ro  fr  en  es  pt  ar  zh  hi  de  ru
ART 2.0 ART 3.0 ART 4.0 ART 5.0 ART 6.0 Pinterest

पायथन: टेक्स्ट फ़ाइलों और टैग अनुकूलन से कई HTML फ़ाइलें बनाएं

On January 22, 2022, in Lideri şi Atitudine, by Neculai Fantanaru

आप यहां पूरा कोड देख सकते हैं:यहां

इंस्टॉलपायथन। फिर Windows10 में कमांड प्रॉम्प्ट (सीएमडी) दुभाषिया का उपयोग करके निम्नलिखित दो पुस्तकालय स्थापित करें:

py- m pip install unidecode
py -m pip install nltk

आपको निम्नलिखित की आवश्यकता है:

1. नामक एक फ़ोल्डर बनाएं:files_html(HTML के रूप में पाठ फ़ाइलें यहां सहेजी जाएंगी)

2. नामक एक फ़ोल्डर बनाएँलिंक(यहाँ आप एक बना देंगेLinks.txtफ़ाइल जिसमें आपको एक दूसरे के तहत एचटीएमएल उन लिंक के तहत रखना होगा जो नए HTML पृष्ठों से लेखों के शरीर में कीवर्ड के रूप में डाले जाएंगे)।

3. आपको एक एचटीएमएल फ़ाइल की आवश्यकता होगी, जिसे कहा जाता है:oana.tmmys। इसमें यह संरचना होगी:

<title>Blah Blah Blahtitle>

<meta name="description" content="Blah Blah Blah.">

<h3 class="font-weight-normal">TITLE OF THE ARTICLEh3>

    

<p>Lorem ipsum dolor sit amet, consectetur adipiscing elit, 
sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. 
Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris
nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in 
reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla
 pariatur. Excepteur sint occaecat cupidatat non proident, sunt in 
 culpa qui officia deserunt mollit anim id est laborum.p>

    

4. मेंमुख्य फोल्डरआपको सभी टेक्स्ट फ़ाइलों और oana.html फ़ाइल को रखना होगा

WHAT DOES THE CODE DO?:

1. प्रत्येक पाठ फ़ाइल से पहले 10 शब्दों को पुनर्प्राप्त करें और उस फ़ाइल को उन 10 शब्दों के HTML लिंक के रूप में सहेजें।

2. प्रत्येक पाठ फ़ाइल से पहले 10 शब्दों को पुनर्प्राप्त करें और उन्हें <शीर्षक> टैग और

टैग में कॉपी करें

3. प्रत्येक टेक्स्ट फ़ाइल से पहले 20 शब्दों को पुनर्प्राप्त करें और उन्हें <मेटा विवरण> टैग में कॉपी करें।

4. पाठ फ़ाइल की संपूर्ण सामग्री को अनुभाग में कॉपी करें लेख शुरू।-> अंतिम वस्तु-> (मौजूदा पाठ को HTML फ़ाइल से बदलें)

5. टेक्स्ट फ़ाइल में पहले 10 शब्दों के अनुसार नई HTML फ़ाइल का नाम बदलें।

6. जांचें कि क्या लिंक में स्थित कीवर्डLinks.txtफ़ाइल पाठ में हैं। यदि हां, तो यह यादृच्छिक रूप से नए HTML पृष्ठ के शरीर से एक शब्द चुनता है और इसे एक लिंक के रूप में हाइलाइट करता है। (लिंक शब्द जैसे कि "और, जो, क्या, कब" को बाहर रखा जाएगा क्योंकि वे कीवर्ड नहीं हैं)।

कोड:किसी भी दुभाषिया कार्यक्रम में नीचे दिए गए कोड को कॉपी और चलाएं(मैं उपयोग करता हूंPyscrcs

#-------------------------------------------------------------------------------
# Name:        Create html files from text files
# Purpose:
#
# Author:      Neculai Fantanaru
#
# Created:     22/01/2022
# Copyright:   (c) Neculai Fantanaru 2022
#-------------------------------------------------------------------------------

import os
import re
import random
import unidecode
import nltk
from nltk import tokenize
# nltk.download('punkt')

