mirror of
https://github.com/searxng/searxng.git
synced 2024-12-22 09:16:29 +00:00
wikidata refactor and more attributes (see issue #560)
This commit is contained in:
parent
a4c77f88d0
commit
a0a1284998
5 changed files with 866 additions and 231 deletions
1
.gitignore
vendored
1
.gitignore
vendored
|
@ -1,4 +1,5 @@
|
||||||
.coverage
|
.coverage
|
||||||
|
coverage/
|
||||||
.installed.cfg
|
.installed.cfg
|
||||||
engines.cfg
|
engines.cfg
|
||||||
env
|
env
|
||||||
|
|
|
@ -1,33 +1,57 @@
|
||||||
import json
|
# -*- coding: utf-8 -*-
|
||||||
|
"""
|
||||||
|
Wikidata
|
||||||
|
|
||||||
|
@website https://wikidata.org
|
||||||
|
@provide-api yes (https://wikidata.org/w/api.php)
|
||||||
|
|
||||||
|
@using-api partially (most things require scraping)
|
||||||
|
@results JSON, HTML
|
||||||
|
@stable no (html can change)
|
||||||
|
@parse url, infobox
|
||||||
|
"""
|
||||||
|
|
||||||
from searx import logger
|
from searx import logger
|
||||||
from searx.poolrequests import get
|
from searx.poolrequests import get
|
||||||
from searx.utils import format_date_by_locale
|
from searx.engines.xpath import extract_text
|
||||||
|
|
||||||
from datetime import datetime
|
from json import loads
|
||||||
from dateutil.parser import parse as dateutil_parse
|
|
||||||
from urllib import urlencode
|
|
||||||
from lxml.html import fromstring
|
from lxml.html import fromstring
|
||||||
|
from urllib import urlencode
|
||||||
|
|
||||||
logger = logger.getChild('wikidata')
|
logger = logger.getChild('wikidata')
|
||||||
result_count = 1
|
result_count = 1
|
||||||
|
|
||||||
|
# urls
|
||||||
wikidata_host = 'https://www.wikidata.org'
|
wikidata_host = 'https://www.wikidata.org'
|
||||||
url_search = wikidata_host \
|
url_search = wikidata_host \
|
||||||
+ '/wiki/Special:ItemDisambiguation?{query}'
|
+ '/wiki/Special:ItemDisambiguation?{query}'
|
||||||
|
|
||||||
wikidata_api = wikidata_host + '/w/api.php'
|
wikidata_api = wikidata_host + '/w/api.php'
|
||||||
url_detail = wikidata_api\
|
url_detail = wikidata_api\
|
||||||
+ '?action=wbgetentities&format=json'\
|
+ '?action=parse&format=json&{query}'\
|
||||||
+ '&props=labels%7Cinfo%7Csitelinks'\
|
+ '&redirects=1&prop=text%7Cdisplaytitle%7Clanglinks%7Crevid'\
|
||||||
+ '%7Csitelinks%2Furls%7Cdescriptions%7Cclaims'\
|
+ '&disableeditsection=1&disabletidy=1&preview=1§ionpreview=1&disabletoc=1&utf8=1&formatversion=2'
|
||||||
+ '&{query}'
|
|
||||||
url_map = 'https://www.openstreetmap.org/'\
|
url_map = 'https://www.openstreetmap.org/'\
|
||||||
+ '?lat={latitude}&lon={longitude}&zoom={zoom}&layers=M'
|
+ '?lat={latitude}&lon={longitude}&zoom={zoom}&layers=M'
|
||||||
url_entity_label = wikidata_api\
|
url_image = 'https://commons.wikimedia.org/wiki/Special:FilePath/{filename}?width=500'
|
||||||
+ '?action=wbgetentities&format=json&props=labels&{query}'
|
|
||||||
|
|
||||||
|
# xpaths
|
||||||
wikidata_ids_xpath = '//div/ul[@class="wikibase-disambiguation"]/li/a/@title'
|
wikidata_ids_xpath = '//div/ul[@class="wikibase-disambiguation"]/li/a/@title'
|
||||||
|
title_xpath = '//*[contains(@class,"wikibase-title-label")]'
|
||||||
|
description_xpath = '//div[contains(@class,"wikibase-entitytermsview-heading-description")]'
|
||||||
|
property_xpath = '//div[@id="{propertyid}"]'
|
||||||
|
label_xpath = './/div[contains(@class,"wikibase-statementgroupview-property-label")]/a'
|
||||||
|
url_xpath = './/a[contains(@class,"external free") or contains(@class, "wb-external-id")]'
|
||||||
|
wikilink_xpath = './/ul[contains(@class,"wikibase-sitelinklistview-listview")]'\
|
||||||
|
+ '/li[contains(@data-wb-siteid,"{wikiid}")]//a/@href'
|
||||||
|
property_row_xpath = './/div[contains(@class,"wikibase-statementview")]'
|
||||||
|
preferred_rank_xpath = './/span[contains(@class,"wikibase-rankselector-preferred")]'
|
||||||
|
value_xpath = './/div[contains(@class,"wikibase-statementview-mainsnak")]'\
|
||||||
|
+ '/*/div[contains(@class,"wikibase-snakview-value")]'
|
||||||
|
language_fallback_xpath = '//sup[contains(@class,"wb-language-fallback-indicator")]'
|
||||||
|
calendar_name_xpath = './/sup[contains(@class,"wb-calendar-name")]'
|
||||||
|
|
||||||
|
|
||||||
def request(query, params):
|
def request(query, params):
|
||||||
|
@ -50,13 +74,13 @@ def response(resp):
|
||||||
if language == 'all':
|
if language == 'all':
|
||||||
language = 'en'
|
language = 'en'
|
||||||
|
|
||||||
url = url_detail.format(query=urlencode({'ids': '|'.join(wikidata_ids),
|
# TODO: make requests asynchronous to avoid timeout when result_count > 1
|
||||||
'languages': language + '|en'}))
|
|
||||||
|
|
||||||
htmlresponse = get(url)
|
|
||||||
jsonresponse = json.loads(htmlresponse.content)
|
|
||||||
for wikidata_id in wikidata_ids[:result_count]:
|
for wikidata_id in wikidata_ids[:result_count]:
|
||||||
results = results + getDetail(jsonresponse, wikidata_id, language, resp.search_params['language'])
|
url = url_detail.format(query=urlencode({'page': wikidata_id,
|
||||||
|
'uselang': language}))
|
||||||
|
htmlresponse = get(url)
|
||||||
|
jsonresponse = loads(htmlresponse.content)
|
||||||
|
results += getDetail(jsonresponse, wikidata_id, language, resp.search_params['language'])
|
||||||
|
|
||||||
return results
|
return results
|
||||||
|
|
||||||
|
@ -66,125 +90,194 @@ def getDetail(jsonresponse, wikidata_id, language, locale):
|
||||||
urls = []
|
urls = []
|
||||||
attributes = []
|
attributes = []
|
||||||
|
|
||||||
result = jsonresponse.get('entities', {}).get(wikidata_id, {})
|
title = jsonresponse.get('parse', {}).get('displaytitle', {})
|
||||||
|
result = jsonresponse.get('parse', {}).get('text', {})
|
||||||
|
|
||||||
title = result.get('labels', {}).get(language, {}).get('value', None)
|
if not title or not result:
|
||||||
if title is None:
|
|
||||||
