This repository has been archived by the owner on Aug 6, 2020. It is now read-only.
forked from cristianmaral/Maquina-de-Busca
-
Notifications
You must be signed in to change notification settings - Fork 0
/
MaquinaDeBusca.c
256 lines (235 loc) · 11.2 KB
/
MaquinaDeBusca.c
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
#include "MaquinaDeBusca.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <ctype.h>
#include <math.h>
/* Função para converter todos os caracteres da string passada como parâmetro para minúsculo */
char* strlower (char *str) {
unsigned char *p = (unsigned char *)str;
while (*p) {
*p = tolower((unsigned char)*p);
p++;
}
return str;
}
/* Função para remover um arquivo da lista de arquivos abertos */
void RetiraArquivo (char *nome_arq) {
TCelula *iterator, *temp;
for(iterator = ListaArquivos.primeiro;iterator != ListaArquivos.ultimo;iterator = iterator->prox){
if(!strcmp(iterator->prox->item.arq.nome_arquivo,nome_arq)){
if(iterator->prox == ListaArquivos.ultimo){
iterator->prox = NULL;
fclose(ListaArquivos.ultimo->item.arq.entrada);
free (ListaArquivos.ultimo);
ListaArquivos.ultimo = iterator;
return;
}
temp = iterator->prox;
iterator->prox = temp->prox;
fclose(temp->item.arq.entrada);
free (temp);
}
}
}
/* Função para ler um arquivo e o inserir na lista de arquivos */
void AdicionaArquivo (char *nome_arq) {
TItem *item = (TItem*)malloc(sizeof(TItem));
item->arq.nome_arquivo = nome_arq;
item->arq.entrada = fopen(item->arq.nome_arquivo, "r");
if (item->arq.entrada) {
item->arq.termos_distintos = 0;
item->arq.relevancia = 0.0;
insereLista(&ListaArquivos, item);
}
}
/* Fecha todos os arquivos da lista de arquivos */
void FechaArquivos () {
TCelula *celula;
celula = ListaArquivos.primeiro->prox;
while (celula != NULL) {
fclose(celula->item.arq.entrada); /* Fecha o arquivo atual */
celula = celula->prox; /* Passa para a próxima célula */
}
}
/* Calcula os pesos de todas as palavras da arvore Patricia de acordo com o numero N de documentos da coleção */
void CalculaPesos (TipoPatNo *no, int N) {
TCelula *celula;
int d; /* Número de documentos na coleção que contêm o termo k */
if(no == NULL)
return;
if(!ConfereTipoNo(no)) /* Se for nó interno */
CalculaPesos(no->NO.NInterno.Esq, N); /* Chamada recursivamente para o nó à esquerda */
if (ConfereTipoNo(no)) { /* Se for nó externo */
d = no->NO.NExterno.Lista.tamanho; /* O tamanho da lista representa a quantidade de documentos que possuem a palavra k */
celula = no->NO.NExterno.Lista.primeiro->prox; /* Variável celula passa a apontar para a primeira célula da lista */
while (celula != NULL) {
celula->item.termo.peso = (float)((celula->item.termo.qtde) * (log10(N) / d));
celula = celula->prox; /* Passa para a próxima celula */
}
return;
}
if(!ConfereTipoNo(no)) /* Se for nó interno */
CalculaPesos(no->NO.NInterno.Dir, N); /* Chamada recursivamente para o nó à direita */
}
/* Calcula a quantidade de termos distintos do documento arq */
void CalculaTermosDistintos (TipoPatNo *no, TCelula *arq, int idDoc) {
TCelula *celula;
if (no == NULL)
return;
/* Se o nó atual for um nó interno, chama recursivamente para o nó à esquerda */
if(!ConfereTipoNo(no))
CalculaTermosDistintos(no->NO.NInterno.Esq, arq, idDoc);
/* Se o nó atual for um nó externo, confere se a palavra dele se encontra no idDoc do documento arq */
if (ConfereTipoNo(no)) {
celula = no->NO.NExterno.Lista.primeiro->prox;
