def detect(query, file):
detector = StreamDetector(query)
for binary_line in iter(file.readline, b''):
unicode_line = binary2unicode(binary_line)
trove = detector.feed(unicode_line)
yield trove
def test_inverse(self):
""" マッチしない言葉を探す """
query = u'輩'
detector = StreamDetector(query, inverse=True)
line = u'吾輩は猫である'
trove = detector.feed(line)
eq_(trove.line, line)
def test_miss(self):
""" 形態素にもとづいて文章にマッチしない """
query = u'輩'
detector = StreamDetector(query)
line = u'吾輩は猫である'
trove = detector.feed(line)
eq_(trove, None)
def test_hit_tokens(self):
""" 複数の形態素でも文章にマッチする """
query = u'は猫で'
detector = StreamDetector(query)
line = u'吾輩は猫である'
trove = detector.feed(line)
eq_(trove.line, line)
eq_(trove.position, 2)
def test_hit(self):
""" 形態素にもとづいて文章にマッチする """
query = u'吾輩'
detector = StreamDetector(query)
line = u'吾輩は猫である'
trove = detector.feed(line)
eq_(trove.line, line)
eq_(trove.position, 0)
def _dispatch(target, query, inverse):
detector = StreamDetector(query, inverse)
with target.file as file_:
binary = file_.read()
encoding = get_encoding(binary)
if encoding is None:
# エンコードが不明 (おそらくバイナリファイルだった)
return []
text = binary.decode(encoding)
# XXX: ファイルの改行コードも検出すべきだろうか？
lines = text.split(os.linesep)
troves = []
for line in lines:
trove = detector.feed(line)
if trove is None:
continue
troves.append(trove)
return troves