title = result.get('labels', {}).get('en', {}).get('value', None)
|
|
||||||
if title is None:
|
|
||||||
return results
|
return results
|
||||||
|
|
||||||
description = result\
|
title = fromstring(title)
|
||||||
.get('descriptions', {})\
|
for elem in title.xpath(language_fallback_xpath):
|
||||||
.get(language, {})\
|
elem.getparent().remove(elem)
|
||||||
.get('value', None)
|
title = extract_text(title.xpath(title_xpath))
|
||||||
|
|
||||||
if description is None:
|
result = fromstring(result)
|
||||||
description = result\
|
for elem in result.xpath(language_fallback_xpath):
|
||||||
.get('descriptions', {})\
|
elem.getparent().remove(elem)
|
||||||
.get('en', {})\
|
|
||||||
.get('value', '')
|
|
||||||
|
|
||||||
claims = result.get('claims', {})
|
description = extract_text(result.xpath(description_xpath))
|
||||||
official_website = get_string(claims, 'P856', None)
|
|
||||||
if official_website is not None:
|
|
||||||
urls.append({'title': get_label('P856', language), 'url': official_website})
|
|
||||||
results.append({'title': title, 'url': official_website})
|
|
||||||
|
|
||||||
|
# URLS
|
||||||
|
|
||||||
|
# official website
|
||||||
|
add_url(urls, result, 'P856', results=results)
|
||||||
|
|
||||||
|
# wikipedia
|
||||||
wikipedia_link_count = 0
|
wikipedia_link_count = 0
|
||||||
wikipedia_link = get_wikilink(result, language + 'wiki')
|
wikipedia_link = get_wikilink(result, language + 'wiki')
|
||||||
wikipedia_link_count += add_url(urls,
|
if wikipedia_link:
|
||||||
'Wikipedia (' + language + ')',
|
wikipedia_link_count += 1
|
||||||
wikipedia_link)
|
urls.append({'title': 'Wikipedia (' + language + ')',
|
||||||
|
'url': wikipedia_link})
|
||||||
|
|
||||||
if language != 'en':
|
if language != 'en':
|
||||||
wikipedia_en_link = get_wikilink(result, 'enwiki')
|
wikipedia_en_link = get_wikilink(result, 'enwiki')
|
||||||
wikipedia_link_count += add_url(urls,
|
if wikipedia_en_link:
|
||||||
'Wikipedia (en)',
|
wikipedia_link_count += 1
|
||||||
wikipedia_en_link)
|
urls.append({'title': 'Wikipedia (en)',
|
||||||
if wikipedia_link_count == 0:
|
'url': wikipedia_en_link})
|
||||||
misc_language = get_wiki_firstlanguage(result, 'wiki')
|
|
||||||
if misc_language is not None:
|
|
||||||
add_url(urls,
|
|
||||||
'Wikipedia (' + misc_language + ')',
|
|
||||||
get_wikilink(result, misc_language + 'wiki'))
|
|
||||||
|
|
||||||
if language != 'en':
|
# TODO: get_wiki_firstlanguage
|
||||||
add_url(urls,
|
# if wikipedia_link_count == 0:
|
||||||
'Wiki voyage (' + language + ')',
|
|
||||||
get_wikilink(result, language + 'wikivoyage'))
|
|
||||||
|
|
||||||
add_url(urls,
|
# more wikis
|
||||||
'Wiki voyage (en)',
|
add_url(urls, result, default_label='Wikivoyage (' + language + ')', link_type=language + 'wikivoyage')
|
||||||
get_wikilink(result, 'enwikivoyage'))
|
add_url(urls, result, default_label='Wikiquote (' + language + ')', link_type=language + 'wikiquote')
|
||||||
|
add_url(urls, result, default_label='Wikimedia Commons', link_type='commonswiki')
|
||||||
|
|
||||||
if language != 'en':
|
add_url(urls, result, 'P625', 'OpenStreetMap', link_type='geo')
|
||||||
add_url(urls,
|
|
||||||
'Wikiquote (' + language + ')',
|
|
||||||
get_wikilink(result, language + 'wikiquote'))
|
|
||||||
|
|
||||||
add_url(urls,
|
# musicbrainz
|
||||||
'Wikiquote (en)',
|
add_url(urls, result, 'P434', 'MusicBrainz', 'http://musicbrainz.org/artist/')
|
||||||
get_wikilink(result, 'enwikiquote'))
|
add_url(urls, result, 'P435', 'MusicBrainz', 'http://musicbrainz.org/work/')
|
||||||
|
add_url(urls, result, 'P436', 'MusicBrainz', 'http://musicbrainz.org/release-group/')
|
||||||
|
add_url(urls, result, 'P966', 'MusicBrainz', 'http://musicbrainz.org/label/')
|
||||||
|
|
||||||
add_url(urls,
|
# IMDb
|
||||||
'Commons wiki',
|
add_url(urls, result, 'P345', 'IMDb', 'https://www.imdb.com/', link_type='imdb')
|
||||||
get_wikilink(result, 'commonswiki'))
|
# source code repository
|
||||||
|
add_url(urls, result, 'P1324')
|
||||||
|
# blog
|
||||||
|
add_url(urls, result, 'P1581')
|
||||||
|
# social media links
|
||||||
|
add_url(urls, result, 'P2397', 'YouTube', 'https://www.youtube.com/channel/')
|
||||||
|
add_url(urls, result, 'P1651', 'YouTube', 'https://www.youtube.com/watch?v=')
|
||||||
|
add_url(urls, result, 'P2002', 'Twitter', 'https://twitter.com/')
|
||||||
|
add_url(urls, result, 'P2013', 'Facebook', 'https://facebook.com/')
|
||||||
|
add_url(urls, result, 'P2003', 'Instagram', 'https://instagram.com/')
|
||||||
|
|
||||||
# Location
|
urls.append({'title': 'Wikidata',
|
||||||
add_url(urls,
|
'url': 'https://www.wikidata.org/wiki/'
|
||||||
get_label('P625', language),
|
+ wikidata_id + '?uselang=' + language})
|
||||||
get_geolink(claims, 'P625', None))
|
|
||||||
|
|
||||||
add_url(urls,
|
# INFOBOX ATTRIBUTES (ROWS)
|
||||||
'Wikidata',
|
|
||||||
'https://www.wikidata.org/wiki/'
|
|
||||||
+ wikidata_id + '?uselang=' + language)
|
|
||||||
|
|
||||||
musicbrainz_work_id = get_string(claims, 'P435')
|
# inception date
|
||||||
if musicbrainz_work_id is not None:
|
add_attribute(attributes, result, 'P571', date=True)
|
||||||
add_url(urls,
|
# dissolution date
|
||||||
'MusicBrainz',
|
add_attribute(attributes, result, 'P576', date=True)
|
||||||
'http://musicbrainz.org/work/'
|
# start date
|
||||||
+ musicbrainz_work_id)
|
add_attribute(attributes, result, 'P580', date=True)
|
||||||
|
# end date
|
||||||
|
add_attribute(attributes, result, 'P582', date=True)
|
||||||
|
|
||||||
musicbrainz_artist_id = get_string(claims, 'P434')
|
# date of birth
|
||||||
if musicbrainz_artist_id is not None:
|
add_attribute(attributes, result, 'P569', date=True)
|
||||||
add_url(urls,
|
# date of death
|
||||||
'MusicBrainz',
|
add_attribute(attributes, result, 'P570', date=True)
|
||||||
