forked from zaclys/searxng
Add Arch Linux Wiki search engine
This commit is contained in:
parent
24ea39d046
commit
d748b8419a
|
@ -41,3 +41,4 @@ generally made searx better:
|
||||||
- @GreenLunar
|
- @GreenLunar
|
||||||
- Noemi Vanyi
|
- Noemi Vanyi
|
||||||
- Kang-min Liu
|
- Kang-min Liu
|
||||||
|
- Kirill Isakov
|
||||||
|
|
|
@ -0,0 +1,144 @@
|
||||||
|
# -*- coding: utf-8 -*-
|
||||||
|
|
||||||
|
"""
|
||||||
|
Arch Linux Wiki
|
||||||
|
|
||||||
|
@website https://wiki.archlinux.org
|
||||||
|
@provide-api no (Mediawiki provides API, but Arch Wiki blocks access to it
|
||||||
|
@using-api no
|
||||||
|
@results HTML
|
||||||
|
@stable no (HTML can change)
|
||||||
|
@parse url, title, content
|
||||||
|
"""
|
||||||
|
|
||||||
|
from urlparse import urljoin
|
||||||
|
from cgi import escape
|
||||||
|
from urllib import urlencode
|
||||||
|
from lxml import html
|
||||||
|
from searx.engines.xpath import extract_text
|
||||||
|
|
||||||
|
# engine dependent config
|
||||||
|
categories = ['it']
|
||||||
|
language_support = True
|
||||||
|
paging = True
|
||||||
|
base_url = 'https://wiki.archlinux.org'
|
||||||
|
|
||||||
|
# xpath queries
|
||||||
|
xpath_results = '//ul[@class="mw-search-results"]/li'
|
||||||
|
xpath_link = './/div[@class="mw-search-result-heading"]/a'
|
||||||
|
xpath_content = './/div[@class="searchresult"]'
|
||||||
|
|
||||||
|
|
||||||
|
# cut 'en' from 'en_US', 'de' from 'de_CH', and so on
|
||||||
|
def locale_to_lang_code(locale):
|
||||||
|
if locale.find('_') >= 0:
|
||||||
|
locale = locale.split('_')[0]
|
||||||
|
return locale
|
||||||
|
|
||||||
|
# wikis for some languages were moved off from the main site, we need to make
|
||||||
|
# requests to correct URLs to be able to get results in those languages
|
||||||
|
lang_urls = {
|
||||||
|
'all': {
|
||||||
|
'base': 'https://wiki.archlinux.org',
|
||||||
|
'search': '/index.php?title=Special:Search&offset={offset}&{query}'
|
||||||
|
},
|
||||||
|
'de': {
|
||||||
|
'base': 'https://wiki.archlinux.de',
|
||||||
|
'search': '/index.php?title=Spezial:Suche&offset={offset}&{query}'
|
||||||
|
},
|
||||||
|
'fr': {
|
||||||
|
'base': 'https://wiki.archlinux.fr',
|
||||||
|
'search': '/index.php?title=Spécial:Recherche&offset={offset}&{query}'
|
||||||
|
},
|
||||||
|
'ja': {
|
||||||
|
'base': 'https://wiki.archlinuxjp.org',
|
||||||
|
'search': '/index.php?title=特別:検索&offset={offset}&{query}'
|
||||||
|
},
|
||||||
|
'ro': {
|
||||||
|
'base': 'http://wiki.archlinux.ro',
|
||||||
|
'search': '/index.php?title=Special:Căutare&offset={offset}&{query}'
|
||||||
|
},
|
||||||
|
'tr': {
|
||||||
|
'base': 'http://archtr.org/wiki',
|
||||||
|
'search': '/index.php?title=Özel:Ara&offset={offset}&{query}'
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
# get base & search URLs for selected language
|
||||||
|
def get_lang_urls(language):
|
||||||
|
if language in lang_urls:
|
||||||
|
return lang_urls[language]
|
||||||
|
return lang_urls['all']
