+    # Porygon-Z, etc.), and attempts to work around it lead to further
+    # complications.
+    # The below is copied from SpellChecker.add_scored_words without the check
+    # for isalpha().  XXX get whoosh patched to make this unnecessary!
+    writer = speller.index(create=True).writer()
+    for word in speller_entries:
+        fields = {"word": word, "score": 1}
+        for size in xrange(speller.mingram, speller.maxgram + 1):
+            nga = whoosh.analysis.NgramAnalyzer(size)
+            gramlist = [t.text for t in nga(word)]
+            if len(gramlist) > 0:
+                fields["start%s" % size] = gramlist[0]
+                fields["end%s" % size] = gramlist[-1]
+                fields["gram%s" % size] = " ".join(gramlist)
+        writer.add_document(**fields)
+    writer.commit()
+    # end copy-pasta
+
+    return index, speller
+
+
+def lookup(name, session=None, exact_only=False):
     """Attempts to find some sort of object, given a database session and name.
 
-    Returns a list of (object, matchiness) tuples.  Matchiness is 1 for exact
-    matches.  It is possible to get multiple exact matches; for example,
-    'Metronome' will match both the move and the item.  In these cases, the
-    results are returned in rough order of "importance", e.g., Pokémon come
-    before moves come before types.
+    Returns (objects, exact) where `objects` is a list of database objects, and
+    `exact` is True iff the given name matched the returned objects exactly.
 
-    This function does fuzzy matching iff there are no exact matches.
+    This function ONLY does fuzzy matching if there are no exact matches.
 
     Formes are not returned; "Shaymin" will return only grass Shaymin.
-    
+
     Currently recognizes:
     - Pokémon names: "Eevee"
+
+    `name`
+        Name of the thing to look for.
+
+    `session`
+        A database session to use for retrieving objects.  As with get_index,
+        if this is not provided, a connection to the default database will be
+        attempted.
+
+    `exact_only`
+        If True, only exact matches are returned.  If set to False (the
+        default), and the provided `name` doesn't match anything exactly,
+        spelling correction will be attempted.
     """
 
-    q = session.query(tables.Pokemon) \
-               .filter(func.lower(tables.Pokemon.name) == name.lower()) \
-               .filter_by(forme_base_pokemon_id=None)
+    if not session:
+        session = connect()
+
+    index, speller = open_index()
+
+    exact = True
+
+    # Look for exact name.  A Term object does an exact match, so we don't have
+    # to worry about a query parser tripping on weird characters in the input
+    searcher = index.searcher()
+    query = whoosh.query.Term('name', name.lower())
+    results = searcher.search(query)
+
+    if not exact_only:
+        # Look for some fuzzy matches
+        if not results:
+            exact = False
+            results = []
+
+            for suggestion in speller.suggest(name, 3):
+                query = whoosh.query.Term('name', suggestion)
+                results.extend(searcher.search(query))
+
+    # Convert results to db objects
+    objects = []
+    seen = {}
+    for result in results:
+        # Skip dupe results
+        seen_key = result['table'], result['row_id']
+        if seen_key in seen:
+            continue
+        seen[seen_key] = True
+
+        cls = indexed_tables[result['table']]
+        obj = session.query(cls).get(result['row_id'])
+        objects.append(obj)
 
-    try:
-        result = q.one()
-        return [ (result, 1) ]
-    except:
-        return []
+    return objects, exact