feat: enhance OCR search with highlighting and config options

[Johnson-zs]

1. Added highlighting support for OCR text search results
2. Implemented preview content length restriction for OCR results
3. Added new configuration options for OCR text search:
   • Maximum preview length
   • Highlighting enable/disable toggle
   • Full text retrieval enable/disable toggle
4. Updated command line interface and documentation for OCR search
   features
5. Removed deprecated comments about lack of highlighting support
6. Default max results changed to 0 (unlimited) from 100
7. Added highlightedContent field in OCR result API

Log: Added OCR search result highlighting and preview features with
configurable options

Influence:

1. Test OCR search with highlighting enabled/disabled
2. Verify preview length restriction works as expected
3. Test full text retrieval vs metadata only modes
4. Check JSON and text output formats for highlighted content
5. Test various max-results values including 0 (unlimited)
6. Verify backward compatibility with existing OCR searches

feat: 增强OCR搜索功能，支持高亮和配置选项

1. 为OCR文本搜索结果添加高亮支持
2. 实现OCR结果预览内容长度限制
3. 新增OCR文本搜索配置选项：
   • 最大预览长度
   • 高亮显示开关
   • 全文检索开关
4. 更新命令行接口和文档以支持OCR搜索特性
5. 移除关于不支持高亮的过时注释
6. 默认最大结果数从100改为0（无限制）
7. 在OCR结果API中添加highlightedContent字段

Log: 新增OCR搜索结果高亮和预览功能，支持配置选项

Influence:

1. 测试启用/禁用高亮时的OCR搜索
2. 验证预览长度限制是否正常工作
3. 测试全文检索与仅元数据模式
4. 检查高亮内容在JSON和文本输出格式中的显示
5. 测试各种max-results值，包括0（无限制）
6. 验证与现有OCR搜索功能的向后兼容性

[deepin-ci-robot]

[APPROVALNOTIFIER] This PR is NOT APPROVED

This pull-request has been approved by: Johnson-zs

The full list of commands accepted by this bot can be found here.

Details

Needs approval from an approver in each of these files:

• debian/deepin/OWNERS

Approvers can indicate their approval by writing /approve in a comment
Approvers can cancel approval by writing /approve cancel in a comment

[deepin-ci-robot]

deepin pr auto review

Git Diff 代码审查报告

总体评价

这次提交引入了一个新的基类 TextSearchOptionsAPI 和 TextSearchResultAPI，用于重构内容搜索和OCR文本搜索的API，实现了代码复用和更好的类层次结构。整体设计合理，但存在一些可以改进的地方。

详细审查

1. 语法和逻辑

1.1 contentsearchapi.cpp 中的拼写错误

if (!m_options.hasCustomOption("searchResultHighligh"))  // 拼写错误

问题：searchResultHighligh 应该是 searchResultHighlight（缺少了最后的 't'）。
建议：修正拼写错误，确保与 TextSearchOptionsAPI 中使用的键名一致。

1.2 cli_options.cpp 中的默认值修改

m_maxResultsOption(QStringList() << "max-results", "Maximum number of results (0 for unlimited)", "number", "0"),

问题：将默认值从100改为0（无限制）是一个重大行为变更。
建议：

1. 考虑是否真的需要这个变更，如果需要，应该在文档中明确说明
2. 在帮助信息中更清楚地说明0表示无限制
3. 考虑添加一个验证机制，确保用户理解0的含义

2. 代码质量

2.1 测试覆盖

优点：添加了全面的单元测试 tst_textsearch_api.cpp，覆盖了新API的所有功能。
建议：

1. 考虑添加边界条件测试，例如：
   • setMaxPreviewLength(-1) 应该如何处理？
   • 超大文本内容的高亮处理
2. 添加性能测试，特别是对于OCR内容高亮处理

2.2 代码重复

问题：在 indexedstrategy.cpp 中，OCR内容高亮处理逻辑可能会与内容搜索中的类似代码重复。
建议：

1. 确保高亮处理逻辑在 ContentHighlighter 类中实现，并在所有搜索类型中复用
2. 考虑将高亮处理逻辑提取到一个公共位置，避免重复

3. 代码性能

3.1 OCR内容高亮处理

const QString highlightedContent = ContentHighlighter::customHighlight(
    m_keywords, content, previewLen, enableHTML);

问题：对于大型OCR文本内容，高亮处理可能会消耗大量资源。
建议：

1. 考虑添加最大处理大小限制
2. 对于非常大的内容，考虑异步处理或分块处理
3. 添加性能监控，记录处理时间

3.2 结果处理

for (int32_t i = 0; i < docsSize; ++i) {
    // 处理每个文档
}

建议：

1. 考虑添加批处理机制，减少频繁的内存分配
2. 对于大量结果，考虑添加进度回调，允许用户取消长时间运行的操作

4. 代码安全

4.1 异常处理

try {
    // 处理OCR内容
} catch (const Lucene::LuceneException &e) {
    qWarning() << "Exception retrieving OCR content field:" << QString::fromStdWString(e.getError());
} catch (const std::exception &e) {
    qWarning() << "Standard exception retrieving OCR content field:" << e.what();
}

优点：添加了适当的异常处理。
建议：

1. 考虑添加更详细的错误日志，包括文档路径和索引信息
2. 对于关键错误，考虑添加错误计数器或错误报告机制

4.2 输入验证

问题：在 TextSearchOptionsAPI 中，对输入参数的验证不够充分。
建议：

1. 添加对 setMaxPreviewLength 的参数验证，确保非负
2. 在设置高亮内容时，考虑添加HTML注入防护，特别是当 enableHTML 为true时

5. 其他建议

5.1 文档更新

问题：README.md 已更新，但可能需要更多细节。
建议：

1. 添加OCR搜索的性能说明和限制
2. 提供OCR搜索的示例用例和预期结果
3. 说明OCR搜索对系统资源的影响

5.2 API设计

问题：TextSearchOptionsAPI 和 TextSearchResultAPI 的继承关系设计合理，但可以考虑进一步优化。
建议：

1. 考虑使用接口类（纯虚类）来定义契约，而不是具体实现
2. 考虑添加工厂方法或构建器模式，简化复杂选项的创建

总结

这次提交引入了良好的代码重构，通过引入基类实现了代码复用和更清晰的类层次结构。主要改进点包括：

1. 添加了全面的单元测试
2. 实现了OCR文本搜索的高亮功能
3. 改进了命令行工具的默认行为

需要改进的地方包括：

1. 修正拼写错误
2. 加强输入验证
3. 优化性能，特别是OCR内容处理
4. 完善文档和示例

总体而言，这是一个高质量的提交，通过一些小的改进可以使其更加健壮和高效。

[Johnson-zs]

/forcemerge

[deepin-bot]

This pr force merged! (status: blocked)