|
||||||
|
|
||||||
|
# Language names to build search requests for
|
||||||
|
# those languages which are hosted on the main site.
|
||||||
|
main_langs = {
|
||||||
|
'ar': 'العربية',
|
||||||
|
'bg': 'Български',
|
||||||
|
'cs': 'Česky',
|
||||||
|
'da': 'Dansk',
|
||||||
|
'el': 'Ελληνικά',
|
||||||
|
'es': 'Español',
|
||||||
|
'he': 'עברית',
|
||||||
|
'hr': 'Hrvatski',
|
||||||
|
'hu': 'Magyar',
|
||||||
|
'it': 'Italiano',
|
||||||
|
'ko': '한국어',
|
||||||
|
'lt': 'Lietuviškai',
|
||||||
|
'nl': 'Nederlands',
|
||||||
|
'pl': 'Polski',
|
||||||
|
'pt': 'Português',
|
||||||
|
'ru': 'Русский',
|
||||||
|
'sl': 'Slovenský',
|
||||||
|
'th': 'ไทย',
|
||||||
|
'uk': 'Українська',
|
||||||
|
'zh': '简体中文'
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
# do search-request
|
||||||
|
def request(query, params):
|
||||||
|
# translate the locale (e.g. 'en_US') to language code ('en')
|
||||||
|
language = locale_to_lang_code(params['language'])
|
||||||
|
|
||||||
|
# if our language is hosted on the main site, we need to add its name
|
||||||
|
# to the query in order to narrow the results to that language
|
||||||
|
if language in main_langs:
|
||||||
|
query += '(' + main_langs[language] + ')'
|
||||||
|
|
||||||
|
# prepare the request parameters
|
||||||
|
query = urlencode({'search': query})
|
||||||
|
offset = (params['pageno'] - 1) * 20
|
||||||
|
|
||||||
|
# get request URLs for our language of choice
|
||||||
|
urls = get_lang_urls(language)
|
||||||
|
search_url = urls['base'] + urls['search']
|
||||||
|
|
||||||
|
params['url'] = search_url.format(query=query, offset=offset)
|
||||||
|
|
||||||
|
return params
|
||||||
|
|
||||||
|
|
||||||
|
# get response from search-request
|
||||||
|
def response(resp):
|
||||||
|
# get the base URL for the language in which request was made
|
||||||
|
language = locale_to_lang_code(resp.search_params['language'])
|
||||||
|
base_url = get_lang_urls(language)['base']
|
||||||
|
|
||||||
|
results = []
|
||||||
|
|
||||||
|
dom = html.fromstring(resp.text)
|
||||||
|
|
||||||
|
# parse results
|
||||||
|
for result in dom.xpath(xpath_results):
|
||||||
|
link = result.xpath(xpath_link)[0]
|
||||||
|
href = urljoin(base_url, link.attrib.get('href'))
|
||||||
|
title = escape(extract_text(link))
|
||||||
|
content = escape(extract_text(result.xpath(xpath_content)))
|
||||||
|
|
||||||
|
results.append({'url': href,
|
||||||
|
'title': title,
|
||||||
|
'content': content})
|
||||||
|
|
||||||
|
return results
|
|
@ -34,6 +34,10 @@ outgoing: # communication with search engines
|
||||||
# - 1.1.1.2
|
# - 1.1.1.2
|
||||||
|
|
||||||
engines:
|
engines:
|
||||||
|
- name : arch linux wiki
|
||||||
|
engine : archlinux
|
||||||
|
shortcut : al
|
||||||
|
|
||||||
- name : wikipedia
|
- name : wikipedia
|
||||||
engine : mediawiki
|
engine : mediawiki
|
||||||
shortcut : wp
|
shortcut : wp
|
||||||
|
|
|
@ -0,0 +1,111 @@
|
||||||
|
from collections import defaultdict
|
||||||
|
import mock
|
||||||
|
from searx.engines import archlinux
|
||||||
|
from searx.testing import SearxTestCase
|
||||||
|
|
||||||
|
domains = {
|
||||||
|
'all': 'https://wiki.archlinux.org',
|
||||||
|
'de': 'https://wiki.archlinux.de',
|
||||||
|
'fr': 'https://wiki.archlinux.fr',
|
||||||
|
'ja': 'https://wiki.archlinuxjp.org',
|
||||||
|
'ro': 'http://wiki.archlinux.ro',
|
||||||
|
'tr': 'http://archtr.org/wiki'
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
