Notion आणि Python सह होम लायब्ररी बनवणे

माझ्या इलेक्‍ट्रॉनिक लायब्ररीमध्ये पुस्तकांचे वितरण कसे चांगले करावे याबद्दल मला नेहमीच रस आहे. शेवटी, मी पृष्ठांची संख्या आणि इतर वस्तूंची स्वयंचलित गणना करून या पर्यायावर आलो. मी मांजर अंतर्गत सर्व स्वारस्य व्यक्ती विचारू.

भाग 1. ड्रॉपबॉक्स

माझी सर्व पुस्तके ड्रॉपबॉक्सवर आहेत. 4 वर्ग आहेत ज्यात मी सर्वकाही विभागले आहे: पाठ्यपुस्तक, संदर्भ, काल्पनिक कथा, गैर-काल्पनिक. पण मी टेबलमध्ये संदर्भ पुस्तके जोडत नाही.

बहुतेक पुस्तके .epub आहेत, बाकीची .pdf आहेत. म्हणजेच, अंतिम समाधानामध्ये दोन्ही पर्यायांचा समावेश असणे आवश्यक आहे.

माझे पुस्तकांचे मार्ग असे आहेत:

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

जर पुस्तक काल्पनिक असेल, तर श्रेणी (म्हणजेच वरील बाबतीत “डिझाइन”) काढून टाकली जाईल.

मी ड्रॉपबॉक्स API चा त्रास न करण्याचा निर्णय घेतला, कारण माझ्याकडे त्यांचा अनुप्रयोग आहे जो फोल्डर समक्रमित करतो. म्हणजेच, योजना अशी आहे: आम्ही फोल्डरमधून पुस्तके घेतो, प्रत्येक पुस्तक वर्ड काउंटरद्वारे चालवतो आणि ते नोटेशनमध्ये जोडतो.

भाग 2. एक ओळ जोडा

टेबल स्वतः असे काहीतरी दिसले पाहिजे. लक्ष द्या: लॅटिनमध्ये स्तंभ नावे करणे चांगले आहे.

आम्ही अनधिकृत नेशन API वापरू, कारण अधिकृत अद्याप वितरित केले गेले नाही.

Notion वर जा, Ctrl + Shift + J दाबा, Application -> Cookies वर जा, token_v2 कॉपी करा आणि त्याला TOKEN म्हणा. मग आम्ही लायब्ररी चिन्हासह आवश्यक असलेल्या पृष्ठावर जातो आणि लिंक कॉपी करतो. त्याला आपण NOTION म्हणतो.

मग आपण Notion शी कनेक्ट करण्यासाठी कोड लिहितो.

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

पुढे, टेबलमध्ये रो जोडण्यासाठी फंक्शन लिहू.

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

इथे काय चालले आहे. आम्ही पहिल्या रांगेत टेबलवर एक नवीन पंक्ती घेतो आणि जोडतो. पुढे, आम्ही आमचा मार्ग “/” च्या बाजूने विभाजित करतो आणि टॅग मिळवतो. टॅग्ज - “कला”, “डिझाइन”, लेखक कोण आहे, इत्यादींच्या दृष्टीने. मग आम्ही प्लेटचे सर्व आवश्यक फील्ड सेट केले.

भाग 3. शब्द, तास आणि इतर आनंद मोजणे

हे अधिक कठीण काम आहे. जसे आम्हाला आठवते, आमच्याकडे दोन स्वरूप आहेत: epub आणि pdf. जर epub सह सर्व काही स्पष्ट असेल - शब्द कदाचित तेथे असतील, तर pdf बद्दल सर्व काही इतके स्पष्ट नाही: त्यात फक्त चिकटलेल्या प्रतिमा असू शकतात.

म्हणून पीडीएफमध्ये शब्द मोजण्याचे आमचे कार्य असे दिसेल: आम्ही पृष्ठांची संख्या घेतो आणि एका विशिष्ट स्थिरांकाने (प्रति पृष्ठ शब्दांची सरासरी संख्या) गुणाकार करतो.

ती येथे आहे:

def get_words_count(pages_number):
    return pages_number * WORDS_PER_PAGE

A4 पृष्ठासाठी हे WORDS_PER_PAGE अंदाजे 300 आहे.

आता पेज मोजण्यासाठी फंक्शन लिहू. आम्ही वापरू pyPDF2.

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

पुढे, आम्ही Epub मध्ये पृष्ठे मोजण्यासाठी एक गोष्ट लिहू. आम्ही वापरतो epub_converter. येथे आपण पुस्तक घेतो, त्याचे ओळींमध्ये रूपांतर करतो आणि प्रत्येक ओळीसाठी शब्द मोजतो.

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)

आता वेळ मोजू. आम्ही आमच्या आवडत्या शब्दांची संख्या घेतो आणि ते तुमच्या वाचनाच्या गतीने विभाजित करतो.

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

भाग 4. सर्व भाग जोडणे

आम्हाला आमच्या पुस्तकांच्या फोल्डरमधील सर्व संभाव्य मार्गांमधून जाण्याची आवश्यकता आहे. नोटेशनमध्ये आधीपासूनच एखादे पुस्तक आहे का ते तपासा: जर तेथे असेल तर आम्हाला यापुढे एक ओळ तयार करण्याची आवश्यकता नाही.
मग आपल्याला फाइल प्रकार निश्चित करणे आवश्यक आहे, यावर अवलंबून, शब्दांची संख्या मोजा. शेवटी एक पुस्तक जोडा.

आम्हाला मिळालेला हा कोड आहे:

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)

आणि पुस्तक जोडले गेले आहे की नाही हे तपासण्याचे कार्य असे दिसते:

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

निष्कर्ष

हा लेख वाचलेल्या प्रत्येकाचे आभार. मला आशा आहे की ते तुम्हाला अधिक वाचण्यास मदत करेल :)

स्त्रोत: www.habr.com