LUCENE-7287: normalize Ukrainian morfologik dictionary to have unique token+lemma pairs

lucene/analysis/morfologik/src/resources/org/apache/lucene/analysis/uk/mapping_uk.txt

@@ -0,0 +1,19 @@
+# The ASF licenses this file to You 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.
+
+
+# This map normalizes some characters used in Ukrainian text
+"\u2019" => "'"
+"\u02BC" => "'"
+
+# Remove accent
+"\u0301" => ""

lucene/analysis/morfologik/src/test/org/apache/lucene/analysis/uk/TestUkrainianAnalyzer.java

@@ -37,22 +37,29 @@ public class TestUkrainianAnalyzer extends BaseTokenStreamTestCase {
 
   public void testReusableTokenStream() throws Exception {
     Analyzer a = new UkrainianMorfologikAnalyzer();
-    assertAnalyzesTo(a, "Ця п'єса у свою чергу рухається по колу.",
-                     new String[] { "п'єса", "черга", "рухатися", "кола", "коло", "коло", "кіл", "кіл" });
+    assertAnalyzesTo(a, "Ця п'єса, у свою чергу, рухається по емоційно-напруженому колу за ритм-енд-блюзом.",
+                     new String[] { "п'єса", "черга", "рухатися", "емоційно", "напружений", "кола", "коло", "кіл", "ритм", "енд", "блюз" });
     a.close();
   }
 
   public void testSpecialCharsTokenStream() throws Exception {
     Analyzer a = new UkrainianMorfologikAnalyzer();
-    assertAnalyzesTo(a, "Ця пʼєса, у сво́ю чергу, рухається по колу.",
-                     new String[] { "п'єса", "черга", "рухатися", "кола", "коло", "коло", "кіл", "кіл" });
+    assertAnalyzesTo(a, "Ця пʼєса, у сво́ю чергу рухається.",
+                     new String[] { "п'єса", "черга", "рухатися" });
     a.close();
   }
 
   public void testCapsTokenStream() throws Exception {
     Analyzer a = new UkrainianMorfologikAnalyzer();
-    assertAnalyzesTo(a, "Цей Чайковський.",
-                     new String[] { "чайковський" });
+    assertAnalyzesTo(a, "Цей Чайковський і Ґете.",
+                     new String[] { "чайковський", "ґете" });
+    a.close();
+  }
+
+  public void testSampleSentence() throws Exception {
+    Analyzer a = new UkrainianMorfologikAnalyzer();
+    assertAnalyzesTo(a, "Це — проект генерування словника з тегами частин мови для української мови.",
+                     new String[] { "проект", "генерування", "словник", "тег", "частина", "мова", "українська", "український", "мова" });
     a.close();
   }