'http://musicbrainz.org/artist/'
|
|
||||||
+ musicbrainz_artist_id)
|
|
||||||
|
|
||||||
musicbrainz_release_group_id = get_string(claims, 'P436')
|
# nationality
|
||||||
if musicbrainz_release_group_id is not None:
|
add_attribute(attributes, result, 'P27')
|
||||||
add_url(urls,
|
# country of origin
|
||||||
'MusicBrainz',
|
add_attribute(attributes, result, 'P495')
|
||||||
'http://musicbrainz.org/release-group/'
|
# country
|
||||||
+ musicbrainz_release_group_id)
|
add_attribute(attributes, result, 'P17')
|
||||||
|
# headquarters
|
||||||
|
add_attribute(attributes, result, 'Q180')
|
||||||
|
|
||||||
musicbrainz_label_id = get_string(claims, 'P966')
|
# PLACES
|
||||||
if musicbrainz_label_id is not None:
|
# capital
|
||||||
add_url(urls,
|
add_attribute(attributes, result, 'P36', trim=True)
|
||||||
'MusicBrainz',
|
# head of state
|
||||||
'http://musicbrainz.org/label/'
|
add_attribute(attributes, result, 'P35', trim=True)
|
||||||
+ musicbrainz_label_id)
|
# head of government
|
||||||
|
add_attribute(attributes, result, 'P6', trim=True)
|
||||||
|
# type of government
|
||||||
|
add_attribute(attributes, result, 'P122')
|
||||||
|
# official language
|
||||||
|
add_attribute(attributes, result, 'P37')
|
||||||
|
# population
|
||||||
|
add_attribute(attributes, result, 'P1082', trim=True)
|
||||||
|
# area
|
||||||
|
add_attribute(attributes, result, 'P2046')
|
||||||
|
# currency
|
||||||
|
add_attribute(attributes, result, 'P38')
|
||||||
|
# heigth (building)
|
||||||
|
add_attribute(attributes, result, 'P2048')
|
||||||
|
|
||||||
# musicbrainz_area_id = get_string(claims, 'P982')
|
# MEDIA
|
||||||
# P1407 MusicBrainz series ID
|
# platform (videogames)
|
||||||
# P1004 MusicBrainz place ID
|
add_attribute(attributes, result, 'P400')
|
||||||
# P1330 MusicBrainz instrument ID
|
# author
|
||||||
# P1407 MusicBrainz series ID
|
add_attribute(attributes, result, 'P50')
|
||||||
|
# creator
|
||||||
|
add_attribute(attributes, result, 'P170')
|
||||||
|
# director
|
||||||
|
add_attribute(attributes, result, 'P57')
|
||||||
|
# performer
|
||||||
|
add_attribute(attributes, result, 'P175')
|
||||||
|
# developer
|
||||||
|
add_attribute(attributes, result, 'P178')
|
||||||
|
# producer
|
||||||
|
add_attribute(attributes, result, 'P162')
|
||||||
|
# manufacturer
|
||||||
|
add_attribute(attributes, result, 'P176')
|
||||||
|
# screenwriter
|
||||||
|
add_attribute(attributes, result, 'P58')
|
||||||
|
# production company
|
||||||
|
add_attribute(attributes, result, 'P272')
|
||||||
|
# record label
|
||||||
|
add_attribute(attributes, result, 'P264')
|
||||||
|
# publisher
|
||||||
|
add_attribute(attributes, result, 'P123')
|
||||||
|
# composer
|
||||||
|
add_attribute(attributes, result, 'P86')
|
||||||
|
# publication date
|
||||||
|
add_attribute(attributes, result, 'P577', date=True)
|
||||||
|
# genre
|
||||||
|
add_attribute(attributes, result, 'P136')
|
||||||
|
# original language
|
||||||
|
add_attribute(attributes, result, 'P364')
|
||||||
|
# isbn
|
||||||
|
add_attribute(attributes, result, 'Q33057')
|
||||||
|
# software license
|
||||||
|
add_attribute(attributes, result, 'P275')
|
||||||
|
# programming language
|
||||||
|
add_attribute(attributes, result, 'P277')
|
||||||
|
# version
|
||||||
|
add_attribute(attributes, result, 'P348', trim=True)
|
||||||
|
# narrative location
|
||||||
|
add_attribute(attributes, result, 'P840')
|
||||||
|
|
||||||
postal_code = get_string(claims, 'P281', None)
|
# LANGUAGES
|
||||||
if postal_code is not None:
|
# number of speakers
|
||||||
attributes.append({'label': get_label('P281', language), 'value': postal_code})
|
add_attribute(attributes, result, 'P1098')
|
||||||
|
# writing system
|
||||||
|
add_attribute(attributes, result, 'P282')
|
||||||
|
# regulatory body
|
||||||
|
add_attribute(attributes, result, 'P1018')
|
||||||
|
# language code
|
||||||
|
add_attribute(attributes, result, 'P218')
|
||||||
|
|
||||||
date_of_birth = get_time(claims, 'P569', locale, None)
|
# OTHER
|
||||||
if date_of_birth is not None:
|
# ceo
|
||||||
attributes.append({'label': get_label('P569', language), 'value': date_of_birth})
|
add_attribute(attributes, result, 'P169', trim=True)
|
||||||
|
# founder
|
||||||
|
add_attribute(attributes, result, 'P112')
|
||||||
|
# legal form (company/organization)
|
||||||
|
add_attribute(attributes, result, 'P1454')
|
||||||
|
# taxon
|
||||||
|
add_attribute(attributes, result, 'P225')
|
||||||
|
# chemical formula
|
||||||
|
add_attribute(attributes, result, 'P274')
|
||||||
|
# winner (sports/contests)
|
||||||
|
add_attribute(attributes, result, 'P1346')
|
||||||
|
# number of deaths
|
||||||
|
add_attribute(attributes, result, 'P1120')
|
||||||
|
# currency code
|
||||||
|
add_attribute(attributes, result, 'P498')
|
||||||
|
|
||||||
date_of_death = get_time(claims, 'P570', locale, None)
|
image = add_image(result)
|
||||||
if date_of_death is not None:
|
|
||||||
attributes.append({'label': get_label('P570', language), 'value': date_of_death})
|
|
||||||
|
|
||||||
if len(attributes) == 0 and len(urls) == 2 and len(description) == 0:
|
if len(attributes) == 0 and len(urls) == 2 and len(description) == 0:
|
||||||
results.append({
|
results.append({
|
||||||
|
@ -197,6 +290,7 @@ def getDetail(jsonresponse, wikidata_id, language, locale):
|
||||||
'infobox': title,
|
'infobox': title,
|
||||||
'id': wikipedia_link,
|
'id': wikipedia_link,
|
||||||
'content': description,
|
'content': description,
|
||||||
|
'img_src': image,
|
||||||
'attributes': attributes,
|
'attributes': attributes,
|
||||||
'urls': urls
|
'urls': urls
|
||||||
})
|
})
|
||||||
|
@ -204,92 +298,149 @@ def getDetail(jsonresponse, wikidata_id, language, locale):
|
||||||
return results
|
return results
|
||||||
|
|
||||||
|
|
