/*
 * Normalization rules for German text
 * [this is a JFlex specification]
 *
 * Wolfgang Schmidle 
 * version 0.96
 * 2011-02-21
 *
 */

package de.mpg.mpiwg.berlin.mpdl.lt.analyzer.lang;

%%

%public
%class MpdlNormalizerLexDE
%type java.lang.String
%unicode

// German: de, deu, ger

%states DISP, DICT, SEARCH
%state CELEX, GRIMM

%{
	private String original = "";
	private String normalized = "";
	private int problem = 0;
	
	private void add (String norm) {
		original += yytext(); 
		normalized += norm;
	}
%}

END = \n

Alphabet = [abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]

%%

ſ { add("s"); }

// Fraktur

<DISP, DICT, SEARCH,
GRIMM> {

uͦ {add("u"); }
aͤ {add("ä"); }
oͤ {add("ö"); }
uͤ {add("ü"); }

}

<CELEX> {

// normalize ä ö ü ß only for Celex!

ä | Ä | aͤ { add("ae"); }
ö | Ö | oͤ { add("oe"); }
ü | Ü | uͤ { add("ue"); }
uͦ {add("u"); }
ß { add("ss"); }

{Alphabet} { add(yytext()); }

. { problem = 1; add(yytext()); }

}

<GRIMM> {

ß { add("sz"); }

}


// default

@ { problem = 1; add(yytext()); }
. { add(yytext()); }


<DISP, SEARCH> {

{END} {
		switch (problem) {
			case 1: return original;
			default: return normalized;
		}
	}
}

<DICT, CELEX, GRIMM> {

{END} {
		switch (problem) {
			case 1: return "";
			default: return normalized;
		}
	}
}


/*

Annahmen:
- die Routine wird wortweise aufgerufen, mit einem \n am Ende des Strings
- Wörter mit Zeilenumbrüchen wurden bereits wieder zusammengesetzt

TO DO:

DE: Trennung von Deutsch und Fraktur?
DE: Celex: hyphens weg?

*/