← Back to branch summary

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

« back to all changes in this revision

Viewing changes to solr/core/src/test/org/apache/solr/analysis/TestUAX29URLEmailTokenizerFactory.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:
solr/core/src/test/org/apache/solr/analysis/TestUAX29URLEmailTokenizerFactory.java
1
 
package org.apache.solr.analysis;
2
 
 
3
 
/**
4
 
 * Licensed to the Apache Software Foundation (ASF) under one or more
5
 
 * contributor license agreements.  See the NOTICE file distributed with
6
 
 * this work for additional information regarding copyright ownership.
7
 
 * The ASF licenses this file to You under the Apache License, Version 2.0
8
 
 * (the "License"); you may not use this file except in compliance with
9
 
 * the License.  You may obtain a copy of the License at
10
 
 *
11
 
 *     http://www.apache.org/licenses/LICENSE-2.0
12
 
 *
13
 
 * Unless required by applicable law or agreed to in writing, software
14
 
 * distributed under the License is distributed on an "AS IS" BASIS,
15
 
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
16
 
 * See the License for the specific language governing permissions and
17
 
 * limitations under the License.
18
 
 */
19
 
 
20
 
import java.io.Reader;
21
 
import java.io.StringReader;
22
 
import java.util.Collections;
23
 
import java.util.HashMap;
24
 
import java.util.Map;
25
 
 
26
 
import org.apache.lucene.analysis.Tokenizer;
27
 
 
28
 
/**
29
 
 * A few tests based on org.apache.lucene.analysis.TestUAX29URLEmailTokenizer
30
 
 */
31
 
 
32
 
public class TestUAX29URLEmailTokenizerFactory extends BaseTokenTestCase {
33
 
 
34
 
  public void testUAX29URLEmailTokenizer() throws Exception {
35
 
    Reader reader = new StringReader("Wha\u0301t's this thing do?");
36
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
37
 
    factory.init(DEFAULT_VERSION_PARAM);
38
 
    Tokenizer stream = factory.create(reader);
39
 
    assertTokenStreamContents(stream, 
40
 
        new String[] {"Wha\u0301t's", "this", "thing", "do" });
41
 
  }
42
 
  
43
 
  public void testArabic() throws Exception {
44
 
    Reader reader = new StringReader("الفيلم الوثائقي الأول عن ويكيبيديا يسمى \"الحقيقة بالأرقام: قصة ويكيبيديا\" (بالإنجليزية: Truth in Numbers: The Wikipedia Story)، سيتم إطلاقه في 2008.");
45
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
46
 
    factory.init(DEFAULT_VERSION_PARAM);
47
 
    Tokenizer stream = factory.create(reader);
48
 
    assertTokenStreamContents(stream, 
49
 
        new String[] {"الفيلم", "الوثائقي", "الأول", "عن", "ويكيبيديا", "يسمى", "الحقيقة", "بالأرقام", "قصة", "ويكيبيديا",
50
 
        "بالإنجليزية", "Truth", "in", "Numbers", "The", "Wikipedia", "Story", "سيتم", "إطلاقه", "في", "2008"  });
51
 
  }
52
 
  
53
 
  public void testChinese() throws Exception {
54
 
    Reader reader = new StringReader("我是中国人。 １２３４ Ｔｅｓｔｓ ");
55
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
56
 
    factory.init(DEFAULT_VERSION_PARAM);
57
 
    Tokenizer stream = factory.create(reader);
58
 
    assertTokenStreamContents(stream, 
59
 
        new String[] {"我", "是", "中", "国", "人", "１２３４", "Ｔｅｓｔｓ"});
60
 
  }
61
 
 
62
 
  public void testKorean() throws Exception {
63
 
    Reader reader = new StringReader("안녕하세요 한글입니다");
64
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
65
 
    factory.init(DEFAULT_VERSION_PARAM);
66
 
    Tokenizer stream = factory.create(reader);
67
 
    assertTokenStreamContents(stream, 
68
 
        new String[] {"안녕하세요", "한글입니다"});
69
 
  }
70
 
    
71
 
  public void testHyphen() throws Exception {
72
 
    Reader reader = new StringReader("some-dashed-phrase");
73
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
74
 