||||||
def add_url(urls, title, url):
|
# only returns first match
|
||||||
if url is not None:
|
def add_image(result):
|
||||||
urls.append({'title': title, 'url': url})
|
# P18: image, P154: logo, P242: map, P41: flag, P2716: collage, P2910: icon
|
||||||
return 1
|
property_ids = ['P18', 'P154', 'P242', 'P41', 'P2716', 'P2910']
|
||||||
|
|
||||||
|
for property_id in property_ids:
|
||||||
|
image = result.xpath(property_xpath.replace('{propertyid}', property_id))
|
||||||
|
if image:
|
||||||
|
image_name = image[0].xpath(value_xpath)
|
||||||
|
image_src = url_image.replace('{filename}', extract_text(image_name[0]))
|
||||||
|
return image_src
|
||||||
|
|
||||||
|
|
||||||
|
# setting trim will only returned high ranked rows OR the first row
|
||||||
|
def add_attribute(attributes, result, property_id, default_label=None, date=False, trim=False):
|
||||||
|
attribute = result.xpath(property_xpath.replace('{propertyid}', property_id))
|
||||||
|
if attribute:
|
||||||
|
|
||||||
|
if default_label:
|
||||||
|
label = default_label
|
||||||
|
else:
|
||||||
|
label = extract_text(attribute[0].xpath(label_xpath))
|
||||||
|
|
||||||
|
if date:
|
||||||
|
trim = True
|
||||||
|
# remove calendar name
|
||||||
|
calendar_name = attribute[0].xpath(calendar_name_xpath)
|
||||||
|
for calendar in calendar_name:
|
||||||
|
calendar.getparent().remove(calendar)
|
||||||
|
|
||||||
|
concat_values = ""
|
||||||
|
values = []
|
||||||
|
first_value = None
|
||||||
|
for row in attribute[0].xpath(property_row_xpath):
|
||||||
|
if not first_value or not trim or row.xpath(preferred_rank_xpath):
|
||||||
|
|
||||||
|
value = row.xpath(value_xpath)
|
||||||
|
if not value:
|
||||||
|
continue
|
||||||
|
value = extract_text(value)
|
||||||
|
|
||||||
|
# save first value in case no ranked row is found
|
||||||
|
if trim and not first_value:
|
||||||
|
first_value = value
|
||||||
|
else:
|
||||||
|
# to avoid duplicate values
|
||||||
|
if value not in values:
|
||||||
|
concat_values += value + ", "
|
||||||
|
values.append(value)
|
||||||
|
|
||||||
|
if trim and not values:
|
||||||
|
attributes.append({'label': label,
|
||||||
|
'value': first_value})
|
||||||
|
else:
|
||||||
|
attributes.append({'label': label,
|
||||||
|
'value': concat_values[:-2]})
|
||||||
|
|
||||||
|
|
||||||
|
# requires property_id unless it's a wiki link (defined in link_type)
|
||||||
|
def add_url(urls, result, property_id=None, default_label=None, url_prefix=None, results=None, link_type=None):
|
||||||
|
links = []
|
||||||
|
|
||||||
|
# wiki links don't have property in wikidata page
|
||||||
|
if link_type and 'wiki' in link_type:
|
||||||
|
links.append(get_wikilink(result, link_type))
|
||||||
else:
|
else:
|
||||||
return 0
|
dom_element = result.xpath(property_xpath.replace('{propertyid}', property_id))
|
||||||
|
if dom_element:
|
||||||
|
dom_element = dom_element[0]
|
||||||
|
if not default_label:
|
||||||
|
label = extract_text(dom_element.xpath(label_xpath))
|
||||||
|
|
||||||
|
if link_type == 'geo':
|
||||||
|
links.append(get_geolink(dom_element))
|
||||||
|
|
||||||
|
elif link_type == 'imdb':
|
||||||
|
links.append(get_imdblink(dom_element, url_prefix))
|
||||||
|
|
||||||
|
else:
|
||||||
|
url_results = dom_element.xpath(url_xpath)
|
||||||
|
for link in url_results:
|
||||||
|
if link is not None:
|
||||||
|
if url_prefix:
|
||||||
|
link = url_prefix + extract_text(link)
|
||||||
|
else:
|
||||||
|
link = extract_text(link)
|
||||||
|
links.append(link)
|
||||||
|
|
||||||
|
# append urls
|
||||||
|
for url in links:
|
||||||
|
if url is not None:
|
||||||
|
urls.append({'title': default_label or label,
|
||||||
|
'url': url})
|
||||||
|
if results is not None:
|
||||||
|
results.append({'title': default_label or label,
|
||||||
|
'url': url})
|
||||||
|
|
||||||
|
|
||||||
def get_mainsnak(claims, propertyName):
|
def get_imdblink(result, url_prefix):
|
||||||
propValue = claims.get(propertyName, {})
|
imdb_id = result.xpath(value_xpath)
|
||||||
if len(propValue) == 0:
|
if imdb_id:
|
||||||
|
imdb_id = extract_text(imdb_id)
|
||||||
|
id_prefix = imdb_id[:2]
|
||||||
|
if id_prefix == 'tt':
|
||||||
|
url = url_prefix + 'title/' + imdb_id
|
||||||
|
elif id_prefix == 'nm':
|
||||||
|
url = url_prefix + 'name/' + imdb_id
|
||||||
|
elif id_prefix == 'ch':
|
||||||
|
url = url_prefix + 'character/' + imdb_id
|
||||||
|
elif id_prefix == 'co':
|
||||||
|
url = url_prefix + 'company/' + imdb_id
|
||||||
|
elif id_prefix == 'ev':
|
||||||
|
url = url_prefix + 'event/' + imdb_id
|
||||||
|
else:
|
||||||
|
url = None
|
||||||
|
return url
|
||||||
|
|
||||||
|
|
||||||
|
def get_geolink(result):
|
||||||
|
coordinates = result.xpath(value_xpath)
|
||||||
|
if not coordinates:
|
||||||
return None
|
return None
|
||||||
|
coordinates = extract_text(coordinates[0])
|
||||||
|
latitude, longitude = coordinates.split(',')
|
||||||
|
|
||||||
propValue = propValue[0].get('mainsnak', None)
|
# convert to decimal
|
||||||
return propValue
|
lat = int(latitude[:latitude.find(u'°')])
|
||||||
|
if latitude.find('\'') >= 0:
|
||||||
|
lat += int(latitude[latitude.find(u'°') + 1:latitude.find('\'')] or 0) / 60.0
|
||||||
def get_string(claims, propertyName, defaultValue=None):
|
if latitude.find('"') >= 0:
|
||||||
propValue = claims.get(propertyName, {})
|
lat += float(latitude[latitude.find('\'') + 1:latitude.find('"')] or 0) / 3600.0
|
||||||
if len(propValue) == 0:
|
if latitude.find('S') >= 0:
|
||||||
return defaultValue
|
lat *= -1
|
||||||
|
lon = int(longitude[:longitude.find(u'°')])
|
||||||
result = []
|
if longitude.find('\'') >= 0:
|
||||||
for e in propValue:
|
lon += int(longitude[longitude.find(u'°') + 1:longitude.find('\'')] or 0) / 60.0
|
||||||
mainsnak = e.get('mainsnak', {})
|
if longitude.find('"') >= 0:
