def loadSynonyms():
try:
with fm.readFile("cargue_ontologia.txt", fm.path['loads']) as file:
def function(redisClient):
for line in file:
ajson = json.loads(line)
for key in ajson:
for key_2 in ajson[key]:
for item in ajson[key][key_2]:
print "set " + "CLAVE=" + "sinonimo:" + item.encode(
'utf-8') + " VALOR=" + key.encode(
'utf-8') + ":" + key_2.encode('utf-8')
print "Registros insertados: " + str(
redisClient.set(
"sinonimo:" + item.encode('utf-8'),
key.encode('utf-8') + ":" +
key_2.encode('utf-8')))
print
redis.sendRedis(function)
except IOError as ierror:
fm.registerError("No se puede leer el archivo: \n" + str(ierror))
except Exception as ex:
fm.registerError("Se presento el error en la carga de sinonimos: \n" +
str(ex))
def test_message(message):
try:
emit('my response', politic_scrapeTable(message))
except Exception as e:
fm.registerError("Error en el scraper del personaje: " + str(error))
else:
pass
finally:
pass
def politic_scrapeTable(url):
soup = getSoup(url)
table = soup.find('table', 'infobox')
table = getTable(soup)
dic = {}
try:
if soup is not None:
dic = jsonp.addValue(
dic, "Fecha de registro",
time.strftime("%x") + " " + time.strftime("%X"))
dic = jsonp.addValue(
dic, "Nombre",
getTitle(soup).replace(' - Wikipedia, la enciclopedia libre',
''))
dic = jsonp.addValue(dic, "Url", url)
dic = jsonp.addValue(dic, "Imagen", getTableImage(url))
filas = table.find_all('tr')[2:]
dic["laboral - links"] = []
parent = ""
for fil in filas:
if len(fil.find_all('th')) > 0 and len(fil.find_all('td')) < 1:
parent = jsonp.eliminateCharacters(
jsonp.clearValue(fil.find_all('th')[0].text))
dic["laboral - links"].append(
getLinks(fil.find_all('th')[0]))
dic = jsonp.addValue(dic, parent, {})
elif len(fil.find_all('th')) > 0 and len(
fil.find_all('td')) > 0:
if parent != "":
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text,
jsonp.clearValue(fil.find_all('td')[0].text))
if len(fil.find_all('td')[0].findAll('a')) > 0:
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text + " - links",
getLinks(fil.find_all('td')[0]))
else:
dic = jsonp.addValue(dic,
fil.find_all('th')[0].text,
fil.find_all('td')[0].text)
except Exception as error:
fm.registerError(str(error))
return dic
def loadCategories():
try:
with fm.readFile("categorias.json") as file:
for line in file:
ajson = json.loads(line)
print "sadd categoria " + ajson["category"].encode("utf-8")
def function(redisClient):
return "Registros insertados: " + str(
redisClient.sadd(
"categoria",
u"Categor\u00eda:" + ajson["category"]))
print(redis.sendRedis(function))
except IOError as ierror:
fm.registerError("No se puede leer el archivo: \n" + str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la carga de las categorias: \n" + str(ex))
def loadStructureSite():
try:
structureJSON = fm.readJSONFile("siteStructure.json", fm.path['loads'])
def function(redisClient):
for prop in structureJSON:
print "sadd site_node" + " -> " + prop.encode('utf-8')
print "Registros insertados: " + str(
redisClient.sadd("site_node", prop.encode('utf-8')))
redis.sendRedis(function)
except IOError as ierror:
fm.registerError(
"No se puede leer el archivo de estructura de sitios: \n" +
str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la cargar la estructura de los sitios: \n"
+ str(ex))
def loadOntology():
try:
ontyJSON = fm.readJSONFile("ontology.json", fm.path['loads'])
def function(redisClient):
for clase_nodo in ontyJSON['nodes']:
for prop in ontyJSON['nodes'][clase_nodo]:
print "sadd node " + clase_nodo.encode(
'utf-8') + " -> " + prop.encode('utf-8')
print "Registros insertados: " + str(
redisClient.sadd("node:" + clase_nodo.encode('utf-8'),
