NlpTools\Stemmers\GreekStemmer::stem()

Complexity

Conditions	63
Paths	> 20000

Size

Total Lines	294
Code Lines	227

Duplication

Lines	0
Ratio	0 %

Importance

Changes

0

<?php
    public function stem($w)
    {
$word = $w;
        $stem="";
        $suffix="";
        $firstch="";

        $test1 = true;

        if (mb_strlen($w, "utf-8") < 4) {
            return $w;
        }

        //step1
        if (preg_match(self::$step1regexp,$w,$fp)) {
            $stem = $fp[1];
            $suffix = $fp[2];
            $w = $stem.self::$step1list[$suffix];
            $test1 = false;
        }

        $re1 = "/^(.+?)(αδεσ|αδων)$/u";
        $re2 = "/^(.+?)(εδεσ|εδων)$/u";
        $re3 = "/^(.+?)(ουδεσ|ουδων)$/u";
        $re4 = "/^(.+?)(εωσ|εων)$/u";
        if (preg_match($re1,$w,$fp)) { // step 2a
            $stem = $fp[1];
            $w = $stem;
            $re = "/(οκ|μαμ|μαν|μπαμπ|πατερ|γιαγι|νταντ|κυρ|θει|πεθερ)$/u";
            if (!preg_match($re,$w)) {
                $w .= "αδ";
            }
        } elseif (preg_match($re2,$w,$fp)) { //step 2b
            $stem = $fp[1];
            $w = $stem;
            $exept2 = "/(οπ|ιπ|εμπ|υπ|γηπ|δαπ|κρασπ|μιλ)$/u";
            if (preg_match($exept2,$w)) {
                $w .= "εδ";
            }
        } elseif (preg_match($re3,$w,$fp)) { //step 2c
            $stem = $fp[1];
            $w = $stem;
            $exept3 = "/(αρκ|καλιακ|πεταλ|λιχ|πλεξ|σκ|σ|φλ|φρ|βελ|λουλ|χν|σπ|τραγ|φε)$/u";
            if (preg_match($exept3,$w)) {
                $w .= "ουδ";
            }
        } elseif (preg_match($re4,$w,$fp)) { //step 2d
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
            $exept4 = "/^(θ|δ|ελ|γαλ|ν|π|ιδ|παρ)$/u";
            if (preg_match($exept4,$w)) {
                $w .= "ε";
            }
        }

        //step 3
        $re = "/^(.+?)(ια|ιου|ιων)$/u";
        if (preg_match($re,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $re = "/".self::$v."$/u";
            $test1 = false;
            if (preg_match($re,$w)) {
                $w = $stem."ι";
            }
        }

        //step 4
        $re = "/^(.+?)(ικα|ικο|ικου|ικων)$/u";
        if (preg_match($re,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
            $re = "/".self::$v."$/u";
            $exept5 = "/^(αλ|αδ|ενδ|αμαν|αμμοχαλ|ηθ|ανηθ|αντιδ|φυσ|βρωμ|γερ|εξωδ|καλπ|καλλιν|καταδ|μουλ|μπαν|μπαγιατ|μπολ|μποσ|νιτ|ξικ|συνομηλ|πετσ|πιτσ|πικαντ|πλιατσ|ποστελν|πρωτοδ|σερτ|συναδ|τσαμ|υποδ|φιλον|φυλοδ|χασ)$/u";
            if (preg_match($re,$w) || preg_match($exept5,$w)) {
                $w .= "ικ";
            }
        }

        //step 5a
        $re = "/^(.+?)(αμε)$/u";
        $re2 = "/^(.+?)(αγαμε|ησαμε|ουσαμε|ηκαμε|ηθηκαμε)$/u";
        $re3 = "/^(.+?)(ανε)$/u";
        $re4 = "/^(.+?)(αγανε|ησανε|ουσανε|ιοντανε|ιοτανε|ιουντανε|οντανε|οτανε|ουντανε|ηκανε|ηθηκανε)$/u";
        $re5 = "/^(.+?)(ετε)$/u";
        $re6 = "/^(.+?)(ησετε)$/u";
        $re7 = "/^(.+?)(οντασ|ωντασ)$/u";
        $re8 = "/^(.+?)(ομαστε|ιομαστε)$/u";
        $re9 = "/^(.+?)(εστε)$/u";
        $re10 = "/^(.+?)(ιεστε)$/u";
        $re11 = "/^(.+?)(ηκα|ηκεσ|ηκε)$/u";
        $re12 = "/^(.+?)(ηθηκα|ηθηκεσ|ηθηκε)$/u";
        $re13 = "/^(.+?)(ουσα|ουσεσ|ουσε)$/u";
        $re14 = "/^(.+?)(αγα|αγεσ|αγε)$/u";
        $re15 = "/^(.+?)(ησε|ησου|ησα)$/u";
        $re16 = "/^(.+?)(ηστε)$/u";
        $re17 = "/^(.+?)(ουνε|ησουνε|ηθουνε)$/u";
        $re18 = "/^(.+?)(ουμε|ησουμε|ηθουμε)$/u";

