WIP
This commit is contained in:
parent
c4791a87e9
commit
5c29c7dbb4
@ -18,8 +18,8 @@ name = "tripadvisor"
|
||||
path = "h3.reviews_header"
|
||||
regex = "^(\d+)"
|
||||
|
||||
[item.semantics]
|
||||
[item.semantics.service]
|
||||
[item.props]
|
||||
[item.props.service]
|
||||
accomodating = 1.0
|
||||
affordable = 0.0
|
||||
atmospheric = 0.0
|
||||
@ -30,7 +30,7 @@ name = "tripadvisor"
|
||||
regex = "^([0-9]*\.?[0-9]+)"
|
||||
attr = "alt"
|
||||
|
||||
[item.semantics.food]
|
||||
[item.props.food]
|
||||
accomodating = 0.0
|
||||
affordable = 0.0
|
||||
atmospheric = 0.0
|
||||
@ -41,7 +41,7 @@ name = "tripadvisor"
|
||||
regex = "^([0-9]*\.?[0-9]+)"
|
||||
attr = "alt"
|
||||
|
||||
[item.semantics.value]
|
||||
[item.props.value]
|
||||
accomodating = 0.0
|
||||
affordable = 1.0
|
||||
atmospheric = 0.0
|
||||
@ -52,7 +52,7 @@ name = "tripadvisor"
|
||||
regex = "^([0-9]*\.?[0-9]+)"
|
||||
attr = "alt"
|
||||
|
||||
[item.semantics.atmosphere]
|
||||
[item.props.atmosphere]
|
||||
accomodating = 0.0
|
||||
affordable = 0.0
|
||||
atmospheric = 1.0
|
||||
|
@ -34,16 +34,6 @@ import (
|
||||
"github.com/naoina/toml"
|
||||
)
|
||||
|
||||
//
|
||||
// descriptor
|
||||
//
|
||||
type descriptor struct {
|
||||
gc *geoCache
|
||||
wc *webCache
|
||||
|
||||
conf descConf
|
||||
}
|
||||
|
||||
//
|
||||
// semantics
|
||||
//
|
||||
@ -73,9 +63,9 @@ func (s semantics) reduce(weight float64) semantics {
|
||||
}
|
||||
|
||||
//
|
||||
// pathConf
|
||||
// locator
|
||||
//
|
||||
type pathConf struct {
|
||||
type locator struct {
|
||||
Path string
|
||||
Attr string
|
||||
RegEx string
|
||||
@ -83,25 +73,25 @@ type pathConf struct {
|
||||
regExComp *regexp.Regexp
|
||||
}
|
||||
|
||||
func (c *pathConf) locateStrings(doc *goquery.Document) ([]string, error) {
|
||||
func (l *locator) locateStrings(doc *goquery.Document) ([]string, error) {
|
||||
var err error
|
||||
if len(c.RegEx) > 0 && c.regExComp == nil {
|
||||
if c.regExComp, err = regexp.Compile(c.RegEx); err != nil {
|
||||
if len(l.RegEx) > 0 && l.regExComp == nil {
|
||||
if l.regExComp, err = regexp.Compile(l.RegEx); err != nil {
|
||||
return nil, err
|
||||
}
|
||||
}
|
||||
|
||||
var strs []string
|
||||
doc.Find(c.Path).Each(func(index int, sel *goquery.Selection) {
|
||||
doc.Find(l.Path).Each(func(index int, sel *goquery.Selection) {
|
||||
var str string
|
||||
if len(c.Attr) > 0 {
|
||||
str, _ = sel.Attr(c.Attr)
|
||||
if len(l.Attr) > 0 {
|
||||
str, _ = sel.Attr(l.Attr)
|
||||
} else {
|
||||
str = sel.Text()
|
||||
}
|
||||
|
||||
if c.regExComp != nil {
|
||||
if matches := c.regExComp.FindStringSubmatch(str); len(matches) > 1 {
|
||||
if l.regExComp != nil {
|
||||
if matches := l.regExComp.FindStringSubmatch(str); len(matches) > 1 {
|
||||
str = matches[1]
|
||||
} else {
|
||||
str = ""
|
||||
@ -115,8 +105,8 @@ func (c *pathConf) locateStrings(doc *goquery.Document) ([]string, error) {
|
||||
|
||||
}
|
||||
|
||||
func (c *pathConf) locateString(doc *goquery.Document) (string, error) {
|
||||
strs, err := c.locateStrings(doc)
|
||||
func (l *locator) locateString(doc *goquery.Document) (string, error) {
|
||||
strs, err := l.locateStrings(doc)
|
||||
if err != nil {
|
||||
return "", err
|
||||
}
|
||||
@ -124,8 +114,8 @@ func (c *pathConf) locateString(doc *goquery.Document) (string, error) {
|
||||
return strings.Join(strs, " "), nil
|
||||
}
|
||||
|
||||
func (c *pathConf) locateInt(doc *goquery.Document) (int64, error) {
|
||||
str, err := c.locateString(doc)
|
||||
func (l *locator) locateInt(doc *goquery.Document) (int64, error) {
|
||||
str, err := l.locateString(doc)
|
||||
if err != nil {
|
||||
return 0, err
|
||||
}
|
||||
@ -133,8 +123,8 @@ func (c *pathConf) locateInt(doc *goquery.Document) (int64, error) {
|
||||
return strconv.ParseInt(str, 10, 8)
|
||||
}
|
||||
