← Back to branch summary

~slub.team/goobi-indexserver/3.x

« back to all changes in this revision

Viewing changes to lucene/contrib/analyzers/common/src/test/org/apache/lucene/analysis/query/QueryAutoStopWordAnalyzerTest.java

  • Committer: Sebastian Meyer
  • Date: 2012-08-03 09:12:40 UTC
  • Revision ID: sebastian.meyer@slub-dresden.de-20120803091240-x6861b0vabq1xror
https://launchpad.net/bugs/985487
Remove Lucene and Solr source code and add patches instead
Fix Bug #985487: Auto-suggestion for the search interface

Show diffs side-by-side

added added

removed removed

Lines of Context:
lucene/contrib/analyzers/common/src/test/org/apache/lucene/analysis/query/QueryAutoStopWordAnalyzerTest.java
1
 
package org.apache.lucene.analysis.query;
2
 
/**
3
 
 * Licensed to the Apache Software Foundation (ASF) under one or more
4
 
 * contributor license agreements.  See the NOTICE file distributed with
5
 
 * this work for additional information regarding copyright ownership.
6
 
 * The ASF licenses this file to You under the Apache License, Version 2.0
7
 
 * (the "License"); you may not use this file except in compliance with
8
 
 * the License.  You may obtain a copy of the License at
9
 
 *
10
 
 *     http://www.apache.org/licenses/LICENSE-2.0
11
 
 *
12
 
 * Unless required by applicable law or agreed to in writing, software
13
 
 * distributed under the License is distributed on an "AS IS" BASIS,
14
 
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
15
 
 * See the License for the specific language governing permissions and
16
 
 * limitations under the License.
17
 
 */
18
 
 
19
 
import java.io.IOException;
20
 
import java.io.Reader;
21
 
import java.io.StringReader;
22
 
import java.util.Arrays;
23
 
import java.util.Collections;
24
 
 
25
 
import org.apache.lucene.analysis.Analyzer;
26
 
import org.apache.lucene.analysis.BaseTokenStreamTestCase;
27
 
import org.apache.lucene.analysis.MockAnalyzer;
28
 
import org.apache.lucene.analysis.MockTokenizer;
29
 
import org.apache.lucene.analysis.TokenStream;
30
 
import org.apache.lucene.document.Document;
31
 
import org.apache.lucene.document.Field;
32
 
import org.apache.lucene.index.IndexReader;
33
 
import org.apache.lucene.index.IndexWriter;
34
 
import org.apache.lucene.index.IndexWriterConfig;
35
 
import org.apache.lucene.index.Term;
36
 
import org.apache.lucene.queryParser.ParseException;
37
 
import org.apache.lucene.queryParser.QueryParser;
38
 
import org.apache.lucene.search.IndexSearcher;
39
 
import org.apache.lucene.search.Query;
40
 
import org.apache.lucene.store.RAMDirectory;
41
 
 
42
 
public class QueryAutoStopWordAnalyzerTest extends BaseTokenStreamTestCase {
43
 
  String variedFieldValues[] = {"the", "quick", "brown", "fox", "jumped", "over", "the", "lazy", "boring", "dog"};
44
 
  String repetitiveFieldValues[] = {"boring", "boring", "vaguelyboring"};
45
 
  RAMDirectory dir;
46
 
  Analyzer appAnalyzer;
47
 
  IndexReader reader;
48
 
  QueryAutoStopWordAnalyzer protectedAnalyzer;
49
 
 
50
 
  @Override
51
 
  public void setUp() throws Exception {
52
 
    super.setUp();
53
 
    dir = new RAMDirectory();
54
 
    appAnalyzer = new MockAnalyzer(random, MockTokenizer.WHITESPACE, false);
55
 
    IndexWriter writer = new IndexWriter(dir, new IndexWriterConfig(TEST_VERSION_CURRENT, appAnalyzer));
56
 
    int numDocs = 200;
57
 
    for (int i = 0; i < numDocs; i++) {
58
 
      Document doc = new Document();
59
 
      String variedFieldValue = variedFieldValues[i % variedFieldValues.length];
60
 
      String repetitiveFieldValue = repetitiveFieldValues[i % repetitiveFieldValues.length];
61
 
      doc.add(new Field("variedField", variedFieldValue, Field.Store.YES, Field.Index.ANALYZED));
62
 
      doc.add(new Field("repetitiveField", repetitiveFieldValue, Field.Store.YES, Field.Index.ANALYZED));
63
 
      writer.addDocument(doc);
64
 
    }
65
 
    writer.close();
66
 
    reader = IndexReader.open(dir, true);
67
 
  }
68
 
 
69
 
  @Override
70
 
  public void tearDown() throws Exception {
71
 
    reader.close();
72
 
    super.tearDown();
73
 
  }
74
 
 
75
 
  //Helper method to query
76
 
  private int search(Analyzer a, String queryString) throws IOException, ParseException {
77
 
    QueryParser qp = new QueryParser(TEST_VERSION_CURRENT, "repetitiveField", a);
78
 
    Query q = qp.parse(queryString);
79
 
    IndexSearcher searcher = newSearcher(reader);
80
 
    int hits = searcher.search(q, null, 1000).totalHits;
81
 
    searcher.close();
82
 
    return hits;
83
 
  }
84
 
 
85
 
  public void testNoStopwords() throws Exception {
86
 
    // Note: an empty list of fields passed in
87
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Collections.<String>emptyList(), 1);
88
 
