prologの二分木化された日本語wikipediaの出力は、TCPサーバーでやろうとしているわけだが、そのためにはprologでサーバーを立ち上げなければならない。クライアントとのマルチバイト文字のやりとりで手間取ったが、それもなんとかクリアしたので、現状をここにアップしておく。
まず、prologのTCPサーバーは、swi-prologのマニュアルにあるものを参考に以下のように作成する。
%%%%
%% 知識データセクション、簡単な例
%%%%
animal(ライオン,肉食動物).
animal(キリン,草食動物).
%%%%
%% TCPサーバーセクション
%% 参照：
%% http://www.swi-prolog.org/pldoc/man?section=stream-pools
%%%%
%% home brewでインストールしたswi-prologでは、次のライブラリが読めない可能性がある
%% その場合は、ソースからコンパイルし直し、最新バージョンを入れる
:- use_module(library(streampool)).
server(Port) :-
%% tcpソケットの作成
tcp_socket(Socket),
%% ソケットをアドレスにつなげる 第二引数は、portのみか、HostPort
tcp_bind(Socket, Port),
%% ソケットからリクエストを受け取る、第二引数は、ペンディングリクエストの上限
tcp_listen(Socket, 5),
%% ソケットとコミュニケーションのためのストリームを作成する
tcp_open_socket(Socket, In, _Out),
%% Inが利用可能になったら、accept(Socket)が呼び出される
add_stream_to_pool(In, accept(Socket)),
%% loopが空になるまでdispatch_stream_poolが呼び出される
%% dispatch_stream_poolは入力があるとadd_stream_to_poolのGoalを呼び出す
stream_pool_main_loop.
accept(Socket) :-
%% ソケットからのクライアントからのリクエストを待つ
tcp_accept(Socket, Slave, Peer),
tcp_open_socket(Slave, In, Out),
add_stream_to_pool(In, client(In, Out, Peer)).
client(In, Out, _Peer) :-
%% 入力ストリームから次の行を読み出す 結果はCommandにユニファイされる
%% 改行までか、ファイルの終わりまで読み込まれる 改行コードは削除される
%% 改行を含むブロックを読み込むときは read_line_to_codes/3 を使う
read_line_to_codes(In, AnimalCodes),
%% 入力ストリームを閉じる
close(In),
%% バイトシーケンスを文字列に変換する
utf8tring(AnimalCodes,Animal),
%% 受け取った文字列の表示
write(Animal),nl,
%% 知識のユニフィケーション
animal(Animal,Category),
%% flush_output(),
%% 文字列をバイトシーケンスに変換する
utf8tring(CategoryCodes,Category),
%% サーバーコンソールへの表示
format('~s ~s ~n', [Animal,Category]),
%% フォーマットされた文字を出力ストリームに書き込む
%% 与える文字列は、バイトシーケンスのリスト化されたものでなければならない
%% ~sはCでいう %s 、 ~n は改行
format(Out, '~s is ~s ~n', [AnimalCodes,CategoryCodes]),
%% 出力ストリームを閉じる
close(Out),
%% プールからストリームを削除する
delete_stream_from_pool(In).
冒頭の知識は、超簡単なものだが、日本語wikipediaの場合は、別ファイルになる。
このサーバーで最も困ったのは、ストリームの送受信は、すべてutf8のバイトシーケンスになっていることだった。ascii文字は、そのままでも良いが、マルチバイト文字に対応していない。前の記事で書いた日本語とバイトシーケンスを相互に変換するprolog手続きを作成しなければならなかった。Qittaには、片方向のものをあげたが、双方向に変換できるprologプログラムは、以下のようになる。
%%
%% utf8のbyte sequenceをprolog内の文字列に変換する
%% 逆に、文字列をutf8のバイトシーケンスに変換する
%%
%% （例）
%% byte sequence
%% ライオン => [227,131,169,227,130,164,227,130,170,227,131,179]
%% lion => [108, 105, 111, 110]
%% アスキーとマルチバイトの混合
%% ラlイiオoンn = [227,131,169,108,227,130,164,105,227,130,170,111,227,131,179,110]
%% codepoint
%% ライオン => [12521, 12452, 12458, 12531]
%% TOPレベルpredicate, 双方向
%% utf8のバイトシーケンスを文字列に変換する
%% asciiが終わってマルチバイトも調べないために、最後にカットを入れている
%% 何れにしても、ここでバックトラックは不要なのでつけておく
%% 途中経過のコードポイントリストも出力する
utf8tring(L,X) :- var(X),getcodepoint(L,Y),
write(Y),nl,atom_codes(X,Y),!.
