__init__.py

# -*- coding: utf8 -*-
from getKeytag import terminology
from summarization import summarGener
def loadFile(filename, mode = 1):
	"""
		输入文件名读取文件中内容。
		mode表示文件的读取模式，1表示分段读取和处理，最终输出的是list；2表示全文整合为一串string。
	"""
	f = open(filename, 'r')
	if mode ==1:
		article = []
		for line in f.readlines():
			article.append(line.decode('gbk','ignore'))
	elif mode == 2:
		article = ""
		for line in f.readlines():
			article+=(line.strip().decode('gbk','ignore'))
	else:
		print "WRONG MODE IS CHOSEN"
		articl = ""
	f.close()
	print "Article Loading Complete..."
	return article



if __name__ == '__main__':
	#example.txt是生物进化课的课程讲义。
	#example2.txt经济学思想史讲义
	content = loadFile("example2.txt", mode = 1)
	terms = terminology(content , topK = 50, span = 2, threshold = 5, mode = 1)
	summary = summarGener(content,terms,5)
	summary = u''.join(summary)
	#topK表示输出（最多）多少个术语
	#span表示术语最少有多少个字
	#threshold是常见词过滤阈值 i.e. 如果一个词idf值较低则认为它是术语的可能性较低
	#mode表示文件的读取模式，1表示分段读取和处理，最终汇总统计；2表示全文同时统计；
	# for word in terms:
	# 	print word.encode('gbk','ignore') #此处的编码需要根据运行环境做修改
	print summary.encode('gbk','ignore')