for line in lines: if not line or bool(re.match(r'\s\s*', line)): print("linha vazia") else: spl = line.split(',') strnome = spl[0] nomeinstituicao = util.get_instituicao(strnome) strnome = util.removeparenteses(strnome.replace(nomeinstituicao, "")) strensaio = line.replace(spl[0]+',', "") resen = strensaio.split("#") partic = et.SubElement(root, "participante") nomeparticipante = et.SubElement(partic, "nome") nomeparticipante.text = util.getnome(strnome) if nomeinstituicao != "": instituicao = et.SubElement(partic, 'instituicao') instituicao.text = nomeinstituicao for ensaio in resen: en = et.SubElement(partic, "ensaio") ennome = et.SubElement(en, "nome") res = re.search(r'\s\d\d\d\d\s', ensaio) if res is not None: ano = res.group(0) ens = ensaio.replace(ano, "") year = et.SubElement(en, "ano") year.text = ano.strip() ennome.text = ens.strip()
if not line or bool(re.match(r'\s\s*', line)): print("linha vazia") else: searchpremio = re.search(r'Pr.*mio', line) ehpremio = bool(searchpremio) if ehpremio: txtpremio = line.strip() else: res = re.findall(r"\d\d\d\d", line) ano = res[0] linha = line.split(",")[0] instituicao = util.get_instituicao(linha) nomepremiado = util.getnome(linha) premiado = et.SubElement(root, "premiado") nome = et.SubElement(premiado, 'nome') nome.text = nomepremiado inst = et.SubElement(premiado, "instituicao") inst.text = instituicao.strip() premio = et.SubElement(premiado, "premio") nomepremio = et.SubElement(premio, "nomepremio") nomepremio.text = txtpremio anopremio = et.SubElement(premio, "ano") anopremio.text = ano f.close() #prettify xml formatedXML = minidom.parseString(
for matchNum, match in enumerate(matches): matchNum = matchNum + 1 macrocurso = match.group(1) linesmatch = "{match}".format(matchNum=matchNum, start=match.start(), end=match.end(), match=match.group()) linesmatch = linesmatch.splitlines() subcursos = linesmatch.copy() subcursos.remove(macrocurso) lines.remove(macrocurso) curso = et.SubElement(root, "curso") nome = et.SubElement(curso, 'nome') nome.text = util.getnome(macrocurso) nomesubcurso, nomeprofessor, ano = "", "", "" for linha in subcursos: lines.remove(linha) res = re.search(r'\d\d\d\d', linha) if (bool(res)): ano = res.group(0) nomeprofessor = util.getnome(linha).replace(",", '') nomeprofessor = nomeprofessor.replace(ano, "").strip() continue else: nomesubcurso = linha.strip() subcurso = et.SubElement(curso, "subcurso") titulosubcurso = et.SubElement(subcurso, "nomesubcurso") titulosubcurso.text = nomesubcurso professor = et.SubElement(subcurso, "professor")
else: cgo = line.split(':')[0] cgo = cgo.replace(":", "") cgo = cgo.replace(" ", "") res = re.search(r'Adjunt.*', cgo) if res != None: cgo = "SecretariaAdjunta" res = re.search(r'Executiv.*', cgo) if res != None: cgo = "SecretariaExecutiva" res = re.search(r'Diret.*', cgo) if res != None: cgo = "Diretor" participante = et.SubElement(root, "participante") nome = et.SubElement(participante, 'nome') nome.text = util.getnome(line) nomeinstituicao = util.get_instituicao(line) if nomeinstituicao != "": instituicao = et.SubElement(participante, 'instituicao') instituicao.text = nomeinstituicao cargo = et.SubElement(participante, 'cargo') #nomecargo = et.SubElement(cargo, 'nomecargo') cargo.text = cgo ano = et.SubElement(participante, 'anos') ano.text = anos[0] + ';' + anos[1] f.close() #prettify xml formatedXML = minidom.parseString(