%% 文字列から、utf8のバイトシーケンスを取得する
utf8tring(S,X) :- var(S),atom_codes(X,L),
getutf8sequence(L,S),write(S),nl,!.
%% 再帰の終了条件
getutf8sequence([],[]).
%% コードポイントリスト(L), utf8バイトシーケンス(S)
%% アスキー文字の場合
getutf8sequence(L,[A|X]) :- [A|T] = L, A < 256,
getutf8sequence(T,X).
%% マルチバイトの場合
getutf8sequence(L,Z) :- [M|T] = L, isoutf8(M,X),
getutf8sequence(T,Y), append(X,Y,Z).
%% マルチバイト文字のコードポイントをutf8の3バイトに変換する
isoutf8(X,[C1,C2,C3]) :- C1 is X >> 12 /\ 15 \/ 224,
C2 is X >> 6 /\ 63 \/ 128,
C3 is X /\ 63 \/ 128.
%% 再帰の終了条件
getcodepoint([],[]).
%% アスキー文字の場合
getcodepoint(L,[H|X]) :- [H|T] = L
,isascii(H),getcodepoint(T,X).
%% utf8マルチバイトの場合
getcodepoint(L,[X1|X2]) :- headthree(L,Y,T),
utf8iso(Y,X1),getcodepoint(T,X2).
%% マルチバイトの場合、頭の3個を取り出して、残りをTに入れる
headthree(L,[X1,X2,X3],T) :- [X1|T1]=L,
[X2|T2]=T1,[X3|T]=T2.
%% 最高bitが0ならば、アスキー文字
isascii(A) :- (A >> 7) =:= 0.
%% 3バイトのutf8コードをコードポイントに変換する
%% 00001111 -> 15
%% 00111111 -> 63
%% nth1 はリスト(L)の指定位置(N)の要素を取り出す(X)
utf8iso(L,X) :- nth1(1, L, Y1), Z1 is 15 /\ Y1,
nth1(2, L, Y2), Z2 is 63 /\ Y2,
nth1(3, L, Y3), Z3 is 63 /\ Y3,
X is Z1 << 12 \/ Z2 << 6 \/ Z3.
こちらのプログラムもサーバープログラムと同時に読み込まれなければならない。その後に、ポートを決めてサーバーを立ち上げる。
テスト用に、クライアントプログラムをjavaで作成した。以下に参考例と示しておく。TCPに対応するクライアントならば、どのようなものでも良い。telnetでもいけると思う。
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;
import java.net.Socket;
/**
*
* @author washida
*/
public class JPClient {
/**
* @param args the command line arguments
*/
public static void main(String[] args) {
try {
String server = "localhost";
int port = 20000;
Socket soc = new Socket(server, port);
OutputStream os = soc.getOutputStream();
PrintWriter pw = new PrintWriter(new BufferedWriter(new OutputStreamWriter(os,"UTF-8")));
//pw.print("ライオン\r\n");
//pw.flush();
pw.print("キリン\r\n");
pw.flush();
InputStream is = soc.getInputStream();
BufferedReader in = new BufferedReader(new InputStreamReader(is));
String line;
while((line = in.readLine()) != null){
System.out.println(line);
}
pw.close();
os.close();
in.close();
is.close();
}catch (IOException e) {
System.out.println("Exception: " + e);
}
}
}
実行例は次のようになる。
%% サーバー（prolog）側の端末 ?- ['server.swi','utf8string.swi']. true. ?- server(20000). [12461,12522,12531] キリン [232,141,137,233,163,159,229,139,149,231,137,169] キリン 草食動物 [12521,12452,12458,12531] ライオン [232,130,137,233,163,159,229,139,149,231,137,169] ライオン 肉食動物 // クライアント（java）側の端末 キリン is 草食動物 ライオン is 肉食動物
サーバー側には、変換過程を示すために、バイトシーケンスとコードポイントのリストが表示されている。サーバーは、port番号20000番で開いている。優先的に利用されていないポート番号ならんば、何番でも良い。また、ネットワークにつながっているクライアントであれば、どこからでもprologが処理する知識を獲得できるわけである。