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