        if ($w == "αγαμε") {
            return "αγαμ";
        }

        if (preg_match($re2,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
        } elseif (preg_match($re,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
            $exept6 = "/^(αναπ|αποθ|αποκ|αποστ|βουβ|ξεθ|ουλ|πεθ|πικρ|ποτ|σιχ|χ)$/u";
            if (preg_match($exept6,$w)) {
                $w .= "αμ";
            }
        } elseif (preg_match($re4,$w,$fp)) { //step 5b
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
            $re4 = "/^(τρ|τσ)$/u";
            if (preg_match($re4,$w)) {
                $w .= "αγαν";
            }
        } elseif (preg_match($re3,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
            $re3 = "/".self::$v2."$/u";
            $exept7 = "/^(βετερ|βουλκ|βραχμ|γ|δραδουμ|θ|καλπουζ|καστελ|κορμορ|λαοπλ|μωαμεθ|μ|μουσουλμ|ν|ουλ|π|πελεκ|πλ|πολισ|πορτολ|σαρακατσ|σουλτ|τσαρλατ|ορφ|τσιγγ|τσοπ|φωτοστεφ|χ|ψυχοπλ|αγ|ορφ|γαλ|γερ|δεκ|διπλ|αμερικαν|ουρ|πιθ|πουριτ|σ|ζωντ|ικ|καστ|κοπ|λιχ|λουθηρ|μαιντ|μελ|σιγ|σπ|στεγ|τραγ|τσαγ|φ|ερ|αδαπ|αθιγγ|αμηχ|ανικ|ανοργ|απηγ|απιθ|ατσιγγ|βασ|βασκ|βαθυγαλ|βιομηχ|βραχυκ|διατ|διαφ|ενοργ|θυσ|καπνοβιομηχ|καταγαλ|κλιβ|κοιλαρφ|λιβ|μεγλοβιομηχ|μικροβιομηχ|νταβ|ξηροκλιβ|ολιγοδαμ|ολογαλ|πενταρφ|περηφ|περιτρ|πλατ|πολυδαπ|πολυμηχ|στεφ|ταβ|τετ|υπερηφ|υποκοπ|χαμηλοδαπ|ψηλοταβ)$/u";
            if (preg_match($re3,$w) || preg_match($exept7,$w)) {
                $w .= "αν";
            }
        } elseif (preg_match($re6,$w,$fp)) { //step 5c
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
        } elseif (preg_match($re5,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

//          $re5 = $this->v2."$";
            $re5 = self::$v2."";
            $exept8 = "/(οδ|αιρ|φορ|ταθ|διαθ|σχ|ενδ|ευρ|τιθ|υπερθ|ραθ|ενθ|ροθ|σθ|πυρ|αιν|συνδ|συν|συνθ|χωρ|πον|βρ|καθ|ευθ|εκθ|νετ|ρον|αρκ|βαρ|βολ|ωφελ)$/u";
            $exept9 = "/^(αβαρ|βεν|εναρ|αβρ|αδ|αθ|αν|απλ|βαρον|ντρ|σκ|κοπ|μπορ|νιφ|παγ|παρακαλ|σερπ|σκελ|συρφ|τοκ|υ|δ|εμ|θαρρ|θ)$/u";

