-
Notifications
You must be signed in to change notification settings - Fork 217
/
Copy pathgse_test.go
273 lines (214 loc) · 8.88 KB
/
gse_test.go
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
package gse
import (
"testing"
"github.com/vcaesar/tt"
)
func init() {
prodSeg.LoadDict()
prodSeg.LoadStop("zh")
}
func TestLoadDictMap(t *testing.T) {
m := []map[string]string{
{
"text": "一城山水",
"frequency": "10",
"pos": "n",
},
{
"text": "山河日月",
"frequency": "13",
},
}
err := prodSeg.LoadDictMap(m)
tt.Nil(t, err)
f, pos, ok := prodSeg.Find("一城山水")
tt.Bool(t, ok)
tt.Equal(t, "n", pos)
tt.Equal(t, 10, f)
f, _, ok = prodSeg.Find("山河日月")
tt.Bool(t, ok)
tt.Equal(t, 13, f)
}
func TestAnalyze(t *testing.T) {
txt := `城市地标建筑: 纽约帝国大厦, 旧金山湾金门大桥, Seattle Space Needle, Toronto CN Tower, 伦敦大笨钟`
s := prodSeg.Cut(txt, true)
tt.Equal(t, 23, len(s))
tt.Equal(t, "[城市地标 建筑 : 纽约 帝国大厦 , 旧金山湾 金门大桥 , Seattle Space Needle , Toronto CN Tower , 伦敦 大笨钟]", s)
a := prodSeg.Analyze(s)
tt.Equal(t, 23, len(a))
tt.Equal(t, "[{0 4 0 0 城市地标 3 j} {4 6 1 0 建筑 14397 n} {6 8 2 0 : 0 } {8 10 3 0 纽约 1758 ns} {10 14 4 0 帝国大厦 3 nr} {14 16 5 0 , 0 } {16 20 6 0 旧金山湾 3 ns} {20 24 7 0 金门大桥 38 nz} {24 26 8 0 , 0 } {26 33 9 0 Seattle 0 } {33 34 10 0 0 } {34 39 11 0 Space 0 } {39 40 12 0 0 } {40 46 13 0 Needle 0 } {46 48 14 0 , 0 } {48 55 15 0 Toronto 0 } {55 56 16 0 0 } {56 58 17 0 CN 0 } {58 59 18 0 0 } {59 64 19 0 Tower 0 } {64 66 20 0 , 0 } {66 68 21 0 伦敦 2255 ns} {68 71 22 0 大笨钟 0 }]", a)
tt.Equal(t, 0, a[0].Start)
tt.Equal(t, 4, a[0].End)
tt.Equal(t, 0, a[0].Position)
tt.Equal(t, 0, a[0].Len)
tt.Equal(t, "城市地标", a[0].Text)
tt.Equal(t, 3, a[0].Freq)
tt.Equal(t, "", a[0].Type)
}
func TestHMM(t *testing.T) {
tt.Equal(t, 587880, len(prodSeg.Dict.Tokens))
tt.Equal(t, 5.3250742e+07, prodSeg.Dict.totalFrequency)
hmm := prodSeg.HMMCutMod("纽约时代广场")
tt.Equal(t, 2, len(hmm))
tt.Equal(t, "纽约", hmm[0])
tt.Equal(t, "时代广场", hmm[1])
// text := "纽约时代广场, 纽约帝国大厦, 旧金山湾金门大桥"
tx := prodSeg.Cut(text, true)
tt.Equal(t, 7, len(tx))
tt.Equal(t, "[纽约时代广场 , 纽约 帝国大厦 , 旧金山湾 金门大桥]", tx)
tx = prodSeg.TrimPunct(tx)
tt.Equal(t, 5, len(tx))
tt.Equal(t, "[纽约时代广场 纽约 帝国大厦 旧金山湾 金门大桥]", tx)
tx = prodSeg.cutDAGNoHMM(text)
tt.Equal(t, 9, len(tx))
tt.Equal(t, "[纽约时代广场 , 纽约 帝国大厦 , 旧金山湾 金门大桥]", tx)
tx = append(tx, " 广场")
tx = append(tx, "ok👌", "的")
tt.Bool(t, prodSeg.IsStop("的"))
tx = prodSeg.Trim(tx)
tt.Equal(t, 7, len(tx))
tt.Equal(t, "[纽约时代广场 纽约 帝国大厦 旧金山湾 金门大桥 广场 ok]", tx)