if not line or bool(re.match(r'\s\s*', line)): print("linha vazia") else: res = re.findall(r'\d\d\d\d', line) ehgrupo = bool(res) if (ehgrupo): smp = util.removeano(line) simposio = et.SubElement(root, "simposio") nome = et.SubElement(simposio, "nome") nome.text = smp.strip() for linha in res: ano = et.SubElement(simposio, 'ano') ano.text = linha else: nomeparticipante = util.getnome(line) instituicao = util.get_instituicao(line) participante = et.SubElement(simposio, "participante") participante.text = nomeparticipante.strip() if (instituicao != ""): inst = et.SubElement(participante, "instituicao") inst.text = instituicao.strip() f.close() #prettify xml formatedXML = minidom.parseString( et.tostring(root)).toprettyxml(indent=" ").strip() #print(formatedXML) #tree.write('diretorias.xml', method='xml')
lines = clean_text.splitlines() for line in lines: if not line or bool(re.match(r'\s\s*', line)): print("linha vazia") else: spl = line.split(',') strnome = spl[0] nomeinstituicao = util.get_instituicao(strnome) strnome = util.removeparenteses(strnome.replace(nomeinstituicao, "")) strconf = line.replace(spl[0] + ',', "") resconf = strconf.split("#") conferencista = et.SubElement(root, "conferencista") nome = et.SubElement(conferencista, 'nome') nome.text = util.getnome(strnome) instituicao = et.SubElement(conferencista, 'instituicao') instituicao.text = nomeinstituicao for conf in resconf: ano = re.search(r'\d\d\d\d', conf).group(0) conf = conf.replace(ano, "") conferencia = et.SubElement(conferencista, "conferencia") conferencia.text = conf.strip() year = et.SubElement(conferencia, "ano") year.text = ano f.close() #prettify xml formatedXML = minidom.parseString( et.tostring(root)).toprettyxml(indent=" ").strip()
lines = clean_text.splitlines() for line in lines: if not line or bool(re.match(r'\s\s*', line)): print("linha vazia") else: resano = re.search(r'\(\d\d\d\d\)', line) if bool(resano): anotxt = resano.group(0) continue vencedor = et.SubElement(root, "vencedor") nome = et.SubElement(vencedor, 'nome') txtnome = line.split(',')[0] nome.text = util.getnome(txtnome) res = re.search(r"(\d\d\d\d),?\s?(\d\d\d\d)?", line) if bool(res): ano = et.SubElement(vencedor, "ano") ano.text = res.group(1) if res.group(2) is not None: ano = et.SubElement(vencedor, "ano") ano.text = res.group(1) else: ano = et.SubElement(vencedor, "ano") ano.text = util.removeparenteses(anotxt) f.close() # prettify xml formatedXML = minidom.parseString(et.tostring(root)).toprettyxml(indent=" ").strip()
cargo = search.group(0).replace(":", "") cargo = cargo.replace(" ", "") res = re.search(r'Adjunt.*', cargo) if res != None: cargo = "SecretariaAdjunta" res = re.search(r'Executiv.*', cargo) if res != None: cargo = "SecretariaExecutiva" res = re.search(r'Diret.*', cargo) if res != None: cargo = "Diretor" cg = et.SubElement(bienio, cargo + "") nome = et.SubElement(cg, 'nome') nome.text = util.getnome(line) nomeinstituicao = util.get_instituicao(line) if nomeinstituicao != "": instituicao = et.SubElement(cg, 'instituicao') instituicao.text = nomeinstituicao elif ehconselho: line = next(itr) cons = et.SubElement(bienio, 'conselheiro') nome = et.SubElement(cons, 'nome') nome.text = util.getnome(line) string = util.getnome(line) nomeinstituicao = util.get_instituicao(line) if nomeinstituicao != "":
root = et.Element('programas') tree = et.ElementTree(root) with open('../txt/Programas.txt', encoding="utf8") as f: txt = f.read() clean_text = unicodedata.normalize("NFKD", txt) lines = clean_text.splitlines() for line in lines: if not line: print("linha vazia") else: ehprograma = bool(re.search('\(|\)', line)) ehestado = not ehprograma estado = util.getnome(line) if ehprograma: res = line.split(",") programa = res[0] strano = res[-1] nomeinstituicao = util.get_instituicao(programa) programa = programa.replace(nomeinstituicao, "") programa = programa.replace("(", "") programa = programa.replace(")", "") prg = et.SubElement(root, "programa") nomeprograma = et.SubElement(prg, 'nomeprograma') nomeprograma.text = programa.strip()