Implement basic Korean support

redpen-cli/sample/sample-doc/ko/sampledoc-ko.asciidoc

@@ -0,0 +1,16 @@
+= Instances Overview
+Author's Name <[email protected]>
+v1.2, 2015-08
+
+This is the optional preamble (an untitled section body). Useful for writing simple sectionless documents consisting only of a preamble.
+
+NOTE: The abstract, preface, appendix, bibliography, glossary and index section titles are significant ('specialsections').
+
+:numbered!:
+[abstract]
+[suppress='Contraction WeakExpression']
+
+= 눈송이 서버
+
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.

redpen-cli/sample/sample-doc/ko/sampledoc-ko.md

@@ -0,0 +1,5 @@
+<!-- @suppress Contraction WeakExpression -->
+# 눈송이 서버
+
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.

redpen-cli/sample/sample-doc/ko/sampledoc-ko.re

@@ -0,0 +1,5 @@
+#@# @suppress Contraction WeakExpression
+= 눈송이 서버
+
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.

redpen-cli/sample/sample-doc/ko/sampledoc-ko.rst

@@ -0,0 +1,6 @@
+########
+눈송이 서버
+########
+
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.

redpen-cli/sample/sample-doc/ko/sampledoc-ko.tex

@@ -0,0 +1,25 @@
+\documentclass[a4paper, 10pt]{article}
+
+\usepackage{url}
+\usepackage{color}
+\usepackage{listings}
+
+\title{눈송이 서버}
+\author{Alan Kim}
+
+\begin{document}
+\maketitle
+\begin{abstract}
+운영하면서 만들어지는 눈송이 서버들
+\end{abstract}
+
+% @suppress Contraction WeakExpression
+\section{Summary}
+
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.
+
+%% \bibliographystyle{plain}
+%% \bibliography{reference}
+
+\end{document}

redpen-cli/sample/sample-doc/ko/sampledoc-ko.txt

@@ -0,0 +1,2 @@
+서버 운영을 오래 해 본 사람이라도,처음 들어가는 서버에서는 마음 먹은 대로 문제를 해결하기가 어렵습니다. 이는 서버를 다루는 기술과는 별개로, 각 서버마다 운영 기록이 다르기 때문입니다. 똑같은 일을 하는 두 서버가 있다 해도, A 서버는 한 달 전에 구성했고 B 서버는 이제 막 구성했다면, 운영체제부터 컴파일러, 설치된 패키지까지 완벽하게 같기는 쉽지 않습니다. 그리고 이러한 차이점들이 장애를 일으키고 말죠. 'A 서버는 잘 되는데 B 서버는 왜 죽었지?"와 같은 일 (혹은 그 반대)이 벌어지는 겁니다.
+이렇게 서로 모양이 다른 서버들이 존재하는 상황을 눈송이 서버(Snowflakes Server)라고도 합니다. 모든 눈송이의 모양이 다르듯, 서버들도 서로 다른 모습이라는 말이죠.

redpen-core/pom.xml

@@ -166,6 +166,13 @@
         </plugins>
     </build>
 
+    <repositories>
+        <repository>
+            <id>jitpack.io</id>
+            <url>https://jitpack.io</url>
+        </repository>
+    </repositories>
+
     <dependencies>
         <dependency>
             <groupId>org.codelibs</groupId>
@@ -203,6 +210,11 @@
             <artifactId>reflections</artifactId>
             <version>0.9.10</version>
         </dependency>
+        <dependency>
+            <groupId>com.github.shin285</groupId>
+            <artifactId>KOMORAN</artifactId>
+            <version>3.3.4</version>
+        </dependency>
     </dependencies>
 
     <profiles>

redpen-core/src/main/java/cc/redpen/config/Configuration.java

@@ -19,6 +19,7 @@
 
 import cc.redpen.RedPenException;
 import cc.redpen.tokenizer.NeologdJapaneseTokenizer;
+import cc.redpen.tokenizer.KoreanTokenizer;
 import cc.redpen.tokenizer.RedPenTokenizer;
 import cc.redpen.tokenizer.WhiteSpaceTokenizer;
 import cc.redpen.validator.ValidatorFactory;
@@ -52,7 +53,7 @@ public class Configuration implements Serializable, Cloneable {
      * @return default supported languages and variants that can be used with {@link #builder(String)}
      */
     public static List<String> getDefaultConfigKeys() {
-        return asList("en", "ja", "ja.hankaku", "ja.zenkaku2", "ru");
+        return asList("en", "ja", "ja.hankaku", "ja.zenkaku2", "ru", "ko");
     }
 
