tree = et.ElementTree(root)
with open('../txt/EnsaiosFotograficos.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 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)
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()
# print(formatedXML)
# tree.write('diretorias.xml', method='xml')
# write the formatedXML to file.
with io.open("../xml/ConcursosFordAnpocs.xml", "w+", encoding="utf-8") as f:
f.write(formatedXML)
root = et.Element('grupos')
tree = et.ElementTree(root)
with open('../txt/GruposDeTrabalho.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 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):
grupo = util.removeparenteses(line)
gp = et.SubElement(root, "grupo")
nome = et.SubElement(gp, "nome_grupo")
nome.text = grupo.strip()
for linha in res:
ano = et.SubElement(gp, 'ano')
ano.text = linha
else:
nomeparticipante = util.getnome(line)
instituicao = util.get_instituicao(line)
participante = et.SubElement(gp, "participante")
np = et.SubElement(participante, "nome_participante")
np.text = nomeparticipante.strip()
if (instituicao != ""):
inst = et.SubElement(participante, "instituicao")
inst.text = instituicao.strip()
for matchNum, match in enumerate(matches):
matchNum = matchNum + 1
#print("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum=matchNum, start=match.start(), end=match.end(), match=match.group()))
for groupNum in range(0, len(match.groups())):
groupNum = groupNum + 1
if groupNum == 1:
vencedor = et.SubElement(root, "vencedor")
nomeVencedor = et.SubElement(vencedor, "nomevencedor")
nomeVencedor.text = match.group(groupNum).strip()
if groupNum == 3:
instituicao = et.SubElement(vencedor, "instituicao")
instituicao.text = util.removeparenteses(match.group(groupNum))
if groupNum == 4:
ano = et.SubElement(vencedor, "ano")
ano.text = match.group(groupNum)
if groupNum == 5:
painel = et.SubElement(vencedor, "painel")
painel.text = match.group(groupNum).strip()
f.close()
# prettify xml
formatedXML = minidom.parseString(
et.tostring(root)).toprettyxml(indent=" ").strip()
# print(formatedXML)
# tree.write('diretorias.xml', method='xml')