SITE = 'https://neculaifantanaru.com/'
LISTA_CUVINTE_LEGATURA = [
    'in', 'la', 'unei', 'si', 'sa', 'se', 'de', 'prin', 'unde', 'care', 'a',
    'al', 'prea', 'lui', 'din', 'ai', 'unui', 'acei', 'un', 'doar', 'tine',
    'ale', 'sau', 'dintre', 'intre', 'cu', 'ce', 'va', 'fi', 'este', 'cand', 'o',
    'cine', 'aceasta', 'ca', 'dar', 'II', 'III', 'IV', 'V', 'VI', 'VII', 'VIII',
    'to', 'was', 'your', 'you', 'is', 'are', 'iar', 'fara', 'asta', 'pe', 'tu',
    'nu', 'mai', 'ne', 'le', 'intr', 'cum', 'e', 'for', 'she', 'it', 'esti',
	'this', 'that', 'how', 'can', 't', 'must', 'be', 'the', 'and', 'do', 'so', 'or', 'ori',
	'who', 'what', 'if', 'of', 'on', 'i', 'we', 'they', 'them', 'but', 'where', 'by', 'an',
	'mi', '1', '2', '3', '4', '5', '6', '7', '8', '9', '0', 'made', 'my', 'me', '-',
	'vom', 'voi', 'ei', 'cat', 'ar', 'putea', 'poti', 'sunteti', 'inca', 'still', 'noi', 'l',
	'ma', 's', 'dupa', 'after', 'under', 'sub', 'niste', 'some', 'those', 'he', 'no', 'too',
	'fac', 'made', 'make', 'cei', 'most', 'face', 'pentru', 'cat', 'cate', 'much', 'more', 'many',
    'sale', 'tale', 'tau', 'has', 'sunt', 'his', 'yours', 'only', 'as', 'toate', 'all', 'tot', 'incat',
	'which', 'ti', 'asa', 'like', 'these', 'because', 'unor', 'caci', 'ele', 'have', 'haven', 'te',
	'cea', 'else', 'imi', 'iti', 'should', 'could', 'not', 'even', 'chiar', 'when', 'ci', 'ne', 'ni',
	'her', 'our', 'alta', 'another', 'other', 'decat', 'acelasi', 'same', 'au', 'had', 'haven', 'hasn',
	'alte', 'alt', 'others', 'ceea', 'cel', 'cele', 'alte', 'despre', 'about', 'acele', 'acel', 'acea',
	'decit', 'with', '_', 'fata', 'towards', 'against', 'cind', 'dinspre', 'fost', 'been', 'era'
]
PATTERN_LINK = "\"{}\" target=\"_new\">{}"

'''
structura dictionar cuvinte

{

    "cuvantul1": [lista_linkuri1],
    "cuvantul2": [lista_linkuri2]
}
'''

CALE_FISIER_LINKURI = "C:\\Folder1\\LINKS\\links.txt"

# folosim DEF cand vrem sa definim o functie => un cuvant cheie in Python
# REGULA: def nume_functie(lista_argumente)

def preia_cuvinte_link(link):
    cuvinte = link.split('.')[0] # [0] ia primul element iar daca pun [1] ia al doilea element
    cuvinte = cuvinte.split('-')
    cuvinte_ok = list()
    for cuv in cuvinte:
        if cuv not in LISTA_CUVINTE_LEGATURA:
            cuvinte_ok.append(cuv)
    return cuvinte_ok  # am pus retutn fiindca voi avea nevoie de rezultatul functiei de mai sus

def preia_cuvinte_lista_linkuri(cale_fisier_linkuri):
    lista_cuvinte_linkuri = list()
    dictionar_cuvinte_linkuri = dict()
    with open(cale_fisier_linkuri, encoding='utf8') as fp:
        lines = fp.readlines()
        for line in lines:
            # functia preia_cuvinte_link returneaza un rezultat care este salvat in variabila cuvinte_link
            cuvinte_link = preia_cuvinte_link(line)
            for cuv in cuvinte_link:
                if cuv in dictionar_cuvinte_linkuri.keys():
                    if not SITE + line.strip() in dictionar_cuvinte_linkuri[cuv]:
                        dictionar_cuvinte_linkuri[cuv].append(SITE + line.strip())
                else:
                    dictionar_cuvinte_linkuri[cuv] = [SITE + line.strip()]
            lista_cuvinte_linkuri.extend(cuvinte_link)
    lista_cuvinte_linkuri = list(set(lista_cuvinte_linkuri))

    return lista_cuvinte_linkuri, dictionar_cuvinte_linkuri

def citeste_fisier_linie_cu_linie(cale_fisier):
    with open(cale_fisier, encoding='utf8') as fp:
        lines = fp.readlines()
        count = 0
        for line in lines:
            print(count, line.strip())
            count += 1

def read_text_from_file(file_path):
    """
    Aceasta functie returneaza continutul unui fisier.
    file_path: calea catre fisierul din care vrei sa citesti
    """
    with open(file_path, encoding='utf8') as f:
        text = f.read()
        return text


def write_to_file(text, file_path):
    """
    Aceasta functie scrie un text intr-un fisier.
    text: textul pe care vrei sa il scrii
    file_path: calea catre fisierul in care vrei sa scrii
    """
    with open(file_path, 'wb') as f:
        f.write(text.encode('utf8', 'ignore'))


