def __init__(self, cfg, log):
self.cfg = cfg
self.log = log
self.twitter = Twitter(self.cfg, self.log)
self.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB,
cfg.NOMBRE_BD)
self.repo_estaciones = RepoEstaciones(cfg, self.cliente_mongo)
self.repo_eventos = RepoEventos(cfg, self.cliente_mongo)
self.tipo_json = 'json'
self.tipo_binario = 'octet-stream'
self.campos_analisis_foto = 'Categories, Tags, Description, Faces, ImageType, Adult'
def __init__(self, cfg, log):
self.cfg = cfg
self.log = log
self.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB,
cfg.NOMBRE_BD)
self.repo_confederaciones = RepoConfederaciones(
cfg, self.cliente_mongo)
self.repo_estaciones = RepoEstaciones(cfg, self.cliente_mongo)
self.repo_eventos = RepoEventos(cfg, self.cliente_mongo)
self.repo_variables = RepoVariables(cfg, self.cliente_mongo)
self.repo_tipo_evento = RepoTiposEvento(cfg, self.cliente_mongo)
self.twitter = Twitter(self.cfg, self.log)
def test_prueba_query_real_de_estacion(self):
tipo_fluvial = self.repo_tipos_evento.obtener_tipo_evento_fluvial()
estacion = self.repo_estaciones.obtener_estacion('A606')
#estacion = self.__obtener_estacion_aleatoria_de_un_tipo(tipo_fluvial)
toponimos = self.coordinador_evento.crear_lista_toponimos(estacion)
query_toponimos = u'"{0}"'.format(toponimos[0])
for toponimo in toponimos[1:]:
query_toponimos += u' OR "{0}"'.format(toponimo)
query = Twitter.crear_query_twitter(
query_toponimos, config_twitter.PALABRAS_CLAVE_FLUVIAL,
config_twitter.PALABRAS_EXCLUIDAS,
config_twitter.CUENTAS_OFICIALES)
props = {
'query': query,
'query_geo': '',
'id_ultimo': 0,
'next_max_id': None,
'max_num_tweets': 5
}
resultados = self.twitter.obtener_lote_tweets(props)
self.assertIsNotNone(
resultados,
u'No se ha podido hacer la busqueda. Posible error con la API de Twitter'
)
self.assertFalse('errors' in resultados)
self.assertTrue('search_metadata' in resultados)
self.assertGreater(resultados['statuses'], 0,
'No han encontrado tweets')
def setUpClass(cls):
cls.log = LogSodin(cfg, cfg.FICHERO_LOG_GESTOR, LogSodin.LOGGER_MONITOR)
cls.log.configurar_log()
cls.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB, cfg.NOMBRE_BD)
cls.repo_eventos = RepoEventos(cfg, cls.cliente_mongo)
cls.repo_tipos_evento = RepoTiposEvento(cfg, cls.cliente_mongo)
cls.repo_estaciones = RepoEstaciones(cfg, cls.cliente_mongo)
cls.analisis = Analisis(cfg, cls.log)
cls.twitter = Twitter(cfg, cls.log)
def test_proceso_completo_de_tweet(self):
query = Twitter.crear_query_twitter('Inundacion OR Lluvia filter:twimg', '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 1}
resultados = self.twitter.obtener_lote_tweets(props)
tweet = resultados['statuses'][0]
tweet = self.analisis.procesar_tweet(tweet)
self.assertTrue(tweet.has_key('metadatos'))
self.assertTrue(tweet.has_key('datos_foto'))
self.assertTrue(tweet.has_key('datos_texto'))
def test_analiza_texto_de_tweet(self):
query = Twitter.crear_query_twitter('Inundacion', '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 1}
resultados = self.twitter.obtener_lote_tweets(props)
tweet = resultados['statuses'][0]
texto_procesado = self.analisis.analizar_texto_del_tweet(tweet)
self.assertIsNotNone(texto_procesado['texto'] and len(texto_procesado['texto']) > 0)
self.assertGreater(texto_procesado['palabras_clave'], 1,
"No se han obtenido palabras clave del analisis del texto")
self.assertTrue(isinstance(texto_procesado['sentimiento'], float))
def test_analisis_completo_lote_de_tweets(self):
query = Twitter.crear_query_twitter('Inundacion filter:twimg', '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 3}
resultados = self.twitter.obtener_lote_tweets(props)
tweets = resultados['statuses']
tweets_post_procesados = self.analisis.analisis_tweets(tweets)
self.assertGreater(tweets_post_procesados, 0)
for tweet in tweets_post_procesados:
self.assertTrue(tweet.has_key('metadatos'))
self.assertTrue(tweet.has_key('datos_foto'))
self.assertTrue(tweet.has_key('datos_texto'))
def __props_test(self, num_tweets_lote):
# Prueba de busqueda de tweets abierta para asegurar que existan
# resultados
query = Twitter.crear_query_twitter('Inundacion OR Riada filter:twimg',
'', '', '')
query_geo = '' #Sin filtro espacial para asegurar resultados
props = {
'query': query,
'query_geo': query_geo,
'id_ultimo': 0,
'next_max_id': None,
'max_num_tweets': num_tweets_lote
}
return props
def test_detecta_sentimiento_de_tweet(self):
query = Twitter.crear_query_twitter('Inundacion :(', '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 1}