|
||||||
|
lon += float(longitude[longitude.find('\'') + 1:longitude.find('"')] or 0) / 3600.0
|
||||||
datavalue = mainsnak.get('datavalue', {})
|
if longitude.find('W') >= 0:
|
||||||
if datavalue is not None:
|
lon *= -1
|
||||||
result.append(datavalue.get('value', ''))
|
|
||||||
|
|
||||||
if len(result) == 0:
|
|
||||||
return defaultValue
|
|
||||||
else:
|
|
||||||
# TODO handle multiple urls
|
|
||||||
return result[0]
|
|
||||||
|
|
||||||
|
|
||||||
def get_time(claims, propertyName, locale, defaultValue=None):
|
|
||||||
propValue = claims.get(propertyName, {})
|
|
||||||
if len(propValue) == 0:
|
|
||||||
return defaultValue
|
|
||||||
|
|
||||||
result = []
|
|
||||||
for e in propValue:
|
|
||||||
mainsnak = e.get('mainsnak', {})
|
|
||||||
|
|
||||||
datavalue = mainsnak.get('datavalue', {})
|
|
||||||
if datavalue is not None:
|
|
||||||
value = datavalue.get('value', '')
|
|
||||||
result.append(value.get('time', ''))
|
|
||||||
|
|
||||||
if len(result) == 0:
|
|
||||||
date_string = defaultValue
|
|
||||||
else:
|
|
||||||
date_string = ', '.join(result)
|
|
||||||
|
|
||||||
try:
|
|
||||||
parsed_date = datetime.strptime(date_string, "+%Y-%m-%dT%H:%M:%SZ")
|
|
||||||
except:
|
|
||||||
if date_string.startswith('-'):
|
|
||||||
return date_string.split('T')[0]
|
|
||||||
try:
|
|
||||||
parsed_date = dateutil_parse(date_string, fuzzy=False, default=False)
|
|
||||||
except:
|
|
||||||
logger.debug('could not parse date %s', date_string)
|
|
||||||
return date_string.split('T')[0]
|
|
||||||
|
|
||||||
return format_date_by_locale(parsed_date, locale)
|
|
||||||
|
|
||||||
|
|
||||||
def get_geolink(claims, propertyName, defaultValue=''):
|
|
||||||
mainsnak = get_mainsnak(claims, propertyName)
|
|
||||||
|
|
||||||
if mainsnak is None:
|
|
||||||
return defaultValue
|
|
||||||
|
|
||||||
datatype = mainsnak.get('datatype', '')
|
|
||||||
datavalue = mainsnak.get('datavalue', {})
|
|
||||||
|
|
||||||
if datatype != 'globe-coordinate':
|
|
||||||
return defaultValue
|
|
||||||
|
|
||||||
value = datavalue.get('value', {})
|
|
||||||
|
|
||||||
precision = value.get('precision', 0.0002)
|
|
||||||
|
|
||||||
|
# TODO: get precision
|
||||||
|
precision = 0.0002
|
||||||
# there is no zoom information, deduce from precision (error prone)
|
# there is no zoom information, deduce from precision (error prone)
|
||||||
# samples :
|
# samples :
|
||||||
# 13 --> 5
|
# 13 --> 5
|
||||||
|
@ -305,39 +456,20 @@ def get_geolink(claims, propertyName, defaultValue=''):
|
||||||
zoom = int(15 - precision * 8.8322 + precision * precision * 0.625447)
|
zoom = int(15 - precision * 8.8322 + precision * precision * 0.625447)
|
||||||
|
|
||||||
url = url_map\
|
url = url_map\
|
||||||
.replace('{latitude}', str(value.get('latitude', 0)))\
|
.replace('{latitude}', str(lat))\
|
||||||
.replace('{longitude}', str(value.get('longitude', 0)))\
|
.replace('{longitude}', str(lon))\
|
||||||
.replace('{zoom}', str(zoom))
|
.replace('{zoom}', str(zoom))
|
||||||
|
|
||||||
return url
|
return url
|
||||||
|
|
||||||
|
|
||||||
def get_wikilink(result, wikiid):
|
def get_wikilink(result, wikiid):
|
||||||
url = result.get('sitelinks', {}).get(wikiid, {}).get('url', None)
|
url = result.xpath(wikilink_xpath.replace('{wikiid}', wikiid))
|
||||||
if url is None:
|
if not url:
|
||||||
return url
|
return None
|
||||||
elif url.startswith('http://'):
|
url = url[0]
|
||||||
|
if url.startswith('http://'):
|
||||||
url = url.replace('http://', 'https://')
|
url = url.replace('http://', 'https://')
|
||||||
elif url.startswith('//'):
|
elif url.startswith('//'):
|
||||||
url = 'https:' + url
|
url = 'https:' + url
|
||||||
return url
|
return url
|
||||||
|
|
||||||
|
|
||||||
def get_wiki_firstlanguage(result, wikipatternid):
|
|
||||||
for k in result.get('sitelinks', {}).keys():
|
|
||||||
if k.endswith(wikipatternid) and len(k) == (2 + len(wikipatternid)):
|
|
||||||
return k[0:2]
|
|
||||||
return None
|
|
||||||
|
|
||||||
|
|
||||||
def get_label(entity_id, language):
|
|
||||||
url = url_entity_label.format(query=urlencode({'ids': entity_id,
|
|
||||||
'languages': language + '|en'}))
|
|
||||||
|
|
||||||
response = get(url)
|
|
||||||
jsonresponse = json.loads(response.text)
|
|
||||||
label = jsonresponse.get('entities', {}).get(entity_id, {}).get('labels', {}).get(language, {}).get('value', None)
|
|
||||||
if label is None:
|
|
||||||
label = jsonresponse['entities'][entity_id]['labels']['en']['value']
|
|
||||||
|
|
||||||
return label
|
|
||||||
|
|
|
@ -1,18 +1,18 @@
|
||||||
<div class="infobox">
|
<div class="infobox">
|
||||||
<h2>{{ infobox.infobox }}</h2>
|
<h2><bdi>{{ infobox.infobox }}</bdi></h2>
|
||||||
{% if infobox.img_src %}<img src="{{ image_proxify(infobox.img_src) }}" title="{{ infobox.infobox|striptags }}" alt="{{ infobox.infobox|striptags }}" />{% endif %}
|
{% if infobox.img_src %}<img src="{{ image_proxify(infobox.img_src) }}" title="{{ infobox.infobox|striptags }}" alt="{{ infobox.infobox|striptags }}" />{% endif %}
|
||||||
<p>{{ infobox.entity }}</p>
|
<p><bdi>{{ infobox.entity }}</bdi></p>
|
||||||
<p>{{ infobox.content | safe }}</p>
|
<p><bdi>{{ infobox.content | safe }}</bdi></p>
|
||||||
{% if infobox.attributes %}
|
{% if infobox.attributes %}
|
||||||
<div class="attributes">
|
<div class="attributes">
|
||||||
<table>
|
<table>
|
||||||
{% for attribute in infobox.attributes %}
|
{% for attribute in infobox.attributes %}
|
||||||
<tr>
|
<tr>
|
||||||
<td>{{ attribute.label }}</td>
|
<td><bdi>{{ attribute.label }}</bdi></td>
|
||||||
{% if attribute.image %}
|
{% if attribute.image %}
|
||||||
<td><img src="{{ image_proxify(attribute.image.src) }}" alt="{{ attribute.image.alt }}" /></td>
|
<td><img src="{{ image_proxify(attribute.image.src) }}" alt="{{ attribute.image.alt }}" /></td>