class TestArchLinuxEngine(SearxTestCase):
|
||||||
|
|
||||||
|
def test_request(self):
|
||||||
|
query = 'test_query'
|
||||||
|
dic = defaultdict(dict)
|
||||||
|
dic['pageno'] = 0
|
||||||
|
dic['language'] = 'en_US'
|
||||||
|
params = archlinux.request(query, dic)
|
||||||
|
self.assertTrue('url' in params)
|
||||||
|
self.assertTrue(query in params['url'])
|
||||||
|
self.assertTrue('wiki.archlinux.org' in params['url'])
|
||||||
|
|
||||||
|
for lang, domain in domains.iteritems():
|
||||||
|
dic['language'] = lang
|
||||||
|
params = archlinux.request(query, dic)
|
||||||
|
self.assertTrue(domain in params['url'])
|
||||||
|
|
||||||
|
def test_response(self):
|
||||||
|
response = mock.Mock(text='<html></html>')
|
||||||
|
response.search_params = {
|
||||||
|
'language': 'en_US'
|
||||||
|
}
|
||||||
|
self.assertEqual(archlinux.response(response), [])
|
||||||
|
|
||||||
|
html = """
|
||||||
|
<ul class="mw-search-results">
|
||||||
|
<li>
|
||||||
|
<div class="mw-search-result-heading">
|
||||||
|
<a href="/index.php/ATI" title="ATI">ATI</a>
|
||||||
|
</div>
|
||||||
|
<div class="searchresult">
|
||||||
|
Lorem ipsum dolor sit amet
|
||||||
|
</div>
|
||||||
|
<div class="mw-search-result-data">
|
||||||
|
30 KB (4,630 words) - 19:04, 17 March 2016</div>
|
||||||
|
</li>
|
||||||
|
<li>
|
||||||
|
<div class="mw-search-result-heading">
|
||||||
|
<a href="/index.php/Frequently_asked_questions" title="Frequently asked questions">
|
||||||
|
Frequently asked questions
|
||||||
|
</a>
|
||||||
|
</div>
|
||||||
|
<div class="searchresult">
|
||||||
|
CPUs with AMDs instruction set "AMD64"
|
||||||
|
</div>
|
||||||
|
<div class="mw-search-result-data">
|
||||||
|
17 KB (2,722 words) - 20:13, 21 March 2016
|
||||||
|
</div>
|
||||||
|
</li>
|
||||||
|
<li>
|
||||||
|
<div class="mw-search-result-heading">
|
||||||
|
<a href="/index.php/CPU_frequency_scaling" title="CPU frequency scaling">CPU frequency scaling</a>
|
||||||
|
</div>
|
||||||
|
<div class="searchresult">
|
||||||
|
ondemand for AMD and older Intel CPU
|
||||||
|
</div>
|
||||||
|
<div class="mw-search-result-data">
|
||||||
|
15 KB (2,319 words) - 23:46, 16 March 2016
|
||||||
|
</div>
|
||||||
|
</li>
|
||||||
|
</ul>
|
||||||
|
"""
|
||||||
|
|
||||||
|
expected = [
|
||||||
|
{
|
||||||
|
'title': 'ATI',
|
||||||
|
'url': 'https://wiki.archlinux.org/index.php/ATI',
|
||||||
|
'content': 'Lorem ipsum dolor sit amet'
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'title': 'Frequently asked questions',
|
||||||
|
'url': 'https://wiki.archlinux.org/index.php/Frequently_asked_questions',
|
||||||
|
'content': 'CPUs with AMDs instruction set "AMD64"'
|
||||||
|
},
|
||||||
|
{
|
||||||
|
'title': 'CPU frequency scaling',
|
||||||
|
'url': 'https://wiki.archlinux.org/index.php/CPU_frequency_scaling',
|
||||||
|
'content': 'ondemand for AMD and older Intel CPU'
|
||||||
|
}
|
||||||
|
]
|
||||||
|
|
||||||
|
response = mock.Mock(text=html)
|
||||||
|
response.search_params = {
|
||||||
|
'language': 'en_US'
|
||||||
|
}
|
||||||
|
results = archlinux.response(response)
|
||||||
|
|
||||||
|
self.assertEqual(type(results), list)
|
||||||
|
self.assertEqual(len(results), len(expected))
|
||||||
|
|
||||||
|
i = 0
|
||||||
|
for exp in expected:
|
||||||
|
res = results[i]
|
||||||
|
i += 1
|
||||||
|
for key, value in exp.iteritems():
|
||||||
|
self.assertEqual(res[key], value)
|
Loading…
Reference in New Issue