lucene-java-3.5.0/lucene/contrib/analyzers/common/src/test/org/apache/lucene/analysis/pt/TestPortugueseStemFilter.java

   1 package org.apache.lucene.analysis.pt;
   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 static org.apache.lucene.analysis.VocabularyAssert.assertVocabulary;
  21
  22 import java.io.IOException;
  23 import java.io.Reader;
  24
  25 import org.apache.lucene.analysis.Analyzer;
  26 import org.apache.lucene.analysis.BaseTokenStreamTestCase;
  27 import org.apache.lucene.analysis.TokenStream;
  28 import org.apache.lucene.analysis.Tokenizer;
  29 import org.apache.lucene.analysis.LowerCaseFilter;
  30 import org.apache.lucene.analysis.standard.StandardTokenizer;
  31 import org.apache.lucene.analysis.ReusableAnalyzerBase;
  32
  33 /**
  34  * Simple tests for {@link PortugueseStemFilter}
  35  */
  36 public class TestPortugueseStemFilter extends BaseTokenStreamTestCase {
  37   private Analyzer analyzer = new ReusableAnalyzerBase() {
  38     @Override
  39     protected TokenStreamComponents createComponents(String fieldName,
  40         Reader reader) {
  41       Tokenizer source = new StandardTokenizer(TEST_VERSION_CURRENT, reader);
  42       TokenStream result = new LowerCaseFilter(TEST_VERSION_CURRENT, source);
  43       return new TokenStreamComponents(source, new PortugueseStemFilter(result));
  44     }
  45   };
  46
  47   /**
  48    * Test the example from the paper "Assessing the impact of stemming accuracy
  49    * on information retrieval"
  50    */
  51   public void testExamples() throws IOException {
  52     assertAnalyzesTo(
  53         analyzer,
  54     "O debate político, pelo menos o que vem a público, parece, de modo nada "
  55     + "surpreendente, restrito a temas menores. Mas há, evidentemente, "
  56     + "grandes questões em jogo nas eleições que se aproximam.",
  57     new String[] {
  58       "o", "debat", "politic", "pel", "menos", "o", "que", "vem", "a",
  59       "public", "parec", "de", "mod", "nad", "surpreend", "restrit",
  60       "a", "tem", "men", "mas", "ha", "evid", "grand", "quest",
  61       "em", "jog", "na", "eleic", "que", "se", "aproxim"
  62     });
  63   }
  64
  65   /** Test against a vocabulary from the reference impl */
  66   public void testVocabulary() throws IOException {
  67     assertVocabulary(analyzer, getDataFile("ptrslptestdata.zip"), "ptrslp.txt");
  68   }
  69
  70   /** blast some random strings through the analyzer */
  71   public void testRandomStrings() throws Exception {
  72     checkRandomData(random, analyzer, 10000*RANDOM_MULTIPLIER);
  73   }
  74 }