|
||||||
{% else %}
|
{% else %}
|
||||||
<td>{{ attribute.value }}</td>
|
<td><bdi>{{ attribute.value }}</bdi></td>
|
||||||
{% endif %}
|
{% endif %}
|
||||||
</tr>
|
</tr>
|
||||||
{% endfor %}
|
{% endfor %}
|
||||||
|
@ -24,7 +24,7 @@
|
||||||
<div class="urls">
|
<div class="urls">
|
||||||
<ul>
|
<ul>
|
||||||
{% for url in infobox.urls %}
|
{% for url in infobox.urls %}
|
||||||
<li class="url"><a href="{{ url.url }}" rel="noreferrer">{{ url.title }}</a></li>
|
<li class="url"><bdi><a href="{{ url.url }}" rel="noreferrer">{{ url.title }}</a></bdi></li>
|
||||||
{% endfor %}
|
{% endfor %}
|
||||||
</ul>
|
</ul>
|
||||||
</div>
|
</div>
|
||||||
|
@ -34,7 +34,7 @@
|
||||||
<div class="relatedTopics">
|
<div class="relatedTopics">
|
||||||
{% for topic in infobox.relatedTopics %}
|
{% for topic in infobox.relatedTopics %}
|
||||||
<div>
|
<div>
|
||||||
<h3>{{ topic.name }}</h3>
|
<h3><bdi>{{ topic.name }}</bdi></h3>
|
||||||
{% for suggestion in topic.suggestions %}
|
{% for suggestion in topic.suggestions %}
|
||||||
<form method="{{ method or 'POST' }}" action="{{ url_for('index') }}">
|
<form method="{{ method or 'POST' }}" action="{{ url_for('index') }}">
|
||||||
<input type="hidden" name="q" value="{{ suggestion }}">
|
<input type="hidden" name="q" value="{{ suggestion }}">
|
||||||
|
|
|
@ -1,21 +1,20 @@
|
||||||
<div class="panel panel-default infobox">
|
<div class="panel panel-default infobox">
|
||||||
<div class="panel-heading">
|
<div class="panel-heading">
|
||||||
<bdi><h4 class="panel-title infobox_part">{{ infobox.infobox }}</h4></bdi>
|
<h4 class="panel-title infobox_part"><bdi>{{ infobox.infobox }}</bdi></h4>
|
||||||
</div>
|
</div>
|
||||||
<div class="panel-body">
|
<div class="panel-body">
|
||||||
<bdi>
|
|
||||||
{% if infobox.img_src %}<img class="img-responsive center-block infobox_part" src="{{ image_proxify(infobox.img_src) }}" alt="{{ infobox.infobox }}" />{% endif %}
|
{% if infobox.img_src %}<img class="img-responsive center-block infobox_part" src="{{ image_proxify(infobox.img_src) }}" alt="{{ infobox.infobox }}" />{% endif %}
|
||||||
{% if infobox.content %}<p class="infobox_part">{{ infobox.content }}</p>{% endif %}
|
{% if infobox.content %}<bdi><p class="infobox_part">{{ infobox.content }}</bdi></p>{% endif %}
|
||||||
|
|
||||||
{% if infobox.attributes %}
|
{% if infobox.attributes %}
|
||||||
<table class="table table-striped infobox_part">
|
<table class="table table-striped infobox_part">
|
||||||
{% for attribute in infobox.attributes %}
|
{% for attribute in infobox.attributes %}
|
||||||
<tr>
|
<tr>
|
||||||
<td>{{ attribute.label }}</td>
|
<td><bdi>{{ attribute.label }}</bdi></td>
|
||||||
{% if attribute.image %}
|
{% if attribute.image %}
|
||||||
<td><img class="img-responsive" src="{{ image_proxify(attribute.image.src) }}" alt="{{ attribute.image.alt }}" /></td>
|
<td><img class="img-responsive" src="{{ image_proxify(attribute.image.src) }}" alt="{{ attribute.image.alt }}" /></td>
|
||||||
{% else %}
|
{% else %}
|
||||||
<td>{{ attribute.value }}</td>
|
<td><bdi>{{ attribute.value }}</bdi></td>
|
||||||
{% endif %}
|
{% endif %}
|
||||||
</tr>
|
</tr>
|
||||||
{% endfor %}
|
{% endfor %}
|
||||||
|
@ -24,11 +23,12 @@
|
||||||
|
|
||||||
{% if infobox.urls %}
|
{% if infobox.urls %}
|
||||||
<div class="infobox_part">
|
<div class="infobox_part">
|
||||||
|
<bdi>
|
||||||
{% for url in infobox.urls %}
|
{% for url in infobox.urls %}
|
||||||
<p class="btn btn-default btn-xs"><a href="{{ url.url }}" rel="noreferrer">{{ url.title }}</a></p>
|
<p class="btn btn-default btn-xs"><a href="{{ url.url }}" rel="noreferrer">{{ url.title }}</a></p>
|
||||||
{% endfor %}
|
{% endfor %}
|
||||||
|
</bdi>
|
||||||
</div>
|
</div>
|
||||||
{% endif %}
|
{% endif %}
|
||||||
</bdi>
|
|
||||||
</div>
|
</div>
|
||||||
</div>
|
</div>
|
||||||
|
|
502
tests/unit/engines/test_wikidata.py
Normal file
502
tests/unit/engines/test_wikidata.py
Normal file
|
@ -0,0 +1,502 @@
|
||||||
|
# -*- coding: utf-8 -*-
|
||||||
|
from json import loads
|
||||||
|
from lxml.html import fromstring
|
||||||
|
from collections import defaultdict
|
||||||
|
import mock
|
||||||
|
from searx.engines import wikidata
|
||||||
|
from searx.testing import SearxTestCase
|
||||||
|
|
||||||
|
|
||||||
|
class TestWikidataEngine(SearxTestCase):
|
||||||
|
|
||||||
|
def test_request(self):
|
||||||
|
query = 'test_query'
|
||||||
|
dicto = defaultdict(dict)
|
||||||
|
dicto['language'] = 'all'
|
||||||
|
params = wikidata.request(query, dicto)
|
||||||
|
self.assertIn('url', params)
|
||||||
|
self.assertIn(query, params['url'])
|
||||||
|
self.assertIn('wikidata.org', params['url'])
|
||||||
|
self.assertIn('en', params['url'])
|
||||||
|
|
||||||
|
dicto['language'] = 'es_ES'
|
||||||
|
params = wikidata.request(query, dicto)
|
||||||
|
self.assertIn(query, params['url'])
|
||||||
|
self.assertIn('es', params['url'])
|
||||||
|
|
||||||
|
# successful cases are not tested here to avoid sending additional requests
|
||||||
|
def test_response(self):
|
||||||
|
self.assertRaises(AttributeError, wikidata.response, None)
|
||||||
|
self.assertRaises(AttributeError, wikidata.response, [])
|
||||||
|
self.assertRaises(AttributeError, wikidata.response, '')
|
||||||
|
self.assertRaises(AttributeError, wikidata.response, '[]')
|
||||||
|
|
||||||
|
response = mock.Mock(content='<html></html>', search_params={"language": "all"})
|
||||||
|
self.assertEqual(wikidata.response(response), [])
|
||||||
|
|
||||||
|
def test_getDetail(self):
|
||||||
|
response = {}
|
||||||
|
results = wikidata.getDetail(response, "Q123", "en", "en-US")
|
||||||
|
self.assertEqual(results, [])
|
||||||
|
|
||||||
|
title_html = '<div><div class="wikibase-title-label">Test</div></div>'
|
||||||
|
