コード例 #1
0
ファイル: __init__.py プロジェクト: chaddcw/openstates
def extract_text(doc, data):
    if doc['mimetype'] == 'text/html':
        doc = lxml.html.fromstring(data)
        text = doc.xpath('//div[@class="Section2"]')[0].text_content()
        return text
    else:
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #2
0
def extract_text(doc, data):
    if doc['mimetype'] == 'text/html':
        doc = lxml.html.fromstring(data)
        text = doc.xpath('//div[@class="Section2"]')[0].text_content()
        return text
    else:
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #3
0
ファイル: __init__.py プロジェクト: opencouncil/openstates
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    lines = text.splitlines()
    line_num_re = re.compile("\s*-\d+-")  # number:  -#-
    for i, line in enumerate(lines):
        if "LEGISLATIVE RESOLUTION" in line:
            break
    text = " ".join(line for line in lines[i:] if not line_num_re.match(line))
    return text
コード例 #4
0
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    lines = text.splitlines()
    line_num_re = re.compile('\s*-\d+-')  # number:  -#-
    for i, line in enumerate(lines):
        if 'LEGISLATIVE RESOLUTION' in line:
            break
    text = ' '.join(line for line in lines[i:] if not line_num_re.match(line))
    return text
コード例 #5
0
ファイル: __init__.py プロジェクト: Akumbar/openstates
def extract_text(oyster_doc, data):
    if oyster_doc['metadata']['mimetype'] == 'application/pdf':
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #6
0
ファイル: __init__.py プロジェクト: 4bic/open_county
def extract_text(doc, data):
    return ' '.join(line for line in pdfdata_to_text(data).splitlines()
                    if re.findall('[a-z]', line)).decode('utf8')
コード例 #7
0
def extract_text(oyster_doc, data):
    return text_after_line_numbers(pdfdata_to_text(data))
コード例 #8
0
ファイル: __init__.py プロジェクト: grgcombs/openstates
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    return text_after_line_numbers(text)
コード例 #9
0
def extract_text(oyster_doc, data):
    return ' '.join(line for line in pdfdata_to_text(data).splitlines()
                    if re.findall('[a-z]', line))
コード例 #10
0
ファイル: __init__.py プロジェクト: unixcrh/openstates
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    return text_after_line_numbers(text).encode('ascii', 'ignore')
コード例 #11
0
ファイル: __init__.py プロジェクト: schlos/openstates
def extract_text(doc, data):
    return ' '.join(line for line in pdfdata_to_text(data).splitlines()
                    if re.findall('[a-z]', line)).decode('utf8')
コード例 #12
0
ファイル: __init__.py プロジェクト: opencouncil/openstates
def extract_text(doc, data):
    is_pdf = doc["mimetype"] == "application/pdf" or doc["url"].endswith(".pdf")
    if is_pdf:
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #13
0
ファイル: __init__.py プロジェクト: JoeGermuska/openstates
def extract_text(doc, data):
    if doc["mimetype"] == "application/pdf":
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #14
0
ファイル: __init__.py プロジェクト: erinspace/openstates
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    return text_after_line_numbers(text).encode('ascii', 'ignore')
コード例 #15
0
ファイル: __init__.py プロジェクト: NateV/openstates
def extract_text(doc, data):
    is_pdf = (doc['mimetype'] == 'application/pdf' or
              doc['url'].endswith('.pdf'))
    if is_pdf:
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #16
0
ファイル: __init__.py プロジェクト: unixcrh/openstates
def extract_text(doc, data):
    lines = pdfdata_to_text(data).splitlines()
    no_big_indent = re.compile('^\s{0,10}\S')
    text = '\n'.join(line for line in lines if no_big_indent.match(line))
    return text
コード例 #17
0
def extract_text(doc, data):
    is_pdf = (doc['mimetype'] == 'application/pdf'
              or doc['url'].endswith('.pdf'))
    if is_pdf:
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #18
0
ファイル: __init__.py プロジェクト: schlos/openstates
def extract_text(doc, data):
    text = pdfdata_to_text(data)
    return text_after_line_numbers(text)
コード例 #19
0
ファイル: __init__.py プロジェクト: Asparagirl/openstates
def extract_text(doc, data):
    return text_after_line_numbers(pdfdata_to_text(data))
コード例 #20
0
ファイル: __init__.py プロジェクト: JT5D/openstates
def extract_text(oyster_doc, data):
    return ' '.join(line for line in pdfdata_to_text(data).splitlines()
                    if re.findall('[a-z]', line))
コード例 #21
0
def extract_text(doc, data):
    if doc['mimetype'] == 'application/pdf':
        return text_after_line_numbers(pdfdata_to_text(data))
コード例 #22
0
ファイル: __init__.py プロジェクト: shifter/openstates
def extract_text(doc, data):
    return " ".join(line for line in pdfdata_to_text(data).splitlines() if re.findall("[a-z]", line))
コード例 #23
0
ファイル: __init__.py プロジェクト: sharonstern/openstates
def extract_text(oyster_doc, data):
    lines = pdfdata_to_text(data).splitlines()
    no_big_indent = re.compile("^\s{0,10}\S")
    text = "\n".join(line for line in lines if no_big_indent.match(line))
    return text