while (celula != NULL) {
if (celula->item.termo.idDoc == idDoc) {
arq->item.arq.termos_distintos++; /* Encontrou, logo incrementa a quantidade de termos distintos do documento arq */
break; /* Sai do while */
}
celula = celula->prox; /* Passa para a próxima célula se já não tiver achado */
}
return;
}
/* Se o nó atual for um nó interno, chama recursivamente para o nó à direita */
if(!ConfereTipoNo(no))
CalculaTermosDistintos(no->NO.NInterno.Dir, arq, idDoc);
}
/* Função para retornar o peso do termo k no idDoc passado como parâmetro */
float RetornaPesoTermo (char *k, TipoPatNo *t, int idDoc) {
TCelula *celula; /* Célula auxiliar para percorrer a lista do nó externo encontrado */
if (ConfereTipoNo(t)) /* Se o nó for externo */
{
celula = t->NO.NExterno.Lista.primeiro->prox; /* Passa a apontar para a primeira célula da lista */
if (strcmp(k, t->NO.NExterno.Palavra) == 0){ /* Se a palavra k procurada for igual à palavra do nó externo */
while(celula != NULL){
if(celula->item.termo.idDoc == idDoc) {/* Confere se a palavra se encontra no idDoc passado como parâmetro */
/* Achou a palavra k no idDoc passado como parâmetro*/
return celula->item.termo.peso;
}
else
celula = celula->prox; /* Procura na próxima célula da lista */
}
if(celula == NULL) { /* Chegou na última célula e não encontrou a palavra com o idDoc passado como parâmetro */
return 0.0;
}
}
else { /* Não encontrou a palavra na árvore */
return 0.0;
}
}
/* Se k[t->NO.NInterno.Index] for <= ao caractere do nó interno atual, chama recursivamente para o nó à esquerda */
if (ComparaChar(k[t->NO.NInterno.Index], t->NO.NInterno.Caractere))
return RetornaPesoTermo(k, t->NO.NInterno.Esq, idDoc);
/* Caso contrário, chama recursivamente para o nó à direita */
else
return RetornaPesoTermo(k, t->NO.NInterno.Dir, idDoc);
}
/* Calcula a relevância de todos os documentos da lista de arquivos de acordo com todos os termos de busca */
void CalculaRelevancia (TipoPatNo *no, char **palavras, int n_termos) {
float somatorio = 0.0;
int i;
TCelula *celula;
celula = ListaArquivos.primeiro->prox; /* Começa do primeiro documento da lista de arquivos */
while (celula != NULL) {
for (i=0; i<n_termos; i++) { /* Soma os pesos de todos os termos de busca no documento atual */
somatorio += RetornaPesoTermo(palavras[i], no, celula->item.arq.idDoc);
}
/* Calcula a relevância */
celula->item.arq.relevancia = somatorio / (float)celula->item.arq.termos_distintos;
somatorio = 0.0; /* Somatório é zerado para começar a contar para o próximo documento da lista de arquivos */
celula = celula->prox; /* Passa para o próximo documento */
}
OrdenaListaArquivos(&ListaArquivos);
}
/* Recebe a string de todos os termos de busca, e armazena cada termo em uma posição do vetor de strings */
void BuscaTermos (TipoPatNo *no, char *string) {
int q_termos = 0; /* Conta a quantidade de termos de busca */
char aux[50]; /* String auxiliar para guardar temporariamente cada palavra de busca separadamente */
char *palavras[30]; /* Vetor de Strings - Consideramos o máximo de 30 palavras de busca */
char c; /* Caractere auxiliar para ler caractere por caractere da string que contém todas as palavras de busca */
int i = 0; /* Indica a posição onde c deve ser armazenado na string aux */
int j = 0; /* Indica a posição onde a string aux deve ser armazenada no vetor palavras */
int cont = 0; /* Indica a posição atual da string que contém todas as palavras de busca */