    String query = "variedField:quick repetitiveField:boring";
89
 
    int numHits1 = search(protectedAnalyzer, query);
90
 
    int numHits2 = search(appAnalyzer, query);
91
 
    assertEquals("No filtering test", numHits1, numHits2);
92
 
  }
93
 
 
94
 
  public void testDefaultStopwordsAllFields() throws Exception {
95
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader);
96
 
    int numHits = search(protectedAnalyzer, "repetitiveField:boring");
97
 
    assertEquals("Default filter should remove all docs", 0, numHits);
98
 
  }
99
 
 
100
 
  public void testStopwordsAllFieldsMaxPercentDocs() throws Exception {
101
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, 1f / 2f);
102
 
    int numHits = search(protectedAnalyzer, "repetitiveField:boring");
103
 
    assertEquals("A filter on terms in > one half of docs remove boring docs", 0, numHits);
104
 
 
105
 
    numHits = search(protectedAnalyzer, "repetitiveField:vaguelyboring");
106
 
    assertTrue("A filter on terms in > half of docs should not remove vaguelyBoring docs", numHits > 1);
107
 
 
108
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, 1f / 4f);
109
 
    numHits = search(protectedAnalyzer, "repetitiveField:vaguelyboring");
110
 
    assertEquals("A filter on terms in > quarter of docs should remove vaguelyBoring docs", 0, numHits);
111
 
  }
112
 
 
113
 
  public void testStopwordsPerFieldMaxPercentDocs() throws Exception {
114
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Arrays.asList("variedField"), 1f / 2f);
115
 
    int numHits = search(protectedAnalyzer, "repetitiveField:boring");
116
 
    assertTrue("A filter on one Field should not affect queris on another", numHits > 0);
117
 
 
118
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Arrays.asList("variedField", "repetitiveField"), 1f / 2f);
119
 
    numHits = search(protectedAnalyzer, "repetitiveField:boring");
120
 
    assertEquals("A filter on the right Field should affect queries on it", numHits, 0);
121
 
  }
122
 
 
123
 
  public void testStopwordsPerFieldMaxDocFreq() throws Exception {
124
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Arrays.asList("repetitiveField"), 10);
125
 
    int numStopWords = protectedAnalyzer.getStopWords("repetitiveField").length;
126
 
    assertTrue("Should have identified stop words", numStopWords > 0);
127
 
 
128
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Arrays.asList("repetitiveField", "variedField"), 10);
129
 
    int numNewStopWords = protectedAnalyzer.getStopWords("repetitiveField").length + protectedAnalyzer.getStopWords("variedField").length;
130
 
    assertTrue("Should have identified more stop words", numNewStopWords > numStopWords);
131
 
  }
132
 
 
133
 
  public void testNoFieldNamePollution() throws Exception {
134
 
    protectedAnalyzer = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, appAnalyzer, reader, Arrays.asList("repetitiveField"), 10);
135
 
    int numHits = search(protectedAnalyzer, "repetitiveField:boring");
136
 
    assertEquals("Check filter set up OK", 0, numHits);
137
 
 
138
 
    numHits = search(protectedAnalyzer, "variedField:boring");
139
 
    assertTrue("Filter should not prevent stopwords in one field being used in another ", numHits > 0);
140
 
  }
141
 
  
142
 
  /*
143
 
   * analyzer that does not support reuse
144
 
   * it is LetterTokenizer on odd invocations, WhitespaceTokenizer on even.
145
 
   */
146
 
  private class NonreusableAnalyzer extends Analyzer {
147
 
    int invocationCount = 0;
148
 
    @Override
149
 
    public TokenStream tokenStream(String fieldName, Reader reader) {
150
 
      if (++invocationCount % 2 == 0)
151
 
        return new MockTokenizer(reader, MockTokenizer.WHITESPACE, false);
152
 
      else
153
 
        return new MockTokenizer(reader, MockTokenizer.SIMPLE, false);
154
 
    }
155
 
  }
156
 
  
157
 
  public void testWrappingNonReusableAnalyzer() throws Exception {
158
 
    QueryAutoStopWordAnalyzer a = new QueryAutoStopWordAnalyzer(TEST_VERSION_CURRENT, new NonreusableAnalyzer(), reader, 10);
159
 
    int numHits = search(a, "repetitiveField:boring");
160
 
    assertTrue(numHits == 0);
161
 
    numHits = search(a, "repetitiveField:vaguelyboring");
162
 
    assertTrue(numHits == 0);
163
 
  }
164
 
  
165
 
  public void testTokenStream() throws Exception {
166
 
    QueryAutoStopWordAnalyzer a = new QueryAutoStopWordAnalyzer(
167
 
        TEST_VERSION_CURRENT,
168
 
        new MockAnalyzer(random, MockTokenizer.WHITESPACE, false), reader, 10);
169
 
    TokenStream ts = a.tokenStream("repetitiveField", new StringReader("this boring"));
170
 
    assertTokenStreamContents(ts, new String[] { "this" });
171
 
  }
172
 
}