     Configuration(File base, SymbolTable symbolTable, List<ValidatorConfiguration> validatorConfigs, String lang, boolean secure) {
@@ -66,7 +67,13 @@ public static List<String> getDefaultConfigKeys() {
     }
 
     private void initTokenizer() {
-        this.tokenizer = lang.equals("ja") ? new NeologdJapaneseTokenizer() : new WhiteSpaceTokenizer();
+        if (lang.equals("ja")) {
+            this.tokenizer = new NeologdJapaneseTokenizer();
+        } else if(lang.equals("ko")) {
+            this.tokenizer = new KoreanTokenizer();
+        } else {
+            this.tokenizer = new WhiteSpaceTokenizer();
+        }
     }
 
     /**

redpen-core/src/main/java/cc/redpen/tokenizer/KoreanTokenizer.java

@@ -0,0 +1,51 @@
+/**
+ * redpen: a text inspection tool
+ * Copyright (c) 2014-2015 Recruit Technologies Co., Ltd. and contributors
+ * (see CONTRIBUTORS.md)
+ *
+ * Licensed under the Apache License, Version 2.0 (the "License");
+ * you may not use this file except in compliance with the License.
+ * You may obtain a copy of the License at
+ *
+ * http://www.apache.org/licenses/LICENSE-2.0
+ *
+ * Unless required by applicable law or agreed to in writing, software
+ * distributed under the License is distributed on an "AS IS" BASIS,
+ * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+ * See the License for the specific language governing permissions and
+ * limitations under the License.
+ */
+package cc.redpen.tokenizer;
+
+import kr.co.shineware.nlp.komoran.core.Komoran;
+import kr.co.shineware.nlp.komoran.model.KomoranResult;
+import kr.co.shineware.nlp.komoran.model.Token;
+import kr.co.shineware.nlp.komoran.constant.DEFAULT_MODEL;
+
+import java.util.ArrayList;
+import java.util.List;
+
+public class KoreanTokenizer implements RedPenTokenizer {
+    private Komoran tokenizer;
+
+    public KoreanTokenizer() {
+        this.tokenizer = new Komoran(DEFAULT_MODEL.FULL);
+     }
+
+    @Override
+    public List<TokenElement> tokenize(String content) {
+        List<TokenElement> tokens = new ArrayList<>();
+        if (content == "") { return tokens; }
+
+        KomoranResult resultList = tokenizer.analyze(content);
+        List<Token> tokenList = resultList.getTokenList();
+
+        for (Token token : tokenList) {
+            List<String> pos = new ArrayList<String>();
+            pos.add(token.getPos());
+            tokens.add(new TokenElement(token.getMorph(), pos, token.getBeginIndex()));
+        }
+
+        return tokens;
+    }
+}

redpen-core/src/main/java/cc/redpen/util/LanguageDetector.java

@@ -6,18 +6,23 @@
 
 public class LanguageDetector {
   public String detectLanguage(String text) {
-    if (!has(text, StringUtils::isProbablyJapanese)) {
-      return has(text, StringUtils::isCyrillic) ? "ru" : "en";
-    }
+    if (has(text, StringUtils::isProbablyJapanese)) {
+      boolean zenkaku = text.indexOf('。') >= 0 || text.indexOf('、') >= 0 || text.indexOf('！') >= 0 || text.indexOf('？') >= 0;
+      boolean zenkaku2 = text.indexOf('．') >= 0 || text.indexOf('，') >= 0;
+      boolean hankaku = text.indexOf('.') >= 0 || text.indexOf(',') >= 0 || text.indexOf('!') >= 0 || text.indexOf('?') >= 0;
 
-    boolean zenkaku = text.indexOf('。') >= 0 || text.indexOf('、') >= 0 || text.indexOf('！') >= 0 || text.indexOf('？') >= 0;
-    boolean zenkaku2 = text.indexOf('．') >= 0 || text.indexOf('，') >= 0;
-    boolean hankaku = text.indexOf('.') >= 0 || text.indexOf(',') >= 0 || text.indexOf('!') >= 0 || text.indexOf('?') >= 0;
+      return zenkaku ? "ja" :
+        zenkaku2 ? "ja.zenkaku2" :
+        hankaku ? "ja.hankaku":
+        "ja";
+    }
+    else if (has(text, StringUtils::isCyrillic)) {
+      return "ru";
+    } else if (has(text, StringUtils::isKorean)) {
+      return "ko";
+    }
 
