საშინაო ბიბლიოთეკის გაკეთება Notion და Python-ით

ყოველთვის მაინტერესებდა, როგორ გავანაწილო წიგნები ჩემს ელექტრონულ ბიბლიოთეკაში. საბოლოოდ, ამ ვარიანტამდე მივედი გვერდების რაოდენობის და სხვა სიკეთეების ავტომატური გაანგარიშებით. ვეკითხები ყველა დაინტერესებულ პირს კატის ქვეშ.

ნაწილი 1. Dropbox

ჩემი ყველა წიგნი dropbox-ზეა. არის 4 კატეგორია, რომლებშიც ყველაფერი დავყავი: სახელმძღვანელო, ცნობარი, მხატვრული ლიტერატურა, არამხატვრული ლიტერატურა. მაგრამ მე არ ვამატებ საცნობარო წიგნებს ცხრილში.

წიგნების უმეტესობა არის .epub, დანარჩენი .pdf. ანუ საბოლოო გამოსავალი როგორღაც ორივე ვარიანტს უნდა ფარავდეს.

წიგნებისკენ ჩემი გზები დაახლოებით ასეთია:

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

თუ წიგნი მხატვრულია, მაშინ კატეგორია (ანუ ზემოთ მოცემულ შემთხვევაში „დიზაინი“) ამოღებულია.

მე გადავწყვიტე არ შემეწუხებინა Dropbox API, რადგან მაქვს მათი აპლიკაცია, რომელიც სინქრონიზებს საქაღალდეს. ანუ გეგმა ასეთია: ჩვენ ვიღებთ წიგნებს საქაღალდედან, ვატარებთ თითოეულ წიგნს სიტყვების მრიცხველში და ვამატებთ Notion-ში.

ნაწილი 2. დაამატეთ ხაზი

თავად ცხრილი ასე უნდა გამოიყურებოდეს. ყურადღება: უმჯობესია სვეტების სახელები ლათინურად გააკეთოთ.

ჩვენ გამოვიყენებთ არაოფიციალურ Notion API-ს, რადგან ოფიციალური ჯერ არ არის მიწოდებული.

გადადით Notion-ზე, დააჭირეთ Ctrl + Shift + J, გადადით Application -> Cookies, დააკოპირეთ token_v2 და დაარქვით TOKEN. შემდეგ ბიბლიოთეკის ნიშნით გადავდივართ ჩვენთვის საჭირო გვერდზე და ვაკოპირებთ ბმულს. ჩვენ მას ცნებას ვუწოდებთ.

შემდეგ ჩვენ ვწერთ კოდს Notion-თან დასაკავშირებლად.

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

შემდეგი, დავწეროთ ფუნქცია, რომ დავამატოთ სტრიქონი ცხრილში.

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

Რა ხდება აქ. ჩვენ ვიღებთ და ვამატებთ ახალ სტრიქონს პირველ რიგში ცხრილს. შემდეგი, ჩვენ ვყოფთ ჩვენს გზას "/"-ის გასწვრივ და ვიღებთ ტეგებს. ტეგები - „ხელოვნების“, „დიზაინის“ თვალსაზრისით, ვინ არის ავტორი და ა.შ. შემდეგ დავაყენეთ ფირფიტის ყველა საჭირო ველი.

ნაწილი 3. სიტყვების, საათების და სხვა სიამოვნების დათვლა

ეს უფრო რთული ამოცანაა. როგორც გვახსოვს, გვაქვს ორი ფორმატი: epub და pdf. თუ ყველაფერი ნათელია epub-თან - სიტყვები ალბათ იქ არის, მაშინ ყველაფერი არც ისე ნათელია pdf-ში: ის შეიძლება უბრალოდ შედგებოდეს წებოვანი სურათებისგან.

ასე რომ, PDF-ში სიტყვების დათვლის ჩვენი ფუნქცია ასე გამოიყურება: ვიღებთ გვერდების რაოდენობას და ვამრავლებთ გარკვეულ მუდმივზე (სიტყვების საშუალო რაოდენობა გვერდზე).

Ის აქ არის:

def get_words_count(pages_number):
    return pages_number * WORDS_PER_PAGE

ეს WORDS_PER_PAGE A4 გვერდისთვის არის დაახლოებით 300.

ახლა დავწეროთ ფუნქცია გვერდების დასათვლელად. ჩვენ გამოვიყენებთ pyPDF2.

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

შემდეგი, ჩვენ დავწერთ ნივთს Epub-ში გვერდების დასათვლელად. Ჩვენ ვიყენებთ epub_converter. აქ ვიღებთ წიგნს, ვაქცევთ სტრიქონებად და ვითვლით სიტყვებს თითოეული სტრიქონისთვის.

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)

ახლა გამოვთვალოთ დრო. ჩვენ ვიღებთ ჩვენი საყვარელი სიტყვების რაოდენობას და ვყოფთ თქვენს კითხვის სიჩქარეზე.

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

ნაწილი 4. ყველა ნაწილის შეერთება

ჩვენ უნდა გავიაროთ ყველა შესაძლო გზა ჩვენს წიგნების საქაღალდეში. შეამოწმეთ, არის თუ არა წიგნი Notion-ში: თუ არის, აღარ გვჭირდება ხაზის შექმნა.
შემდეგ უნდა განვსაზღვროთ ფაილის ტიპი, აქედან გამომდინარე, დავთვალოთ სიტყვების რაოდენობა. დასასრულს დაამატეთ წიგნი.

ეს არის კოდი, რომელსაც ვიღებთ:

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)

და წიგნის დამატების შესამოწმებლად ფუნქცია ასე გამოიყურება:

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

დასკვნა

მადლობა ყველას, ვინც წაიკითხა ეს სტატია. იმედია დაგეხმარება მეტის წაკითხვაში :)

წყარო: www.habr.com