prop.encode('utf-8')))
redis.sendRedis(function)
except IOError as ierror:
fm.registerError("No se puede leer el archivo: \n" + str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la carga de la ontologia: \n" + str(ex))
def loadAsociation():
try:
entities = fm.readJSONFile("entities.json", fm.path['loads'])
def function(redisClient):
for clase_nodo in entities:
print "set CLAVE= entity:" + clase_nodo.encode(
'utf-8') + " VALOR= " + entities[clase_nodo].encode(
'utf-8')
print "Registros insertados: " + str(
redisClient.set("entity:" + clase_nodo.encode('utf-8'),
entities[clase_nodo].encode('utf-8')))
redis.sendRedis(function)
except IOError as ierror:
fm.registerError("No se puede leer el archivo: \n" + str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la carga de las entidades: \n" + str(ex))
def recorrerGranEstructra():
try:
structureJSON = fm.readJSONFile("generalStructure.json",
fm.path['loads'])
def function(redisClient):
for prop in structureJSON:
for item in structureJSON[prop]:
if isinstance(structureJSON[prop][item], dict):
for key in structureJSON[prop][item]:
for key_2 in structureJSON[prop][item][key]:
print "hset noderel_" + prop.encode(
'utf-8') + "_" + key.encode(
'utf-8') + " " + key_2 + " " + str(
structureJSON[prop][item][key]
[key_2])
print "Registros insertados: " + str(
redisClient.hset(
"noderel_" + prop.encode('utf-8') +
"_" + key.encode('utf-8'), key_2,
str(structureJSON[prop][item][key]
[key_2])))
else:
print "hset node_" + prop.encode(
'utf-8') + " " + item.encode(
'utf-8') + " " + structureJSON[prop][item]
print "Registros insertados: " + str(
redisClient.hset(
"node_" + prop.encode('utf-8'),
item.encode('utf-8'),
structureJSON[prop][item].encode('utf8')))
redis.sendRedis(function)
except IOError as ierror:
fm.registerError(
"No se puede leer el archivo de estructura de instuciones: \n" +
str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la cargar la estructura de los instuciones: \n"
+ str(ex))
def loadParty():
try:
with fm.readFile("partys.json", fm.path['loads']) as partys:
def function(redisClient):
for party in partys:
jparty = json.loads(party)
print "set CLAVE= party:" + jparty["Url"].encode(
'utf-8') + " VALOR= " + jparty["Name"].encode('utf-8')
print "Registros insertados: " + str(
redisClient.set(
"party:" + jparty["Url"].encode('utf-8'),
jparty["Name"].encode('utf-8')))
redis.sendRedis(function)
except IOError as ierror:
fm.registerError(
"No se puede leer el archivo para la carga de partidos: \n" +
str(ierror))
except Exception as ex:
fm.registerError(
"Se presento el error en la carga de los partidos: \n" + str(ex))
def politic_scrapeTable(url):
soup = getSoup(url)
table = soup.find('table', 'infobox')
table = getTable(soup)
dic = {}
try:
if soup is not None:
dic = jsonp.addValue(
dic, "Fecha de registro",
time.strftime("%x") + " " + time.strftime("%X"))
dic = jsonp.addValue(
dic, "Nombre",
getTitle(soup).replace(' - Wikipedia, la enciclopedia libre',
''))
dic = jsonp.addValue(dic, "Url", url)
dic = jsonp.addValue(dic, "Imagen", getTableImage(url))
if table is not None:
filas = table.find_all('tr')[1:] if dic[
'Imagen'] == "no disponible" else table.find_all('tr')[2:]
dic["laboral"] = []
for fil in filas:
if len(fil.find_all('th')) > 0 and len(
fil.find_all('td')) < 1:
parent = jsonp.eliminateCharacters(
jsonp.clearValue(fil.find_all('th')[0].text))
for link in getLinks(fil.find_all('th')[0]):
dic["laboral"].append(link)
dic = jsonp.addValue(dic, parent, {})
elif len(fil.find_all('th')) > 0 and len(
fil.find_all('td')) > 0:
if parent != "":
data_clean = jsonp.clearValue(''.join(
value for value in fil.find_all(text=True)