resultados = self.twitter.obtener_lote_tweets(props)
tweet = resultados['statuses'][0]
params_json = {
"documents": [{
"id": str(tweet['id']),
"language": 'es',
"text": tweet['text']
}]
}
sentimiento_obj = text_analytics.detectar_sentimiento(params_json)
self.assertLess(sentimiento_obj['score'], 0.75)
def test_detecta_idioma_de_tweet(self):
idioma_test = 'es'
query = Twitter.crear_query_twitter('Inundacion lang:{0}'.format(idioma_test), '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 1}
resultados = self.twitter.obtener_lote_tweets(props)
tweet = resultados['statuses'][0]
params_json = {
"documents": [{
"id": str(tweet['id']),
"text": tweet['text']
}]
}
idioma = text_analytics.detectar_idioma(params_json)
self.assertTrue(idioma['iso6391Name'] == idioma_test)
def setUpClass(cls):
cls.log = LogSodin(cfg, cfg.FICHERO_LOG_MONITOR,
LogSodin.LOGGER_MONITOR)
cls.log.configurar_log()
cls.twitter = Twitter(cfg, cls.log)
cls.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB,
cfg.NOMBRE_BD)
cls.repo_eventos = RepoEventos(cfg, cls.cliente_mongo)
cls.repo_estaciones = RepoEstaciones(cfg, cls.cliente_mongo)
cls.repo_nucleos = RepoNucleos(cfg, cls.cliente_mongo)
cls.repo_tipos_evento = RepoTiposEvento(cfg, cls.cliente_mongo)
cls.repo_confederaciones = RepoConfederaciones(cfg, cls.cliente_mongo)
cls.gestion = Gestion(cfg, cls.log)
cls.coordinador_evento = CoordinadorEvento(cfg, cls.log)
def test_detecta_palabras_clave_de_tweet(self):
query = Twitter.crear_query_twitter('Inundacion', '', '', '')
props = {'query': query, 'query_geo': '', 'id_ultimo': 0, 'next_max_id': None, 'max_num_tweets': 1}
resultados = self.twitter.obtener_lote_tweets(props)
tweet = resultados['statuses'][0]
params_json = {
"documents": [{
"id": str(tweet['id']),
"language": 'es',
"text": tweet['text']
}]
}
palabras_clave_obj = text_analytics.detectar_palabras_clave(params_json)
self.assertGreater(palabras_clave_obj['keyPhrases'], 1,
"No se ha obtenido ninguna palabra clave del analisis del texto")
def test_valida_tweet_con_foto(self):
query = Twitter.crear_query_twitter('Flooding filter:twimg', '', '',
'')
props = {
'query': query,
'query_geo': '',
'id_ultimo': 0,
'next_max_id': None,
'max_num_tweets': 25
}
resultados = self.twitter.obtener_lote_tweets(props)
tweets = resultados['statuses']
tweets_con_foto_twitter = [
t for t in tweets if self.twitter.tiene_foto(t)
]
self.assertIsNotNone(tweets_con_foto_twitter[0])
url_foto_twitter = self.twitter.obtener_url_foto_de_tweet(
tweets_con_foto_twitter[0])
respuesta = requests.get(url_foto_twitter, verify=False)
self.assertTrue('twimg' in url_foto_twitter)
self.assertTrue(respuesta.status_code == requests.codes.ok)
self.assertTrue(len(respuesta.content) > 0)
class Gestion(object):
"""Clase para gestionar los eventos mientras permanecen activos"""
def __init__(self, cfg, log):
self.cfg = cfg
self.log = log
self.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB,
cfg.NOMBRE_BD)
self.repo_confederaciones = RepoConfederaciones(
cfg, self.cliente_mongo)
self.repo_estaciones = RepoEstaciones(cfg, self.cliente_mongo)
self.repo_eventos = RepoEventos(cfg, self.cliente_mongo)
self.repo_variables = RepoVariables(cfg, self.cliente_mongo)
self.repo_tipo_evento = RepoTiposEvento(cfg, self.cliente_mongo)
self.twitter = Twitter(self.cfg, self.log)
def actualizar_datos_eventos(self, eventos_activos):
'''Obtiene los ultimos datos y los guarda en el evento'''
for evento in eventos_activos:
self.guardar_datos_en_evento(evento)
self.repo_eventos.actualizar_evento(evento)
self.log.escribir(u'OK - Evento actualizado con los últimos datos',
self.log.INFO)
def guardar_datos_en_evento(self, evento):
estacion = self.repo_estaciones.obtener_estacion(evento['idEstacion'])
tipo = self.repo_eventos.obtener_tipo_evento(evento['codigoTipo'])
self.log.escribir(
u'EVENTO {0} activo en {1}. Fecha: {2}'.format(
tipo['nombre'], estacion['nombre'], evento['fechaInicio']),
self.log.INFO)
if tipo == self.repo_tipo_evento.obtener_tipo_evento_fluvial():
# datos de estaciones saih para eventos fluviales
self.log.escribir(
u'1) Obtener últimos datos de estaciones SAIH para el evento',
self.log.INFO)
self.guardar_datos_de_saih(evento, estacion)
else:
# datos de boyas de puertos del estado para eventos costeros
self.log.escribir(
u'1) Obtener últimos datos de boyas para el evento',
self.log.INFO)
self.guardar_datos_de_boyas(evento, estacion)
# datos twitter
self.log.escribir(u'2) Buscar nuevos tweets sobre el evento',
self.log.INFO)
self.guardar_nuevos_tweets_evento(evento, estacion)
