નોશન અને પાયથોન સાથે હોમ લાઇબ્રેરી બનાવવી

મારી ઈલેક્ટ્રોનિક લાઈબ્રેરીમાં પુસ્તકોનું શ્રેષ્ઠ વિતરણ કેવી રીતે કરવું તે અંગે મને હંમેશા રસ રહ્યો છે. અંતે, હું પૃષ્ઠોની સંખ્યા અને અન્ય ગુડીઝની સ્વચાલિત ગણતરી સાથે આ વિકલ્પ પર આવ્યો છું. હું બિલાડી હેઠળ રસ ધરાવતા તમામ લોકોને પૂછું છું.

ભાગ 1. ડ્રૉપબૉક્સ

મારા બધા પુસ્તકો ડ્રોપબોક્સ પર છે. ત્યાં 4 શ્રેણીઓ છે જેમાં મેં બધું વિભાજિત કર્યું છે: પાઠ્યપુસ્તક, સંદર્ભ, સાહિત્ય, નોન-ફિક્શન. પરંતુ હું ટેબલ પર સંદર્ભ પુસ્તકો ઉમેરતો નથી.

મોટાભાગના પુસ્તકો .epub છે, બાકીના .pdf છે. એટલે કે, અંતિમ ઉકેલમાં કોઈક રીતે બંને વિકલ્પો આવરી લેવા જોઈએ.

પુસ્તકો તરફના મારા માર્ગો કંઈક આના જેવા છે:

/Книги/Нехудожественное/Новое/Дизайн/Юрий Гордон/Книга про буквы от А до Я.epub 

જો પુસ્તક કાલ્પનિક છે, તો શ્રેણી (એટલે ​​​​કે, ઉપરના કિસ્સામાં "ડિઝાઇન") દૂર કરવામાં આવે છે.

મેં ડ્રૉપબૉક્સ API સાથે ચિંતા ન કરવાનું નક્કી કર્યું, કારણ કે મારી પાસે તેમની એપ્લિકેશન છે જે ફોલ્ડરને સિંક્રનાઇઝ કરે છે. એટલે કે, યોજના આ છે: અમે ફોલ્ડરમાંથી પુસ્તકો લઈએ છીએ, દરેક પુસ્તકને વર્ડ કાઉન્ટર દ્વારા ચલાવીએ છીએ અને તેને નોશનમાં ઉમેરીએ છીએ.

ભાગ 2. એક લીટી ઉમેરો

ટેબલ પોતે આના જેવું કંઈક દેખાવું જોઈએ. ધ્યાન આપો: લેટિનમાં કૉલમ નામો બનાવવાનું વધુ સારું છે.

અમે બિનસત્તાવાર નોટેશન API નો ઉપયોગ કરીશું, કારણ કે સત્તાવાર હજી સુધી વિતરિત કરવામાં આવ્યું નથી.

Notion પર જાઓ, Ctrl + Shift + J દબાવો, Application -> Cookies પર જાઓ, token_v2 કોપી કરો અને તેને TOKEN કહો. પછી આપણે લાઇબ્રેરી સાઇન સાથે જરૂરી પૃષ્ઠ પર જઈએ અને લિંકની નકલ કરીએ. અમે તેને NOTION કહીએ છીએ.

પછી આપણે Notion સાથે જોડાવા માટે કોડ લખીએ છીએ.

database = client.get_collection_view(NOTION)
current_rows = database.default_query().execute()

આગળ, ટેબલ પર પંક્તિ ઉમેરવા માટે ફંક્શન લખીએ.

def add_row(path, file, words_count, pages_count, hours):
    row = database.collection.add_row()
    row.title = file

    tags = path.split("/")

    if len(tags) >= 1:
        row.what = tags[0]

    if len(tags) >= 2:
        row.state = tags[1]

    if len(tags) >= 3:
        if tags[0] == "Художественное":
            row.author = tags[2]

        elif tags[0] == "Нехудожественное":
            row.tags = tags[2]

        elif tags[0] == "Учебники":
            row.tags = tags[2]

    if len(tags) >= 4:
        row.author = tags[3]

    row.hours = hours
    row.pages = pages_count
    row.words = words_count

અહિયાં શું થઇ રહ્યું છે. અમે પ્રથમ પંક્તિમાં કોષ્ટકમાં એક નવી પંક્તિ લઈએ છીએ અને ઉમેરીએ છીએ. આગળ, અમે અમારા પાથને "/" સાથે વિભાજિત કરીએ છીએ અને ટૅગ્સ મેળવીએ છીએ. ટૅગ્સ - "કલા", "ડિઝાઇન", લેખક કોણ છે, વગેરેના સંદર્ભમાં. પછી અમે પ્લેટના તમામ જરૂરી ક્ષેત્રો સેટ કરીએ છીએ.