if value.parent.name != 'a'
and value.parent.name != 'th' and value != ''
and value != ' ' and value != '\n'))
if hasattr(data_clean, '__iter__'):
if len(data_clean) > 0:
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text,
[{
'title':
jsonp.eliminateCharacters_title(
text),
'url':
None
} for text in data_clean
if text != '' and text != ''])
elif data_clean != '':
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text, [{
'title':
jsonp.eliminateCharacters_title(
data_clean),
'url':
None
}])
if len(fil.find_all('td')[0].findAll('a')) > 0:
if dic[parent].has_key(
jsonp.eliminateCharacters(
fil.find_all('th')[0].text)):
for link in getLinks(
fil.find_all('td')[0]):
if link.get('url'):
dic[parent][fil.find_all('th')
[0].text].append(link)
else:
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text,
getLinks(fil.find_all('td')[0]))
else:
dic = jsonp.addValue(dic,
fil.find_all('th')[0].text,
fil.find_all('td')[0].text)
dic = jsonp.addValue(dic, 'content', getContent(url))
except Exception as error:
fm.registerError(url + "\n" + str(error))
return dic
def politic_scrapeTable(url):
soup = getSoup(url)
table = soup.find('table', 'infobox')
table = getTable(soup)
dic = {}
parent = 'default'
dic = jsonp.addValue(dic, 'default', {})
try:
if soup is not None:
dic = jsonp.addValue(
dic, "Fecha de registro",
time.strftime("%x") + " " + time.strftime("%X"))
dic = jsonp.addValue(
dic, "Nombre",
getTitle(soup).replace(' - Wikipedia, la enciclopedia libre',
''))
dic = jsonp.addValue(dic, "Url", url.strip())
dic = jsonp.addValue(dic, "Imagen", getTableImage(url))
cargo = None
if table is not None:
filas = table.find_all('tr')[1:] if dic[
'Imagen'] == "No disponible" else table.find_all('tr')[1:]
for fil in filas:
if len(fil.find_all('th')) > 0:
if len(fil.find_all('td')) == 0:
parent = jsonp.eliminateCharacters(
jsonp.clearValue(fil.find_all('th')[0].text))
parent = jsonp.eliminateCharacters(parent)
dic = jsonp.addValue(dic, parent, {})
cargo = fil.find_all('th')[0]
else:
if parent != "":
data_clean = jsonp.clearValue(''.join(
value for value in fil.find_all(text=True)
if value.parent.name != 'a' and
value.parent.name != 'th' and value != ''
and value != ' ' and value != '\n'))
if hasattr(data_clean,
'__iter__') and len(data_clean) > 0:
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text,
[{
'title':
jsonp.eliminateCharacters_title(
text),
'url':
None
} for text in data_clean
if text != '' and text != ''])
elif data_clean != '':
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text, [{
'title':
jsonp.eliminateCharacters_title(
data_clean),
'url':
None
}])
if len(fil.find_all('td')[0].findAll('a')) > 0:
if dic[parent].has_key(
jsonp.eliminateCharacters(
fil.find_all('th')[0].text)):
for link in getLinks(
fil.find_all('td')[0]):
if link.get('url'):
dic[parent][
jsonp.eliminateCharacters(
fil.find_all('th')
[0].text)].append(link)
else:
dic[parent] = jsonp.addValue(
dic[parent],
fil.find_all('th')[0].text,
getLinks(fil.find_all('td')[0]))
else:
"""if len(fil.find_all('td')[0].findAll('a'))>0:
dic = jsonp.addValue(dic,fil.find_all('th')[0].text, getLinks(fil.find_all('td')[0]))
else:"""
dic = jsonp.addValue(
dic,
fil.find_all('th')[0].text,
fil.find_all('td')[0].text)
else:
if len(
fil.find_all('td')
) > 0 and fil.find_all('td')[0].text.strip(
) != "" and parent != "" and "Wikidata" not in fil.find_all(
'td')[0].text:
dic[parent] = jsonp.addValue(
dic[parent], 'Perido del cargo',
fil.find_all('td')[0].text)
if cargo != None:
dic[parent] = jsonp.addValue(
dic[parent], 'Entidad', getLinks(cargo))
except Exception as error:
print str(eror)
fm.registerError(url + "\n" + str(error))
return dic