def split_propozitii(text):
    # 01.02.2022: folosit librarie pentru extragerea propozitiilor
    propozitii = tokenize.sent_tokenize(text)
    # 01.02.2022: scoatem spatiile in plus de la inceputul/finalul propozitiilor si facem prima litera mare
    propozitii = [prop.strip().capitalize() for prop in propozitii]
    # 01.02.2022: scot spatiile in plus de la final de propozitie. De exemplu: "ana are mere  ?" => "ana are mere?"
    propozitii = [prop[:-1].strip() + prop[-1] for prop in propozitii]
    # 31.01.2022: modificat tag-ul p si adaugat css (4)
    tag = "

\"mb-40px\">{}

"
text_start_final = "" # print(len(propozitii)) numar_propozitii_grup = 7 numar_grupuri = int(len(propozitii) / numar_propozitii_grup) start = 0 LINK_INTRODUS = 0 for numar_grup in range(numar_grupuri): # print("Iteratia: ", numar_grup) lista_cuvinte_gasite = list() if numar_grup != 0 and numar_grup != numar_grupuri - 1: # 31.01.2022: fixat bug (1) text_tag = " ".join(propozitii[start:(start + numar_propozitii_grup)]) if LINK_INTRODUS == 0: cuvinte = re.findall(r' (?:\w|-*\!)+[ ,]', text_tag) cuvinte_linkuri, dictionar_linkuri = preia_cuvinte_lista_linkuri(CALE_FISIER_LINKURI) for cuv in cuvinte: cuv_fara_semne = cuv.replace(' ', '') cuv_fara_semne = cuv_fara_semne.replace(',', '') if cuv_fara_semne in dictionar_linkuri.keys(): lista_cuvinte_gasite.append(cuv) lista_cuvinte_gasite = list(set(lista_cuvinte_gasite)) cuvant_random = random.sample(lista_cuvinte_gasite, 1)[0] cuvant_random_fara_semne = cuvant_random.replace(' ', '') cuvant_random_fara_semne = cuvant_random_fara_semne.replace(',', '') link_random = random.sample(dictionar_linkuri[cuvant_random_fara_semne], 1)[0] # singur cuvant subliniat pattern = PATTERN_LINK.format(link_random, cuvant_random.strip()) text_tag = text_tag.replace(cuvant_random.strip(), pattern, 1) LINK_INTRODUS = 1 # doua cuvinte subliniate ''' expresie_regulata = cuvant_random.strip() + r' *\w+' urmatorul_cuvant = re.findall(expresie_regulata, text_tag)[0] pattern = PATTERN_LINK.format(link_random, urmatorul_cuvant) text_tag = text_tag.replace(urmatorul_cuvant, pattern, 1) LINK_INTRODUS = 1 ''' text_tag = tag.format(text_tag) text_start_final = text_start_final + '\n' + text_tag start = start + numar_propozitii_grup else: # 31.01.2022: fixat bug (1) text_tag = " ".join(propozitii[start:(start + numar_propozitii_grup)]) text_tag = tag.format(text_tag) text_start_final = text_start_final + '\n' + text_tag start = start + numar_propozitii_grup text_tag = " ".join(propozitii[start:len(propozitii)]) text_tag = tag.format(text_tag) text_start_final = text_start_final + '\n' + text_tag # print(text_start_final) # 31.01.2022: Verificat, paragrafele se afiseaza frumos unul sub altul (5) return text_start_final def copiaza_continut_txt_html(cale_fisier_txt, cale_fisier_html): # astea sunt argumentele functiei, adica cand apelez functia # citesti textul din fisier text_txt = read_text_from_file(cale_fisier_txt) # split dupa '\n' lines = text_txt.splitlines() ok_lines = list() for line in lines: if line == '' or line == '\ufeff': continue else: ok_lines.append(line) # 02.02.2022: titlul e format din primele 10 cuvinte din text # title_words = re.findall(r'(?:\w|-*\!)+', ok_lines[0]) title_words = re.findall(r'(?:\w|-*\!)+', ok_lines[0])[:10] description_words = re.findall(r'(?:\w|-*\!)+', ok_lines[0]) description_words = u' '.join(description_words[:20]) # print("title: ", title_words) # print("description: ", description_words) text_html = read_text_from_file(cale_fisier_html) # aici e pattern-ul pentru expresia regex; (.*?) inseamna ca preia tot ce este intre tag-uri # modifici expresia regulata in functie de ce tag dai ca argument pentru functie articol_pattern = re.compile('([\s\S]*?)[\s\S]*?') text_articol = re.findall(articol_pattern, text_html) if len(text_articol) != 0: text_articol = text_articol[0] text_txt = split_propozitii(text_txt) text_txt = '\n\n' + text_txt + '\n\n' text_html = text_html.replace(text_articol, text_txt) else: print("Fisier html fara ARTICOL START/FINAL.") title_pattern = re.compile('पायथन: टेक्स्ट फ़ाइलों और टैग अनुकूलन से कई एचटीएमएल फाइलें बनाएं Neculai Fantanaru (एन)') text_title = re.findall(title_pattern, text_html) # 01.02.2022: inlocuire h3 cu text titlu (2) h3_pattern = re.compile('

