បង្កើតបណ្ណាល័យតាមផ្ទះដោយប្រើ Notion និង Python

ខ្ញុំតែងតែចាប់អារម្មណ៍អំពីរបៀបដែលល្អបំផុតក្នុងការចែកចាយសៀវភៅនៅក្នុងបណ្ណាល័យអេឡិចត្រូនិចរបស់ខ្ញុំ។ នៅទីបញ្ចប់ខ្ញុំបានមកដល់ជម្រើសនេះជាមួយនឹងការគណនាដោយស្វ័យប្រវត្តិនៃចំនួនទំព័រនិងអំណោយផលផ្សេងទៀត។ ខ្ញុំសួរអ្នកចាប់អារម្មណ៍ទាំងអស់នៅក្រោមឆ្មា។

ផ្នែកទី 1. Dropbox

សៀវភៅទាំងអស់របស់ខ្ញុំមាននៅលើប្រអប់ទម្លាក់ចុះ។ មាន 4 ប្រភេទដែលខ្ញុំបានបែងចែកអ្វីគ្រប់យ៉ាង: សៀវភៅសិក្សា, ឯកសារយោង, ប្រឌិត, មិនប្រឌិត។ ប៉ុន្តែ​ខ្ញុំ​មិន​បន្ថែម​សៀវភៅ​យោង​ទៅ​ក្នុង​តារាង​ទេ។

សៀវភៅភាគច្រើនគឺ .epub នៅសល់គឺ .pdf ។ នោះគឺដំណោះស្រាយចុងក្រោយត្រូវតែគ្របដណ្តប់លើជម្រើសទាំងពីរ។

ផ្លូវរបស់ខ្ញុំទៅកាន់សៀវភៅមានដូចជា៖

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

ប្រសិនបើសៀវភៅនោះជារឿងប្រឌិត នោះប្រភេទ (នោះគឺ "ការរចនា" ក្នុងករណីខាងលើ) ត្រូវបានដកចេញ។

ខ្ញុំបានសម្រេចចិត្តមិនរំខានជាមួយ Dropbox API ទេ ព្រោះខ្ញុំមានកម្មវិធីរបស់ពួកគេដែលធ្វើសមកាលកម្មថតឯកសារ។ នោះគឺជាផែនការគឺនេះ៖ យើងយកសៀវភៅចេញពីថតឯកសារ ដំណើរការសៀវភៅនីមួយៗតាមរយៈឧបករណ៍រាប់ពាក្យ ហើយបន្ថែមវាទៅក្នុងសញ្ញាណ។

ផ្នែកទី 2. បន្ថែមបន្ទាត់

តុខ្លួនឯងគួរតែមើលទៅដូចនេះ។ យកចិត្តទុកដាក់៖ វាជាការប្រសើរក្នុងការបង្កើតឈ្មោះជួរឈរជាភាសាឡាតាំង។

យើង​នឹង​ប្រើ Notion API ក្រៅ​ផ្លូវ​ការ ព្រោះ​ជា​ផ្លូវ​ការ​មិន​ទាន់​ត្រូវ​បាន​ផ្តល់​ជូន​នៅ​ឡើយ​ទេ។

ចូលទៅកាន់ Notion ចុច Ctrl + Shift + J ចូលទៅកាន់ Application -> Cookies ចម្លង token_v2 ហើយហៅវាថា TOKEN ។ បន្ទាប់មកយើងទៅកាន់ទំព័រដែលយើងត្រូវការជាមួយនឹងសញ្ញាបណ្ណាល័យ ហើយចម្លងតំណ។ យើងហៅវាថា NOTION ។