strlower(string); /* Passa a string inteira para minúscula */
/* Enquanto não chegar no final da string */
while (string[cont] != '\0') {
c = string[cont];
if (c != ' ') { /* Enquanto o caractere não for um espaço, atribui-se ele à posição i da string aux */
aux[i] = c;
i++;
}
/* Indica o final de uma palavra */
if (c == ' ') {
aux[i] = '\0';
i = 0; /* Para armazenar a primeira letra da proxima palavra na posição 0 da string aux */
palavras[j] = strdup(aux); /* Insere aux na posição j do vetor de palavras */
j++; /* Incrementa o j */
q_termos++; /* Incrementa a quantidade de palavras */
}
cont++; /* Passa para a próxima posição da string */
}
/* Tratando a última palavra de busca */
aux[i] = '\0';
q_termos++; /* Incrementa a quantidade de termos de busca */
palavras[j] = strdup(aux); /* Atribui a string auxiliar à j-ésima string do vetor de strings */
/* Calcula a relevância de todos os termos de busca para todos os documentos da lista de arquivos */
CalculaRelevancia(no, palavras, q_termos); /* Calcula a relevância de todos os termos de busca para todos os documentos
da lista de arquivos abertos */
}
void MontaIndiceInvertido () {
cancela = FALSE;
TipoPatNo *raizPatTemp;
TipoTSTNo *raizTSTTemp;
TCelula *celula; /* Célula auxiliar para percorrer toda a Lista de Arquivos */
char string[50]; /* String para armazenar cada palavra de um arquivo de entrada */
int idDoc = 1; /* O idDoc sempre começa como 1 */
int i; /* Variável auxiliar para atribuir o caractere c à posição i da string */
char c; /* Caractere auxiliar para ler caractere por caractere de cada arquivo */
inicializaPatricia(&raizPatTemp); // Inicializando a Patricia
inicializaTST(&raizTSTTemp); // Inicializando a TST
celula = ListaArquivos.primeiro->prox; /* Aponta para a primeira célula da Lista de Arquivos */
/* While para percorrer a lista de arquivos e voltar o cursor de todos eles para o início do arquivo */
while (celula != NULL) {
rewind(celula->item.arq.entrada);
celula = celula->prox;
}
celula = ListaArquivos.primeiro->prox;
while (celula != NULL && !cancela) {
/* Enquanto não chegar no final do arquivo */
while (!feof(celula->item.arq.entrada)) {
i = 0; /* Posição para ser atribuído o caractere c na string */
c = fgetc(celula->item.arq.entrada);
/* Enquanto c for um caractere válido (não especial) - c pode ser ' ou - */
while (((c >= 65) && (c <= 90)) || ((c >= 97) && (c <= 122)) || c == 39 || c == 45) {
string[i] = c;
c = fgetc(celula->item.arq.entrada);
i++;
}
string[i] = '\0'; /* Adiciona '\0' indicando o fim da string */
strlower(string); /* Transforma todas as letras da string em letras minúsculas */
/* Condição para não inserir uma string vazia nas árvores */
if (strlen(string) > 0) {
raizPatTemp = InserePatricia(string, &raizPatTemp, idDoc); // Insere na Patricia
insereTST(&raizTSTTemp, string); // Insere na TST
}
}
celula->item.arq.idDoc = idDoc;
celula->item.arq.relevancia = 0.0;
CalculaTermosDistintos(raizPatTemp, celula, celula->item.arq.idDoc); /* Calcula termos distintos do documento atual */
idDoc++; /* Incrementa o id do documento da lista */
celula = celula->prox; /* Passa para a próxima célula */
}
if(!cancela) {
CalculaPesos(raizPatTemp, ListaArquivos.tamanho); /* Calcula o peso de todos os termos inseridos na árvore Patricia */
free(raizPat);
free(raizTST);
raizPat = raizPatTemp;
raizTST = raizTSTTemp;
}
else{
free(raizTSTTemp);
free(raizPatTemp);
}
}