samples/LuceneInAction/lia/tools/HighlightIt.py

   1 # ====================================================================
   2 #   Licensed under the Apache License, Version 2.0 (the "License");
   3 #   you may not use this file except in compliance with the License.
   4 #   You may obtain a copy of the License at
   5 #
   6 #       http://www.apache.org/licenses/LICENSE-2.0
   7 #
   8 #   Unless required by applicable law or agreed to in writing, software
   9 #   distributed under the License is distributed on an "AS IS" BASIS,
  10 #   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  11 #   See the License for the specific language governing permissions and
  12 #   limitations under the License.
  13 # ====================================================================
  14
  15 from sys import stdout
  16
  17 from lucene import \
  18      StandardAnalyzer, Term, TermQuery, StringReader, Version, \
  19      Fragmenter, Highlighter, QueryScorer, SimpleFragmenter, SimpleHTMLFormatter
  20
  21
  22 class HighlightIt(object):
  23
  24     # from http://www.lipsum.com
  25     text = \
  26       """
  27       Contrary to popular belief, Lorem Ipsum is
  28       not simply random text. It has roots in a piece of
  29       classical Latin literature from 45 BC, making it over
  30       2000 years old. Richard McClintock, a Latin professor
  31       at Hampden-Sydney College in Virginia, looked up one
  32       of the more obscure Latin words, consectetur, from
  33       a Lorem Ipsum passage, and going through the cites
  34       of the word in classical literature, discovered the
  35       undoubtable source. Lorem Ipsum comes from sections
  36       1.10.32 and 1.10.33 of "de Finibus Bonorum et
  37       Malorum" (The Extremes of Good and Evil) by Cicero,
  38       written in 45 BC. This book is a treatise on the
  39       theory of ethics, very popular during the
  40       Renaissance. The first line of Lorem Ipsum, "Lorem
  41       ipsum dolor sit amet..", comes from a line in
  42       section 1.10.32.
  43       """
  44
  45     def main(cls, argv):
  46
  47         query = TermQuery(Term("f", "ipsum"))
  48         scorer = QueryScorer(query)
  49         formatter = SimpleHTMLFormatter("<span class=\"highlight\">", "</span>")
  50         highlighter = Highlighter(formatter, scorer)
  51         fragmenter = SimpleFragmenter(50)
  52         highlighter.setTextFragmenter(fragmenter)
  53
  54         analyzer = StandardAnalyzer(Version.LUCENE_CURRENT)
  55         tokenStream = analyzer.tokenStream("f", StringReader(cls.text))
  56         result = highlighter.getBestFragments(tokenStream, cls.text, 5, "...")
  57
  58         stdout.write("<html>")
  59         stdout.write("<style>\n")
  60         stdout.write(".highlight {\n")
  61         stdout.write(" background: yellow\n")
  62         stdout.write("}\n")
  63         stdout.write("</style>")
  64
  65         stdout.write("<body>")
  66         stdout.write(result)
  67         stdout.write("</body></html>\n")
  68         stdout.flush()
  69
  70     main = classmethod(main)