    factory.init(DEFAULT_VERSION_PARAM);
75
 
    Tokenizer stream = factory.create(reader);
76
 
    assertTokenStreamContents(stream, 
77
 
        new String[] {"some", "dashed", "phrase"});
78
 
  }
79
 
 
80
 
  // Test with some URLs from TestUAX29URLEmailTokenizer's 
81
 
  // urls.from.random.text.with.urls.txt
82
 
  public void testURLs() throws Exception {
83
 
    String textWithURLs 
84
 
      = "http://johno.jsmf.net/knowhow/ngrams/index.php?table=en-dickens-word-2gram&paragraphs=50&length=200&no-ads=on\n"
85
 
        + " some extra\nWords thrown in here. "
86
 
        + "http://c5-3486.bisynxu.FR/aI.YnNms/"
87
 
        + " samba Halta gamba "
88
 
        + "ftp://119.220.152.185/JgJgdZ/31aW5c/viWlfQSTs5/1c8U5T/ih5rXx/YfUJ/xBW1uHrQo6.R\n"
89
 
        + "M19nq.0URV4A.Me.CC/mj0kgt6hue/dRXv8YVLOw9v/CIOqb\n"
90
 
        + "Https://yu7v33rbt.vC6U3.XN--JXALPDLP/y%4fMSzkGFlm/wbDF4m"
91
 
        + " inter Locutio "
92
 
        + "[c2d4::]/%471j5l/j3KFN%AAAn/Fip-NisKH/\n"
93
 
        + "file:///aXvSZS34is/eIgM8s~U5dU4Ifd%c7"
94
 
        + " blah Sirrah woof "
95
 
        + "http://[a42:a7b6::]/qSmxSUU4z/%52qVl4\n";
96
 
    Reader reader = new StringReader(textWithURLs);
97
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
98
 
    factory.init(DEFAULT_VERSION_PARAM);
99
 
    Tokenizer stream = factory.create(reader);
100
 
    assertTokenStreamContents(stream, 
101
 
        new String[] { 
102
 
          "http://johno.jsmf.net/knowhow/ngrams/index.php?table=en-dickens-word-2gram&paragraphs=50&length=200&no-ads=on",
103
 
          "some", "extra", "Words", "thrown", "in", "here",
104
 
          "http://c5-3486.bisynxu.FR/aI.YnNms/",
105
 
          "samba", "Halta", "gamba",
106
 
          "ftp://119.220.152.185/JgJgdZ/31aW5c/viWlfQSTs5/1c8U5T/ih5rXx/YfUJ/xBW1uHrQo6.R",
107
 