បន្ទាប់មកយើងសរសេរកូដដើម្បីភ្ជាប់ទៅ Notion ។

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

បន្ទាប់​មក យើង​សរសេរ​មុខងារ​ដើម្បី​បន្ថែម​ជួរ​ដេក​ទៅ​តារាង។

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

តើមានអ្វីកើតឡើងនៅទីនេះ។ យើងយកហើយបន្ថែមជួរថ្មីទៅតារាងនៅជួរទីមួយ។ បន្ទាប់មក យើងបំបែកផ្លូវរបស់យើងតាម “/” ហើយទទួលបានស្លាក។ ស្លាក - នៅក្នុងលក្ខខណ្ឌនៃ "សិល្បៈ", "ការរចនា", នរណាជាអ្នកនិពន្ធនិងដូច្នេះនៅលើ។ បន្ទាប់មកយើងកំណត់វាលចាំបាច់ទាំងអស់នៃចាន។

ផ្នែកទី 3. ការរាប់ពាក្យម៉ោងនិងការរីករាយផ្សេងទៀត។

នេះគឺជាកិច្ចការដែលពិបាកជាង។ ដូចដែលយើងចងចាំយើងមានទម្រង់ពីរគឺ epub និង pdf ។ ប្រសិនបើអ្វីៗមានភាពច្បាស់លាស់ជាមួយ epub - ពាក្យប្រហែលជានៅទីនោះ នោះអ្វីៗមិនច្បាស់អំពី pdf ទេ៖ វាអាចមានរូបភាពស្អិតជាប់។

ដូច្នេះមុខងាររបស់យើងសម្រាប់ការរាប់ពាក្យនៅក្នុង PDF នឹងមើលទៅដូចនេះ៖ យើងយកចំនួនទំព័រ ហើយគុណនឹងចំនួនថេរជាក់លាក់មួយ (ចំនួនមធ្យមនៃពាក្យក្នុងមួយទំព័រ)។

នៅទីនេះនាង៖

def get_words_count(pages_number):
    return pages_number * WORDS_PER_PAGE

WORDS_PER_PAGE នេះសម្រាប់ទំព័រ A4 គឺប្រហែល 300។

ឥឡូវ​យើង​សរសេរ​មុខងារ​រាប់​ទំព័រ។ យើងនឹងប្រើ PyPDF ២.

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

បន្ទាប់ យើងនឹងសរសេររឿងមួយសម្រាប់រាប់ទំព័រនៅក្នុង Epub ។ យើង​ប្រើ epub_បម្លែង. នៅទីនេះយើងយកសៀវភៅ បម្លែងវាទៅជាបន្ទាត់ ហើយរាប់ពាក្យសម្រាប់បន្ទាត់នីមួយៗ។

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)

ឥឡូវយើងគណនាពេលវេលា។ យើងយកចំនួនពាក្យដែលយើងចូលចិត្ត ហើយបែងចែកវាតាមល្បឿនអានរបស់អ្នក។

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

ផ្នែកទី 4. ការភ្ជាប់ផ្នែកទាំងអស់។

យើងត្រូវឆ្លងកាត់ផ្លូវដែលអាចធ្វើបានទាំងអស់នៅក្នុងថតសៀវភៅរបស់យើង។ ពិនិត្យមើលថាតើមានសៀវភៅនៅក្នុង Notion រួចហើយឬនៅ៖ ប្រសិនបើមាន យើងមិនចាំបាច់បង្កើតបន្ទាត់ទៀតទេ។
បន្ទាប់មកយើងត្រូវកំណត់ប្រភេទឯកសារអាស្រ័យលើនេះរាប់ចំនួនពាក្យ។ បន្ថែមសៀវភៅនៅចុងបញ្ចប់។

នេះគឺជាលេខកូដដែលយើងទទួលបាន៖

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)

ហើយមុខងារដើម្បីពិនិត្យមើលថាតើសៀវភៅត្រូវបានបន្ថែមមើលទៅដូចនេះ៖

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

សេចក្តីសន្និដ្ឋាន

សូមអរគុណដល់អ្នកគ្រប់គ្នាដែលបានអានអត្ថបទនេះ។ ខ្ញុំសង្ឃឹមថាវាជួយអ្នកអានបន្ថែម :)

ប្រភព: www.habr.com