html = """
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-entitytermsview-heading-description">
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<ul class="wikibase-sitelinklistview-listview">
|
||||||
|
<li data-wb-siteid="enwiki"><a href="http://en.wikipedia.org/wiki/Test">Test</a></li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
response = {"parse": {"displaytitle": title_html, "text": html}}
|
||||||
|
|
||||||
|
results = wikidata.getDetail(response, "Q123", "en", "en-US")
|
||||||
|
self.assertEqual(len(results), 1)
|
||||||
|
self.assertEqual(results[0]['url'], 'https://en.wikipedia.org/wiki/Test')
|
||||||
|
|
||||||
|
title_html = """
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-title-label">
|
||||||
|
<span lang="en">Test</span>
|
||||||
|
<sup class="wb-language-fallback-indicator">English</sup>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html = """
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-entitytermsview-heading-description">
|
||||||
|
<span lang="en">Description</span>
|
||||||
|
<sup class="wb-language-fallback-indicator">English</sup>
|
||||||
|
</div>
|
||||||
|
<div id="P856">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P856">
|
||||||
|
<span lang="en">official website</span>
|
||||||
|
<sup class="wb-language-fallback-indicator">English</sup>
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<a class="external free" href="https://officialsite.com">
|
||||||
|
https://officialsite.com
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<ul class="wikibase-sitelinklistview-listview">
|
||||||
|
<li data-wb-siteid="enwiki"><a href="http://en.wikipedia.org/wiki/Test">Test</a></li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
response = {"parse": {"displaytitle": title_html, "text": html}}
|
||||||
|
|
||||||
|
results = wikidata.getDetail(response, "Q123", "yua", "yua_MX")
|
||||||
|
self.assertEqual(len(results), 2)
|
||||||
|
self.assertEqual(results[0]['title'], 'official website')
|
||||||
|
self.assertEqual(results[0]['url'], 'https://officialsite.com')
|
||||||
|
|
||||||
|
self.assertEqual(results[1]['infobox'], 'Test')
|
||||||
|
self.assertEqual(results[1]['id'], None)
|
||||||
|
self.assertEqual(results[1]['content'], 'Description')
|
||||||
|
self.assertEqual(results[1]['attributes'], [])
|
||||||
|
self.assertEqual(results[1]['urls'][0]['title'], 'official website')
|
||||||
|
self.assertEqual(results[1]['urls'][0]['url'], 'https://officialsite.com')
|
||||||
|
self.assertEqual(results[1]['urls'][1]['title'], 'Wikipedia (en)')
|
||||||
|
self.assertEqual(results[1]['urls'][1]['url'], 'https://en.wikipedia.org/wiki/Test')
|
||||||
|
|
||||||
|
def test_add_image(self):
|
||||||
|
image_src = wikidata.add_image(fromstring("<div></div>"))
|
||||||
|
self.assertEqual(image_src, None)
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P18">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P18">
|
||||||
|
image
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="https://commons.wikimedia.org/wiki/File:image.png">
|
||||||
|
image.png
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
|
||||||
|
image_src = wikidata.add_image(html_etree)
|
||||||
|
self.assertEqual(image_src, "https://commons.wikimedia.org/wiki/Special:FilePath/image.png?width=500")
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P2910">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P2910">
|
||||||
|
icon
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="https://commons.wikimedia.org/wiki/File:icon.png">
|
||||||
|
icon.png
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div id="P154">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P154">
|
||||||
|
logo
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="https://commons.wikimedia.org/wiki/File:logo.png">
|
||||||
|
logo.png
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
|
||||||
|
image_src = wikidata.add_image(html_etree)
|
||||||
|
self.assertEqual(image_src, "https://commons.wikimedia.org/wiki/Special:FilePath/logo.png?width=500")
|
||||||
|
|
||||||
|
def test_add_attribute(self):
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P27">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P27">
|
||||||
|
country of citizenship
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="/wiki/Q145">
|
||||||
|
United Kingdom
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
attributes = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
|
||||||
|
wikidata.add_attribute(attributes, html_etree, "Fail")
|
||||||
|
self.assertEqual(attributes, [])
|
||||||
|
|
||||||
|
wikidata.add_attribute(attributes, html_etree, "P27")
|
||||||
|
self.assertEqual(len(attributes), 1)
|
||||||
|
self.assertEqual(attributes[0]["label"], "country of citizenship")
|
||||||
|
self.assertEqual(attributes[0]["value"], "United Kingdom")
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P569">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P569">
|
||||||
|
date of birth
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
27 January 1832
|
||||||
|
<sup class="wb-calendar-name">
|
||||||
|
Gregorian
|
||||||
|
</sup>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
attributes = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikidata.add_attribute(attributes, html_etree, "P569", date=True)
|
||||||
|
self.assertEqual(len(attributes), 1)
|
||||||
|
self.assertEqual(attributes[0]["label"], "date of birth")
|
||||||
|
self.assertEqual(attributes[0]["value"], "27 January 1832")
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P6">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P27">
|
||||||
|
head of government
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-normal"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="/wiki/Q206">
|
||||||