ભાગ 3. શબ્દો, કલાકો અને અન્ય આનંદની ગણતરી

આ વધુ મુશ્કેલ કાર્ય છે. જેમ આપણે યાદ રાખીએ છીએ, અમારી પાસે બે ફોર્મેટ છે: epub અને pdf. જો ઇપબ સાથે બધું સ્પષ્ટ છે - શબ્દો કદાચ ત્યાં છે, તો પછી પીડીએફ વિશે બધું એટલું સ્પષ્ટ નથી: તેમાં ફક્ત ગુંદરવાળી છબીઓ હોઈ શકે છે.

તેથી પીડીએફમાં શબ્દોની ગણતરી માટેનું અમારું કાર્ય આના જેવું દેખાશે: અમે પૃષ્ઠોની સંખ્યા લઈએ છીએ અને ચોક્કસ સ્થિરાંક (પૃષ્ઠ દીઠ શબ્દોની સરેરાશ સંખ્યા) દ્વારા ગુણાકાર કરીએ છીએ.

તેણી અહીં છે:

def get_words_count(pages_number):
    return pages_number * WORDS_PER_PAGE

A4 પૃષ્ઠ માટે આ WORDS_PER_PAGE આશરે 300 છે.

હવે પાના ગણવા માટે ફંક્શન લખીએ. અમે ઉપયોગ કરીશું pyPDF2.

def get_pdf_pages_number(path, filename):
    pdf = PdfFileReader(open(os.path.join(path, filename), 'rb'))
    return pdf.getNumPages()

આગળ, અમે Epub માં પૃષ્ઠોની ગણતરી માટે એક વસ્તુ લખીશું. અમે ઉપયોગ કરીએ છીએ epub_converter. અહીં આપણે પુસ્તક લઈએ છીએ, તેને લીટીઓમાં કન્વર્ટ કરીએ છીએ અને દરેક લીટી માટે શબ્દો ગણીએ છીએ.

def get_epub_pages_number(path, filename):
    book = open_book(os.path.join(path, filename))
    lines = convert_epub_to_lines(book)
    words_count = 0

    for line in lines:
        words_count += len(line.split(" "))

    return round(words_count / WORDS_PER_PAGE)

હવે સમયની ગણતરી કરીએ. અમે અમારા મનપસંદ શબ્દોની ગણતરી લઈએ છીએ અને તેને તમારી વાંચનની ઝડપ દ્વારા વિભાજીત કરીએ છીએ.

def get_reading_time(words_count):
    return round(((words_count / WORDS_PER_MINUTE) / 60) * 10) / 10

ભાગ 4. બધા ભાગોને જોડવું

અમારે અમારા પુસ્તકોના ફોલ્ડરમાં તમામ સંભવિત રસ્તાઓમાંથી પસાર થવાની જરૂર છે. નોંધમાં પહેલેથી જ કોઈ પુસ્તક છે કે કેમ તે તપાસો: જો ત્યાં છે, તો આપણે હવે લાઇન બનાવવાની જરૂર નથી.
પછી આપણે ફાઇલ પ્રકાર નક્કી કરવાની જરૂર છે, તેના આધારે, શબ્દોની સંખ્યા ગણો. અંતે એક પુસ્તક ઉમેરો.

આ કોડ અમને મળે છે:

for root, subdirs, files in os.walk(BOOKS_DIR):
    if len(files) > 0 and check_for_excusion(root):
        for file in files:
            array = file.split(".")
            filetype = file.split(".")[len(array) - 1]
            filename = file.replace("." + filetype, "")
            local_root = root.replace(BOOKS_DIR, "")

            print("Dir: {}, file: {}".format(local_root, file))

            if not check_for_existence(filename):
                print("Dir: {}, file: {}".format(local_root, file))

                if filetype == "pdf":
                    count = get_pdf_pages_number(root, file)

                else:
                    count = get_epub_pages_number(root, file)

                words_count = get_words_count(count)
                hours = get_reading_time(words_count)
                print("Pages: {}, Words: {}, Hours: {}".format(count, words_count, hours))
                add_row(local_root, filename, words_count, count, hours)

અને પુસ્તક ઉમેરવામાં આવ્યું છે કે કેમ તે તપાસવાનું કાર્ય આના જેવું દેખાય છે:

def check_for_existence(filename):
    for row in current_rows:
        if row.title in filename:
            return True

        elif filename in row.title:
            return True

    return False

નિષ્કર્ષ

આ લેખ વાંચનાર દરેકનો આભાર. મને આશા છે કે તે તમને વધુ વાંચવામાં મદદ કરશે :)

સોર્સ: www.habr.com