-    return zenkaku ? "ja" :
-           zenkaku2 ? "ja.zenkaku2" :
-           hankaku ? "ja.hankaku":
-           "ja";
+    return "en";
   }
 
   private boolean has(String text, Predicate<Character> func) {

redpen-core/src/main/java/cc/redpen/util/StringUtils.java

@@ -44,4 +44,9 @@ public static boolean isBasicLatin(char c) {
     public static boolean isCyrillic(char c) {
         return Character.UnicodeBlock.of(c) == Character.UnicodeBlock.CYRILLIC;
     }
+
+    public static boolean isKorean(char c) {
+        Character.UnicodeBlock block = Character.UnicodeBlock.of(c);
+        return block == HANGUL_SYLLABLES || block == HANGUL_JAMO;
+    }
 }

redpen-core/src/test/java/cc/redpen/tokenizer/KoreanTokenizerTest.java

@@ -0,0 +1,56 @@
+/**
+ * redpen: a text inspection tool
+ * Copyright (c) 2014-2015 Recruit Technologies Co., Ltd. and contributors
+ * (see CONTRIBUTORS.md)
+ *
+ * Licensed under the Apache License, Version 2.0 (the "License");
+ * you may not use this file except in compliance with the License.
+ * You may obtain a copy of the License at
+ *
+ * http://www.apache.org/licenses/LICENSE-2.0
+ *
+ * Unless required by applicable law or agreed to in writing, software
+ * distributed under the License is distributed on an "AS IS" BASIS,
+ * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+ * See the License for the specific language governing permissions and
+ * limitations under the License.
+ */
+package cc.redpen.tokenizer;
+
+import org.junit.jupiter.api.Test;
+
+import java.util.List;
+
+import static org.junit.jupiter.api.Assertions.assertEquals;
+
+public class KoreanTokenizerTest {
+    @Test
+    public void testTokenize() {
+        KoreanTokenizer tokenizer = new KoreanTokenizer();
+        List<TokenElement> tokens = tokenizer.tokenize("도움이 될 것이다.");
+        assertEquals(8, tokens.size());
+        assertEquals("도움", tokens.get(0).getSurface());
+        assertEquals("NNG", tokens.get(0).getTags().get(0));
+        assertEquals("이", tokens.get(1).getSurface());
+        assertEquals("JKS", tokens.get(1).getTags().get(0));
+        assertEquals("되", tokens.get(2).getSurface());
+        assertEquals("VV", tokens.get(2).getTags().get(0));
+        assertEquals("ㄹ", tokens.get(3).getSurface());
+        assertEquals("ETM", tokens.get(3).getTags().get(0));
+        assertEquals("것", tokens.get(4).getSurface());
+        assertEquals("NNB", tokens.get(4).getTags().get(0));
+        assertEquals("이", tokens.get(5).getSurface());
+        assertEquals("VCP", tokens.get(5).getTags().get(0));
+        assertEquals("다", tokens.get(6).getSurface());
+        assertEquals("EF", tokens.get(6).getTags().get(0));
+        assertEquals(".", tokens.get(7).getSurface());
+        assertEquals("SF", tokens.get(7).getTags().get(0));
+    }
+
+    @Test
+    public void testTokenizeVoid() {
+        KoreanTokenizer tokenizer = new KoreanTokenizer();
+        List<TokenElement> tokens = tokenizer.tokenize("");
+        assertEquals(0, tokens.size());
+    }
+}

redpen-core/src/test/java/cc/redpen/util/LanguageDetectorTest.java

@@ -17,6 +17,11 @@ void russianUsesCyrillicLetters() throws Exception {
     assertEquals("ru", detector.detectLanguage("Привет, Mary!"));
   }
 
+  @Test
+  void KoreanUsesHangul() throws Exception {
+    assertEquals("ko", detector.detectLanguage("안녕하세요!"));
+  }
+
   @Test
   void japaneseIsDetectedForKatakana() throws Exception {
     assertEquals("ja", detector.detectLanguage("コンピューター"));

redpen-server/src/main/java/cc/redpen/server/api/RedPenResource.java

@@ -25,6 +25,7 @@
 import cc.redpen.model.Document;
 import cc.redpen.parser.DocumentParser;
 import cc.redpen.tokenizer.NeologdJapaneseTokenizer;
+import cc.redpen.tokenizer.KoreanTokenizer;
 import cc.redpen.tokenizer.RedPenTokenizer;
 import cc.redpen.tokenizer.WhiteSpaceTokenizer;
 import cc.redpen.util.FormatterUtils;
@@ -188,6 +189,9 @@ public JSONObject tokenize(@FormParam("document") @DefaultValue("") String docum
             case "ja":
                 tokenizer = new NeologdJapaneseTokenizer();
                 break;
+            case "ko":
+                tokenizer = new KoreanTokenizer();
+                break;
             default:
                 tokenizer = new WhiteSpaceTokenizer();
                 break;

redpen-server/src/main/webapp/index.html

@@ -338,6 +338,7 @@ <h1><span class="redpen-red">Red</span>Pen Tokenizer Testbed</h1>
             <div class="col-md-2">
                 <input type="radio" name="redpen-token-lang" value="ja" checked>&nbsp;JA<br/>
                 <input type="radio" name="redpen-token-lang" value="en">&nbsp;EN/RU<br/>
+                <input type="radio" name="redpen-token-lang" value="ko">&nbsp;KO<br/>
             </div>
         </div>