9337157195c55422ead3e9d1ab41c10568c80210
[wolnelektury.git] / src / search / custom.py
1 # This file is part of Wolnelektury, licensed under GNU Affero GPLv3 or later.
2 # Copyright © Fundacja Nowoczesna Polska. See NOTICE for more information.
3 #
4 import re
5 from urllib.parse import urlencode
6 import warnings
7 from httplib2 import socket
8 from lxml import etree
9 from scorched import connection, exc, search
10
11
12 class CustomSolrConnection(connection.SolrConnection):
13     def __init__(self, *args, **kw):
14         super(CustomSolrConnection, self).__init__(*args, **kw)
15         self.analysis_url = self.url + "analysis/field/"
16
17     def analyze(self, params):
18         qs = urlencode(params)
19         url = "%s?%s" % (self.analysis_url, qs)
20         if len(url) > self.max_length_get_url:
21             warnings.warn("Long query URL encountered - POSTing instead of GETting. "
22                           "This query will not be cached at the HTTP layer")
23             url = self.analysis_url
24             kwargs = dict(
25                 method="POST",
26                 data=qs,
27                 headers={"Content-Type": "application/x-www-form-urlencoded"},
28             )
29         else:
30             kwargs = dict(method="GET")
31         response = self.request(url=url, **kwargs)
32         if response.status_code != 200:
33             raise exc.SolrError(response)
34         return response.content
35
36
37 class CustomSolrInterface(connection.SolrInterface):
38     # just copied from parent and SolrConnection -> CustomSolrConnection
39     def __init__(self, url, http_connection=None, mode='',
40                  retry_timeout=-1, max_length_get_url=connection.MAX_LENGTH_GET_URL,
41                  search_timeout=()):
42         """
43         :param url: url to Solr
44         :type url: str
45         :param http_connection: optional -- already existing connection
46         :type http_connection: requests connection
47         :param mode: optional -- mode (readable, writable) Solr
48         :type mode: str
49         :param retry_timeout: optional -- timeout until retry
50         :type retry_timeout: int
51         :param max_length_get_url: optional -- max length until switch to post
52         :type max_length_get_url: int
53         :param search_timeout: (optional) How long to wait for the server to
54                                send data before giving up, as a float, or a
55                                (connect timeout, read timeout) tuple.
56         :type search_timeout: float or tuple
57         """
58
59         self.conn = CustomSolrConnection(
60             url, http_connection, mode, retry_timeout, max_length_get_url)
61         self.schema = self.init_schema()
62         self._datefields = self._extract_datefields(self.schema)
63
64
65     def _analyze(self, **kwargs):
66         if not self.conn.readable:
67             raise TypeError("This Solr instance is only for writing")
68         args = {
69             'analysis_showmatch': True
70             }
71         if 'field' in kwargs:
72             args['analysis_fieldname'] = kwargs['field']
73         if 'text' in kwargs:
74             args['analysis_fieldvalue'] = kwargs['text']
75         if 'q' in kwargs:
76             args['q'] = kwargs['q']
77         if 'query' in kwargs:
78             args['q'] = kwargs['q']
79
80         params = [
81             (k.replace('_', '.'), v)
82             for (k, v) in search.params_from_dict(**args)
83         ]
84
85         content = self.conn.analyze(params)
86         doc = etree.fromstring(content)
87         return doc
88
89     def highlight(self, **kwargs):
90         doc = self._analyze(**kwargs)
91         analyzed = doc.xpath("//lst[@name='index']/arr[last()]/lst[bool/@name='match']")
92         matches = set()
93         for wrd in analyzed:
94             start = int(wrd.xpath("int[@name='start']")[0].text)
95             end = int(wrd.xpath("int[@name='end']")[0].text)
96             matches.add((start, end))
97
98         if matches:
99             return self.substring(
100                 kwargs['text'], matches, margins=kwargs.get('margins', 30), mark=kwargs.get('mark', ("<b>", "</b>")))
101         else:
102             return None
103
104     def analyze(self, **kwargs):
105         doc = self._analyze(**kwargs)
106         terms = doc.xpath("//lst[@name='index']/arr[last()]/lst/str[1]")
107         terms = map(lambda n: str(n.text), terms)
108         return terms
109
110     def expand_margins(self, text, start, end):
111         totlen = len(text)
112
113         def is_boundary(x):
114             ws = re.compile(r"\W", re.UNICODE)
115             return bool(ws.match(x))
116
117         while start > 0:
118             if is_boundary(text[start - 1]):
119                 break
120             start -= 1
121
122         while end < totlen - 1:
123             if is_boundary(text[end + 1]):
124                 break
125             end += 1
126
127         return start, end
128
129     def substring(self, text, matches, margins=30, mark=("<b>", "</b>")):
130         totlen = len(text)
131         matches_margins = [
132             ((s, e), self.expand_margins(text, max(0, s - margins), min(totlen, e + margins))) for s, e in matches]
133
134         # lets start with first match
135         (start, end) = matches_margins[0][1]
136         new_matches = [matches_margins[0][0]]
137
138         for (m, (s, e)) in matches_margins[1:]:
139             if end < s or start > e:
140                 continue
141             start = min(start, s)
142             end = max(end, e)
143             new_matches.append(m)
144
145         snip = text[start:end]
146         new_matches.sort(key=lambda a: -a[0])
147
148         for (s, e) in new_matches:
149             off = -start
150             snip = snip[:e + off] + mark[1] + snip[e + off:]
151             snip = snip[:s + off] + mark[0] + snip[s + off:]
152         snip = re.sub('%s[ \t\n]+%s' % (mark[1], mark[0]), " ", snip)
153
154         return snip