            if (preg_match($re5,$w) || preg_match($exept8,$w)) {
                $w .= "ετ";
            } elseif (preg_match($exept9, $w)) {
                $w .= "ετ";
            }
        } elseif (preg_match($re7,$w,$fp)) { //step 5d
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept10 = "/^(αρχ)$/u";
            $exept11 = "/(κρε)$/u";
            if (preg_match($exept10,$w)) {
                $w .= "οντ";
            }
            if (preg_match($exept11,$w)) {
                $w .= "ωντ";
            }
        } elseif (preg_match($re8,$w,$fp)) { //step 5e
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept11 = "/^(ον)$/u";
            if (preg_match($exept11,$w)) {
                $w .= "ομαστ";
            }
        } elseif (preg_match($re10,$w,$fp)) { //step 5f
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $re10 = "/^(π|απ|συμπ|ασυμπ|ακαταπ|αμεταμφ)$/u";
            if (preg_match($re10,$w)) {
               $w .= "ιεστ";
            }
        } elseif (preg_match($re9,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept12 = "/^(αλ|αρ|εκτελ|ζ|μ|ξ|παρακαλ|αρ|προ|νισ)$/u";
            if (preg_match($exept12,$w)) {
                $w .= "εστ";
            }
        } elseif (preg_match($re12,$w,$fp)) { //step 5g
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;
        } elseif (preg_match($re11,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept13 = "/(σκωλ|σκουλ|ναρθ|σφ|οθ|πιθ)$/u";
            $exept14 = "/^(διαθ|θ|παρακαταθ|προσθ|συνθ|)$/u";
            if (preg_match($exept13,$w)) {
                $w .= "ηκ";
            } elseif (preg_match($exept14,$w)) {
                $w .= "ηκ";
            }
        } elseif (preg_match($re13,$w,$fp)) { //step 5h
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept15 = "/^(φαρμακ|χαδ|αγκ|αναρρ|βρομ|εκλιπ|λαμπιδ|λεχ|μ|πατ|ρ|λ|μεδ|μεσαζ|υποτειν|αμ|αιθ|ανηκ|δεσποζ|ενδιαφερ|δε|δευτερευ|καθαρευ|πλε|τσα)$/u";
            $exept16 = "/(ποδαρ|βλεπ|πανταχ|φρυδ|μαντιλ|μαλλ|κυματ|λαχ|ληγ|φαγ|ομ|πρωτ)$/u";
            if (preg_match($exept15,$w)) {
                $w .= "ουσ";
            } elseif (preg_match($exept16,$w)) {
                $w .= "ουσ";
            }
        } elseif (preg_match($re14,$w,$fp)) { //step 5i
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept17 = "/^(ψοφ|ναυλοχ)$/u";
            $exept20 = "/(κολλ)$/u";
            $exept18 = "/^(αβαστ|πολυφ|αδηφ|παμφ|ρ|ασπ|αφ|αμαλ|αμαλλι|ανυστ|απερ|ασπαρ|αχαρ|δερβεν|δροσοπ|ξεφ|νεοπ|νομοτ|ολοπ|ομοτ|προστ|προσωποπ|συμπ|συντ|τ|υποτ|χαρ|αειπ|αιμοστ|ανυπ|αποτ|αρτιπ|διατ|εν|επιτ|κροκαλοπ|σιδηροπ|λ|ναυ|ουλαμ|ουρ|π|τρ|μ)$/u";
            $exept19 = "/(οφ|πελ|χορτ|λλ|σφ|ρπ|φρ|πρ|λοχ|σμην)$/u";

            if((preg_match($exept18,$w) || preg_match($exept19,$w))
                && !(preg_match($exept17,$w) || preg_match($exept20,$w))) {
              $w .= "αγ";
            }
        } elseif (preg_match($re15,$w,$fp)) { //step 5j
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept21 = "/^(ν|χερσον|δωδεκαν|ερημον|μεγαλον|επταν)$/u";
            if (preg_match($exept21,$w)) {
                $w .= "ησ";
            }
        } elseif (preg_match($re16,$w,$fp)) { //step 5k
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept22 = "/^(ασβ|σβ|αχρ|χρ|απλ|αειμν|δυσχρ|ευχρ|κοινοχρ|παλιμψ)$/u";
            if (preg_match($exept22,$w)) {
                $w .= "ηστ";
            }
        } elseif (preg_match($re17,$w,$fp)) { //step 5l
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept23 = "/^(ν|ρ|σπι|στραβομουτσ|κακομουτσ|εξων)$/u";
            if (preg_match($exept23,$w)) {
                $w .= "ουν";
            }
        } elseif (preg_match($re18,$w,$fp)) { //step 5l
            $stem = $fp[1];
            $w = $stem;
            $test1 = false;

            $exept24 = "/^(παρασουσ|φ|χ|ωριοπλ|αζ|αλλοσουσ|ασουσ)$/u";
            if (preg_match($exept24,$w)) {
                $w .= "ουμ";
            }
        }

        // step 6
        $re = "/^(.+?)(ματα|ματων|ματοσ)$/u";
        $re2 = "/^(.+?)(α|αγατε|αγαν|αει|αμαι|αν|ασ|ασαι|αται|αω|ε|ει|εισ|ειτε|εσαι|εσ|εται|ι|ιεμαι|ιεμαστε|ιεται|ιεσαι|ιεσαστε|ιομασταν|ιομουν|ιομουνα|ιονταν|ιοντουσαν|ιοσασταν|ιοσαστε|ιοσουν|ιοσουνα|ιοταν|ιουμα|ιουμαστε|ιουνται|ιουνταν|η|ηδεσ|ηδων|ηθει|ηθεισ|ηθειτε|ηθηκατε|ηθηκαν|ηθουν|ηθω|ηκατε|ηκαν|ησ|ησαν|ησατε|ησει|ησεσ|ησουν|ησω|ο|οι|ομαι|ομασταν|ομουν|ομουνα|ονται|ονταν|οντουσαν|οσ|οσασταν|οσαστε|οσουν|οσουνα|οταν|ου|ουμαι|ουμαστε|ουν|ουνται|ουνταν|ουσ|ουσαν|ουσατε|υ|υσ|ω|ων)$/u";
        if (preg_match($re,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem . "μα";
        }
        if (preg_match($re2,$w,$fp) && $test1) {
            $stem = $fp[1];
            $w = $stem;
        }

        // step 7
        $re = "/^(.+?)(εστερ|εστατ|οτερ|οτατ|υτερ|υτατ|ωτερ|ωτατ)$/u";
        if (preg_match($re,$w,$fp)) {
            $stem = $fp[1];
            $w = $stem;
        }

        return $w;
    }