tx1 := prodSeg.CutTrim(text, true)
tt.Equal(t, 5, len(tx1))
tt.Equal(t, "[纽约时代广场 纽约 帝国大厦 旧金山湾 金门大桥]", tx1)
s := prodSeg.CutStr(tx, ", ")
tt.Equal(t, 80, len(s))
tt.Equal(t, "纽约时代广场, 纽约, 帝国大厦, 旧金山湾, 金门大桥, 广场, ok", s)
tx = prodSeg.CutAll(text)
tt.Equal(t, 21, len(tx))
tt.Equal(t,
"[纽约 纽约时代广场 时代 时代广场 广场 , 纽约 帝国 帝国大厦 国大 大厦 , 旧金山 旧金山湾 金山 山湾 金门 金门大桥 大桥]",
tx)
tx = prodSeg.CutSearch(text, false)
tt.Equal(t, 20, len(tx))
tt.Equal(t,
"[纽约 时代 广场 纽约时代广场 , 纽约 帝国 国大 大厦 帝国大厦 , 金山 山湾 旧金山 旧金山湾 金门 大桥 金门大桥]",
tx)
tx = prodSeg.CutSearch(text, true)
tt.Equal(t, 18, len(tx))
tt.Equal(t,
"[纽约 时代 广场 纽约时代广场 , 纽约 帝国 国大 大厦 帝国大厦 , 金山 山湾 旧金山 旧金山湾 金门 大桥 金门大桥]",
tx)
f1 := prodSeg.SuggestFreq("西雅图")
tt.Equal(t, 79, f1)
f1 = prodSeg.SuggestFreq("西雅图", "西雅图都会区", "旧金山湾")
tt.Equal(t, 0, f1)
}
func TestPos(t *testing.T) {
s := prodSeg.String(text, true)
tt.Equal(t, 206, len(s))
tt.Equal(t,
"纽约/ns 时代/n 广场/n 时代广场/n 纽约时代广场/nt ,/x /x 纽约/ns 帝国/n 大厦/n 帝国大厦/nr ,/x /x 金山/nr 旧金山/ns 湾/zg 旧金山湾/ns 金门/n 大桥/ns 金门大桥/nz ", s)
c := prodSeg.Slice(text, true)
tt.Equal(t, 20, len(c))
pos := prodSeg.Pos(text, false)
tt.Equal(t, 9, len(pos))
tt.Equal(t,
"[{纽约时代广场 nt} {, x} { x} {纽约 ns} {帝国大厦 nr} {, x} { x} {旧金山湾 ns} {金门大桥 nz}]", pos)
pos = prodSeg.TrimPosPunct(pos)
tt.Equal(t, 5, len(pos))
tt.Equal(t, "[{纽约时代广场 nt} {纽约 ns} {帝国大厦 nr} {旧金山湾 ns} {金门大桥 nz}]", pos)
pos = prodSeg.Pos(text, true)
tt.Equal(t, 20, len(pos))
tt.Equal(t,
"[{纽约 ns} {时代 n} {广场 n} {时代广场 n} {纽约时代广场 nt} {, x} { x} {纽约 ns} {帝国 n} {大厦 n} {帝国大厦 nr} {, x} { x} {金山 nr} {旧金山 ns} {湾 zg} {旧金山湾 ns} {金门 n} {大桥 ns} {金门大桥 nz}]", pos)
pos1 := prodSeg.PosTrim(text, true, "zg")
tt.Equal(t, 15, len(pos1))
tt.Equal(t,
"[{纽约 ns} {时代 n} {广场 n} {时代广场 n} {纽约时代广场 nt} {纽约 ns} {帝国 n} {大厦 n} {帝国大厦 nr} {金山 nr} {旧金山 ns} {旧金山湾 ns} {金门 n} {大桥 ns} {金门大桥 nz}]", pos1)
pos = append(pos, SegPos{Text: "👌", Pos: "x"})
pos = prodSeg.TrimPos(pos)
tt.Equal(t, 16, len(pos))
tt.Equal(t,
"[{纽约 ns} {时代 n} {广场 n} {时代广场 n} {纽约时代广场 nt} {纽约 ns} {帝国 n} {大厦 n} {帝国大厦 nr} {金山 nr} {旧金山 ns} {湾 zg} {旧金山湾 ns} {金门 n} {大桥 ns} {金门大桥 nz}]", pos)
s = prodSeg.PosStr(pos, ", ")
tt.Equal(t, 204, len(s))
tt.Equal(t,
"纽约/ns, 时代/n, 广场/n, 时代广场/n, 纽约时代广场/nt, 纽约/ns, 帝国/n, 大厦/n, 帝国大厦/nr, 金山/nr, 旧金山/ns, 湾/zg, 旧金山湾/ns, 金门/n, 大桥/ns, 金门大桥/nz", s)
prodSeg.SkipPos = true
s = prodSeg.PosStr(pos, ", ")
tt.Equal(t, 162, len(s))
tt.Equal(t,
"纽约, 时代, 广场, 时代广场, 纽约时代广场, 纽约, 帝国, 大厦, 帝国大厦, 金山, 旧金山, 湾, 旧金山湾, 金门, 大桥, 金门大桥", s)