\"font-weight-normal\">\"javascript:void\(0\)\" class=\"color-black\">(.*?)

'
) text_h3 = re.findall(h3_pattern, text_html) if len(text_title) != 0: text_title = text_title[0] # inlocuire semne expresii_regex = [r'\.', r'\,', r'\?', r'\!', r'\:', r'\;', r'\"'] for exp_reg in expresii_regex: title_words = [re.sub(exp_reg, '-', word) for word in title_words] # creare nume nou link new_filename = u'-'.join(title_words).lower() new_file_name_fara_spatiu = unidecode.unidecode(new_filename) new_file_name_fara_spatiu = new_file_name_fara_spatiu + '.html' # inlocuire text titlu cu primele 10 cuvinte text_html = text_html.replace(text_title, u' '.join(title_words)) # 01.02.2022: inlocuire h3 cu text titlu (2) if len(text_h3) != 0: text_h3 = text_h3[0] text_html = text_html.replace(text_h3, u' '.join(title_words)) else: print("Fisierul nu are tag-ul h3.") # 07.02.2022: inlocuire text canonical tag canonical_tag_pattern = re.compile('') canonical_tag = re.findall(canonical_tag_pattern, text_html) if len(canonical_tag) != 0: canonical_tag = canonical_tag[0] #text_html = text_html.replace(canonical_tag, new_file_name_fara_spatiu) # daca trebuie sa pui si "https://neculaifantanaru.com/" in fata, comentezi linia de mai sus si o decomentezi pe cea de jos text_html = text_html.replace(canonical_tag, "https://trinketbox.ro/" + new_file_name_fara_spatiu) else: print("Fisier fara tag canonical") else: print("Fisier html fara titlu.") description_pattern = re.compile(') text_description = re.findall(description_pattern, text_html) if len(text_description) != 0: text_description = text_description[0] # print("text description: ", text_description) text_html = text_html.replace(text_description, description_words) else: print("Fisier html fara description.") file_path = os.path.dirname(cale_fisier_txt) + "\\" + "fisiere_html" + "\\" + new_file_name_fara_spatiu write_to_file(text_html, file_path) # print("Fisier: ", new_file_name_fara_spatiu) print("Scriere efectuata cu succes.") def creare_fisiere_html(cale_folder_txt, cale_fisier_html): """ Functia itereaza printr-un folder care contine fisiere txt si creeaza fisiere html corespunzatoare """ count = 0 for f in os.listdir(cale_folder_txt): if f.endswith('.txt'): cale_fisier_txt = cale_folder_txt + "\\" + f copiaza_continut_txt_html(cale_fisier_txt, cale_fisier_html) count += 1 else: continue print("Numarul de fisiere modificate: ", count) def main(): creare_fisiere_html("C:\\Folder1", "C:\\Folder1\\index.html") # lista_cuvinte, dictionar_cuvinte = preia_cuvinte_lista_linkuri(CALE_FISIER_LINKURI) # print(len(lista_cuvinte)) # len - arata dmensiunea # print(dictionar_cuvinte) if __name__ == '__main__': main()

That's all folks.

इसके अलावा, यह देखेंकोड।यासंस्करण 4यासंस्करण 5यासंस्करण 6


Latest articles accessed by readers:

  1. An Eye To See And A Mind To Understand
  2. Turn Towards Me With An Eye Full Of Your Own Gaze
  3. The Snapshot Of Magic In God's Universe
  4. Rhythm Of My Heart

Donate via Paypal

Alternate Text

RECURRENT DONATION

Donate monthly to support
the NeculaiFantanaru.com project

SINGLE DONATION

Donate the desired amount to support
the NeculaiFantanaru.com project

Donate by Bank Transfer

Account Ron: RO34INGB0000999900448439

Open account at ING Bank

Join The Neculai Fantanaru Community



* Note: If you want to read all my articles in real time, please check the romanian version !

decoration
About | Site Map | Partners | Feedback | Terms & Conditions | Privacy | RSS Feeds
© Neculai Fântânaru - All rights reserved