|
Old Prime Minister
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-rankselector">
|
||||||
|
<span class="wikibase-rankselector-preferred"></span>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a href="/wiki/Q3099714">
|
||||||
|
Actual Prime Minister
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
attributes = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikidata.add_attribute(attributes, html_etree, "P6")
|
||||||
|
self.assertEqual(len(attributes), 1)
|
||||||
|
self.assertEqual(attributes[0]["label"], "head of government")
|
||||||
|
self.assertEqual(attributes[0]["value"], "Old Prime Minister, Actual Prime Minister")
|
||||||
|
|
||||||
|
attributes = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikidata.add_attribute(attributes, html_etree, "P6", trim=True)
|
||||||
|
self.assertEqual(len(attributes), 1)
|
||||||
|
self.assertEqual(attributes[0]["value"], "Actual Prime Minister")
|
||||||
|
|
||||||
|
def test_add_url(self):
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P856">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P856">
|
||||||
|
official website
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a class="external free" href="https://searx.me">
|
||||||
|
https://searx.me/
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
urls = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikidata.add_url(urls, html_etree, 'P856')
|
||||||
|
self.assertEquals(len(urls), 1)
|
||||||
|
self.assertIn({'title': 'official website', 'url': 'https://searx.me/'}, urls)
|
||||||
|
urls = []
|
||||||
|
results = []
|
||||||
|
wikidata.add_url(urls, html_etree, 'P856', 'custom label', results=results)
|
||||||
|
self.assertEquals(len(urls), 1)
|
||||||
|
self.assertEquals(len(results), 1)
|
||||||
|
self.assertIn({'title': 'custom label', 'url': 'https://searx.me/'}, urls)
|
||||||
|
self.assertIn({'title': 'custom label', 'url': 'https://searx.me/'}, results)
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div id="P856">
|
||||||
|
<div class="wikibase-statementgroupview-property-label">
|
||||||
|
<a href="/wiki/Property:P856">
|
||||||
|
official website
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementlistview">
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a class="external free" href="http://www.worldofwarcraft.com">
|
||||||
|
http://www.worldofwarcraft.com
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
<div class="wikibase-statementview listview-item">
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a class="external free" href="http://eu.battle.net/wow/en/">
|
||||||
|
http://eu.battle.net/wow/en/
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
urls = []
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikidata.add_url(urls, html_etree, 'P856')
|
||||||
|
self.assertEquals(len(urls), 2)
|
||||||
|
self.assertIn({'title': 'official website', 'url': 'http://www.worldofwarcraft.com'}, urls)
|
||||||
|
self.assertIn({'title': 'official website', 'url': 'http://eu.battle.net/wow/en/'}, urls)
|
||||||
|
|
||||||
|
def test_get_imdblink(self):
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a class="wb-external-id" href="http://www.imdb.com/tt0433664">
|
||||||
|
tt0433664
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
imdblink = wikidata.get_imdblink(html_etree, 'https://www.imdb.com/')
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
<a class="wb-external-id"
|
||||||
|
href="href="http://tools.wmflabs.org/...http://www.imdb.com/&id=nm4915994"">
|
||||||
|
nm4915994
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
imdblink = wikidata.get_imdblink(html_etree, 'https://www.imdb.com/')
|
||||||
|
self.assertIn('https://www.imdb.com/name/nm4915994', imdblink)
|
||||||
|
|
||||||
|
def test_get_geolink(self):
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
60°N, 40°E
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
geolink = wikidata.get_geolink(html_etree)
|
||||||
|
self.assertIn('https://www.openstreetmap.org/', geolink)
|
||||||
|
self.assertIn('lat=60&lon=40', geolink)
|
||||||
|
|
||||||
|
html = u"""
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-statementview-mainsnak">
|
||||||
|
<div>
|
||||||
|
<div class="wikibase-snakview-value">
|
||||||
|
34°35'59"S, 58°22'55"W
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
geolink = wikidata.get_geolink(html_etree)
|
||||||
|
self.assertIn('https://www.openstreetmap.org/', geolink)
|
||||||
|
self.assertIn('lat=-34.59', geolink)
|
||||||
|
self.assertIn('lon=-58.38', geolink)
|
||||||
|
|
||||||
|
def test_get_wikilink(self):
|
||||||
|
html = """
|
||||||
|
<div>
|
||||||
|
<div>
|
||||||
|
<ul class="wikibase-sitelinklistview-listview">
|
||||||
|
<li data-wb-siteid="arwiki"><a href="http://ar.wikipedia.org/wiki/Test">Test</a></li>
|
||||||
|
<li data-wb-siteid="enwiki"><a href="http://en.wikipedia.org/wiki/Test">Test</a></li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
<div>
|
||||||
|
<ul class="wikibase-sitelinklistview-listview">
|
||||||
|
<li data-wb-siteid="enwikiquote"><a href="https://en.wikiquote.org/wiki/Test">Test</a></li>
|
||||||
|
</ul>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
"""
|
||||||
|
html_etree = fromstring(html)
|
||||||
|
wikilink = wikidata.get_wikilink(html_etree, 'nowiki')
|
||||||
|
self.assertEqual(wikilink, None)
|
||||||
|
wikilink = wikidata.get_wikilink(html_etree, 'enwiki')
|
||||||
|
self.assertEqual(wikilink, 'https://en.wikipedia.org/wiki/Test')
|
||||||
|
wikilink = wikidata.get_wikilink(html_etree, 'arwiki')
|
||||||
|
self.assertEqual(wikilink, 'https://ar.wikipedia.org/wiki/Test')
|
||||||
|
wikilink = wikidata.get_wikilink(html_etree, 'enwikiquote')
|
||||||
|
self.assertEqual(wikilink, 'https://en.wikiquote.org/wiki/Test')
|
Loading…
Reference in a new issue