pos = prodSeg.TrimWithPos(pos, "n", "zg")
tt.Equal(t, 9, len(pos))
tt.Equal(t,
"[{纽约 ns} {纽约时代广场 nt} {纽约 ns} {帝国大厦 nr} {金山 nr} {旧金山 ns} {旧金山湾 ns} {大桥 ns} {金门大桥 nz}]", pos)
pos2 := prodSeg.PosTrimArr(text, false, "n", "zg")
tt.Equal(t, 5, len(pos2))
tt.Equal(t,
"[纽约时代广场 纽约 帝国大厦 旧金山湾 金门大桥]", pos2)
pos3 := prodSeg.PosTrimStr(text, false, "n", "zg")
tt.Equal(t, 64, len(pos3))
tt.Equal(t,
"纽约时代广场 纽约 帝国大厦 旧金山湾 金门大桥", pos3)
}
func TestStop(t *testing.T) {
var seg Segmenter
err := seg.LoadStop()
tt.Nil(t, err)
tt.Equal(t, 88, len(seg.StopWordMap))
err = seg.LoadStop("testdata/stop.txt")
tt.Nil(t, err)
tt.Equal(t, 89, len(seg.StopWordMap))
tt.Bool(t, seg.IsStop("离开"))
err = seg.EmptyStop()
tt.Nil(t, err)
tt.Equal(t, "map[]", seg.StopWordMap)
// err := prodSeg.LoadStop("zh")
// tt.Nil(t, err)
tt.Equal(t, 1161, len(prodSeg.StopWordMap))
b := prodSeg.IsStop("阿")
tt.True(t, b)
tt.True(t, prodSeg.IsStop("哎"))
b = prodSeg.IsStop("的")
tt.True(t, b)
prodSeg.AddStop("lol")
b = prodSeg.IsStop("lol")
tt.True(t, b)
prodSeg.RemoveStop("lol")
b = prodSeg.IsStop("lol")
tt.False(t, b)
m := []string{"abc", "123"}
prodSeg.LoadStopArr(m)
tt.True(t, prodSeg.IsStop("abc"))
tt.True(t, prodSeg.IsStop("123"))
t1 := `hi, bot, 123; 🤖, 机器人; 👌^_^😆`
s := FilterEmoji(t1)
tt.Equal(t, "hi, bot, 123; , 机器人; ^_^", s)
s = FilterSymbol(t1)
tt.Equal(t, "hibot123机器人", s)
s = FilterLang(t1, "Han")
tt.Equal(t, "hibot机器人", s)
t2 := `<p>test: </p> <div class="bot"> bot 机器人 <<银河系漫游指南>> </div>`
s = FilterHtml(t2)
tt.Equal(t, "test: bot 机器人 <<银河系漫游指南>> ", s)
s = prodSeg.CutTrimHtmls(t2, true)
tt.Equal(t, "test bot 机器人 银河系 漫游 指南", s)
s1 := Range("hibot, 机器人")
tt.Equal(t, "[h i b o t , 机 器 人]", s1)
s = RangeText("hibot, 机器人")
tt.Equal(t, "h i b o t , 机 器 人 ", s)
}
func TestNum(t *testing.T) {
seg, err := New("./testdata/test_dict3.txt")
tt.Nil(t, err)
seg.Num = true
text := "t123test123 num123-1"
s := seg.Cut(text)
tt.Equal(t, "[t 1 2 3 test 1 2 3 num 1 2 3 - 1]", s)
s = seg.CutAll(text)
tt.Equal(t, "[t 1 2 3 t e s t 1 2 3 n u m 1 2 3 - 1]", s)
seg.Alpha = true
s = seg.CutSearch(text)
tt.Equal(t, "[t 1 2 3 t e s t 1 2 3 n u m 1 2 3 - 1]", s)
err = seg.Empty()
tt.Nil(t, err)
tt.Nil(t, seg.Dict)
}
func TestUrl(t *testing.T) {
seg, err := New("./testdata/test_dict3.txt")
tt.Nil(t, err)
s1 := seg.CutUrls("https://www.g.com/search?q=test%m11.42&ie=UTF-8")
tt.Equal(t, "https www g com search q test m 11 42 ie utf 8", s1)
}