          "M19nq.0URV4A.Me.CC/mj0kgt6hue/dRXv8YVLOw9v/CIOqb",
108
 
          "Https://yu7v33rbt.vC6U3.XN--JXALPDLP/y%4fMSzkGFlm/wbDF4m",
109
 
          "inter", "Locutio",
110
 
          "[c2d4::]/%471j5l/j3KFN%AAAn/Fip-NisKH/",
111
 
          "file:///aXvSZS34is/eIgM8s~U5dU4Ifd%c7",
112
 
          "blah", "Sirrah", "woof",
113
 
          "http://[a42:a7b6::]/qSmxSUU4z/%52qVl4"
114
 
        }
115
 
    );
116
 
  }
117
 
 
118
 
  // Test with some emails from TestUAX29URLEmailTokenizer's 
119
 
  // email.addresses.from.random.text.with.email.addresses.txt
120
 
  public void testEmails() throws Exception {
121
 
    String textWithEmails 
122
 
      =  " some extra\nWords thrown in here. "
123
 
         + "dJ8ngFi@avz13m.CC\n"
124
 
         + "kU-l6DS@[082.015.228.189]\n"
125
 
         + "\"%U\u0012@?\\B\"@Fl2d.md"
126
 
         + " samba Halta gamba "
127
 
         + "Bvd#@tupjv.sn\n"
128
 
         + "SBMm0Nm.oyk70.rMNdd8k.#ru3LI.gMMLBI.0dZRD4d.RVK2nY@au58t.B13albgy4u.mt\n"
129
 
         + "~+Kdz@3mousnl.SE\n"
130
 
         + " inter Locutio "
131
 
         + "C'ts`@Vh4zk.uoafcft-dr753x4odt04q.UY\n"
132
 
         + "}0tzWYDBuy@cSRQAABB9B.7c8xawf75-cyo.PM"
133
 
         + " blah Sirrah woof "
134
 
         + "lMahAA.j/5.RqUjS745.DtkcYdi@d2-4gb-l6.ae\n"
135
 
         + "lv'p@tqk.vj5s0tgl.0dlu7su3iyiaz.dqso.494.3hb76.XN--MGBAAM7A8H\n";
136
 
    Reader reader = new StringReader(textWithEmails);
137
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
138
 
    factory.init(DEFAULT_VERSION_PARAM);
139
 
    Tokenizer stream = factory.create(reader);
140
 
    assertTokenStreamContents(stream, 
141
 
        new String[] { 
142
 
          "some", "extra", "Words", "thrown", "in", "here",
143
 
          "dJ8ngFi@avz13m.CC",
144
 
          "kU-l6DS@[082.015.228.189]",
145
 
          "\"%U\u0012@?\\B\"@Fl2d.md",
146
 
          "samba", "Halta", "gamba",
147
 
          "Bvd#@tupjv.sn",
148
 
          "SBMm0Nm.oyk70.rMNdd8k.#ru3LI.gMMLBI.0dZRD4d.RVK2nY@au58t.B13albgy4u.mt",
149
 
          "~+Kdz@3mousnl.SE",
150
 
          "inter", "Locutio",
151
 
          "C'ts`@Vh4zk.uoafcft-dr753x4odt04q.UY",
152
 
          "}0tzWYDBuy@cSRQAABB9B.7c8xawf75-cyo.PM",
153
 
          "blah", "Sirrah", "woof",
154
 
          "lMahAA.j/5.RqUjS745.DtkcYdi@d2-4gb-l6.ae",
155
 
          "lv'p@tqk.vj5s0tgl.0dlu7su3iyiaz.dqso.494.3hb76.XN--MGBAAM7A8H"
156
 
        }
157
 
    );
158
 
  }
159
 
 
160
 
  public void testMaxTokenLength() throws Exception {
161
 
    StringBuilder builder = new StringBuilder();
162
 
    for (int i = 0 ; i < 100 ; ++i) {
163
 
      builder.append("abcdefg"); // 7 * 100 = 700 char "word"
164
 
    }
165
 
    String longWord = builder.toString();
166
 
    String content = "one two three " + longWord + " four five six";
167
 
    Reader reader = new StringReader(content);
168
 
    Map<String,String> args = new HashMap<String,String>();
169
 
    args.put("luceneMatchVersion", DEFAULT_VERSION_PARAM.get("luceneMatchVersion"));
170
 
    args.put("maxTokenLength", "1000");
171
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
172
 
    factory.init(args);
173
 
    Tokenizer stream = factory.create(reader);
174
 
    assertTokenStreamContents(stream, 
175
 
        new String[] {"one", "two", "three", longWord, "four", "five", "six" });
176
 
  }
177
 
  
178
 
  /** @deprecated nuke this test in lucene 5.0 */
179
 
  @Deprecated
180
 
  public void testMatchVersion() throws Exception {
181
 
    Reader reader = new StringReader("ざ");
182
 
    UAX29URLEmailTokenizerFactory factory = new UAX29URLEmailTokenizerFactory();
183
 
    factory.init(DEFAULT_VERSION_PARAM);
184
 
    Tokenizer stream = factory.create(reader);
185
 
    assertTokenStreamContents(stream, 
186
 
        new String[] {"ざ"});
187
 
    
188
 
    reader = new StringReader("ざ");
189
 
    factory = new UAX29URLEmailTokenizerFactory();
190
 
    factory.init(Collections.singletonMap("luceneMatchVersion", "3.1"));
191
 
    stream = factory.create(reader);
192
 
    assertTokenStreamContents(stream, 
193
 
        new String[] {"さ"}); // old broken behavior
194
 
  }
195
 
}