|
||||
func (c *pathConf) locateFloat(doc *goquery.Document) (float64, error) {
|
||||
str, err := c.locateString(doc)
|
||||
func (l *locator) locateFloat(doc *goquery.Document) (float64, error) {
|
||||
str, err := l.locateString(doc)
|
||||
if err != nil {
|
||||
return 0.0, err
|
||||
}
|
||||
@ -143,57 +133,50 @@ func (c *pathConf) locateFloat(doc *goquery.Document) (float64, error) {
|
||||
}
|
||||
|
||||
//
|
||||
// semConf
|
||||
// descriptor
|
||||
//
|
||||
type semConf struct {
|
||||
semantics
|
||||
pathConf
|
||||
|
||||
Scale float64
|
||||
}
|
||||
|
||||
//
|
||||
// descConf
|
||||
//
|
||||
type descConf struct {
|
||||
type descriptor struct {
|
||||
Index struct {
|
||||
Items pathConf
|
||||
Next pathConf
|
||||
Items locator
|
||||
Next locator
|
||||
}
|
||||
|
||||
Item struct {
|
||||
Name pathConf
|
||||
Address pathConf
|
||||
Count pathConf
|
||||
Sem map[string]semConf
|
||||
Name locator
|
||||
Address locator
|
||||
Count locator
|
||||
Props map[string]struct {
|
||||
semantics
|
||||
locator
|
||||
Scale float64
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
func newDescriptor(filename string, gc *geoCache, wc *webCache) (*descriptor, error) {
|
||||
desc := &descriptor{gc: gc, wc: wc}
|
||||
|
||||
func newDescriptor(filename string) (*descriptor, error) {
|
||||
bytes, err := ioutil.ReadFile(filename)
|
||||
if err != nil {
|
||||
return nil, err
|
||||
}
|
||||
|
||||
if err := toml.Unmarshal(bytes, &desc.conf); err != nil {
|
||||
var desc descriptor
|
||||
if err := toml.Unmarshal(bytes, &desc); err != nil {
|
||||
return nil, err
|
||||
}
|
||||
|
||||
return desc, nil
|
||||
return &desc, nil
|
||||
}
|
||||
|
||||
func (d descriptor) define(keyword string) semantics {
|
||||
return d.conf.Item.Sem[keyword].semantics
|
||||
return d.Item.Props[keyword].semantics
|
||||
}
|
||||
|
||||
func (d descriptor) index(doc *goquery.Document) (next string, items []string, err error) {
|
||||
if items, err = d.conf.Index.Items.locateStrings(doc); err != nil {
|
||||
if items, err = d.Index.Items.locateStrings(doc); err != nil {
|
||||
return
|
||||
}
|
||||
|
||||
if next, err = d.conf.Index.Next.locateString(doc); err != nil {
|
||||
if next, err = d.Index.Next.locateString(doc); err != nil {
|
||||
return
|
||||
}
|
||||
|
||||
@ -201,31 +184,31 @@ func (d descriptor) index(doc *goquery.Document) (next string, items []string, e
|
||||
}
|
||||
|
||||
func (d descriptor) review(doc *goquery.Document) (name, address string, features map[string]float64, count int64, err error) {
|
||||
if name, err = d.conf.Item.Name.locateString(doc); err != nil || len(name) == 0 {
|
||||
if name, err = d.Item.Name.locateString(doc); err != nil || len(name) == 0 {
|
||||
err = errors.New("invalid name")
|
||||
return
|
||||
}
|
||||
|
||||
if address, err = d.conf.Item.Address.locateString(doc); err != nil || len(address) == 0 {
|
||||
if address, err = d.Item.Address.locateString(doc); err != nil || len(address) == 0 {
|
||||
err = errors.New("invalid address")
|
||||
return
|
||||
}
|
||||
|
||||
if count, err = d.conf.Item.Count.locateInt(doc); err != nil {
|
||||
if count, err = d.Item.Count.locateInt(doc); err != nil {
|
||||
err = errors.New("invalid review count")
|
||||
return
|
||||
}
|
||||
|
||||
features = make(map[string]float64)
|
||||
for n, s := range d.conf.Item.Sem {
|
||||
for n, p := range d.Item.Props {
|
||||
var value float64
|
||||
if value, err = s.pathConf.locateFloat(doc); err != nil {
|
||||
if value, err = p.locateFloat(doc); err != nil {
|
||||
err = fmt.Errorf("invalid feature value for %s", n)
|
||||
return
|
||||
}
|
||||
|
||||
if s.Scale != 0.0 {
|
||||
value /= s.Scale
|
||||
if p.Scale != 0.0 {
|
||||
value /= p.Scale
|
||||
}
|
||||
|
||||
features[n] = value
|
||||
|
Loading…
Reference in New Issue
Block a user