# datos aemet?
def guardar_datos_de_saih(self, evento, estacion):
confederacion = self.repo_confederaciones.obtener_confederacion(
estacion['codigoConfederacion'])
proveedor_confe = self.repo_confederaciones.obtener_proveedor_saih(
confederacion)
for variable_estacion in estacion['variables']:
variable = self.repo_variables.obtener_variable(
variable_estacion['codigo'])
try:
ultima_medida = proveedor_confe.ultima_medida_de_estacion(
estacion, variable)
Gestion._agregar_medida_a_evento(evento,
'datosConfederaciones',
ultima_medida)
self.log.escribir(
u'Último dato de {0} añadido al evento'.format(
variable['nombre']), self.log.INFO)
except ValueError as verr:
self.log.escribir(
u'No se ha podido obtener la medida. {0}'.format(
verr.message), self.log.WARNING)
continue
def guardar_datos_de_boyas(self, evento, estacion):
proveedor_boyas = self.repo_confederaciones.obtener_proveedor_boyas()
for variable_estacion in estacion['variables']:
variable = self.repo_variables.obtener_variable(
variable_estacion['codigo'])
try:
ultima_medida = proveedor_boyas.ultima_medida_de_estacion(
estacion, variable)
Gestion._agregar_medida_a_evento(evento, 'datosPuertos',
ultima_medida)
self.log.escribir(
u'Último dato de {0} añadido al evento'.format(
variable['nombre']), self.log.INFO)
except ValueError as verr:
self.log.escribir(
u'No se ha podido obtener la medida. {0}'.format(
verr.message), self.log.WARNING)
continue
def guardar_nuevos_tweets_evento(self, evento, estacion):
'''Busca y guarda nuevos tweets relacionados con un evento concreto'''
# Configurar peticion de busqueda en twitter
props = self.propiedades_peticion_twitter(evento, estacion)
# Buscar nuevos tweets por lotes
tweets = self.twitter.busqueda_tweets_por_lotes(
props, config_twitter.NUM_LOTES)
self.log.escribir(u'Filtro avanzado de tweets', self.log.INFO)
tweets_filtrados = self.twitter.filtro_avanzado_tweets_evento(
tweets, evento)
# Guardar nuevos tweets en evento de BD
if not tweets_filtrados:
self.log.escribir(
u'No se han encontrado nuevos tweets sobre el evento',
self.log.INFO)
evento['datosTwitter'].extend(tweets_filtrados)
self.log.escribir(
u'{0} nuevos tweets agregados al evento'.format(
str(len(tweets_filtrados))), self.log.INFO)
@staticmethod
def _agregar_medida_a_evento(evento, campo_datos, medida):
'''Agrega una medida de una estación a un evento'''
evento[campo_datos].append(medida.to_json_obj())
def propiedades_peticion_twitter(self, evento, estacion):
tipo_fluvial = self.repo_tipo_evento.obtener_tipo_evento_fluvial()
toponimos = evento['toponimos']
query_toponimos = u'"{0}"'.format(toponimos[0])
for toponimo in toponimos[1:]:
query_toponimos += u' OR "{0}"'.format(toponimo)
if evento['codigoTipo'] == tipo_fluvial['codigo']:
query = self.twitter.crear_query_twitter(
query_toponimos, config_twitter.PALABRAS_CLAVE_FLUVIAL,
config_twitter.PALABRAS_EXCLUIDAS,
config_twitter.CUENTAS_OFICIALES)
else:
query = self.twitter.crear_query_twitter(
query_toponimos, config_twitter.PALABRAS_CLAVE_COSTERO,
config_twitter.PALABRAS_EXCLUIDAS,
config_twitter.CUENTAS_OFICIALES)
#Activar para filtrar espacialmente la búsqueda de tweets
#coords = Gestion.obtener_centroide_estacion(estacion)
#query_geo = Twitter.crear_query_geo(coords[0], coords[1])
query_geo = ''
id_ultimo_tweet = self.obtener_id_ultimo_tweet_evento(evento)
return {
'query': query,
'query_geo': query_geo,
'id_ultimo': id_ultimo_tweet,
'next_max_id': None,
'max_num_tweets': config_twitter.MAX_TWEETS_PETICION
}
def obtener_id_ultimo_tweet_evento(self, evento):
'''Obtiene la id del último tweet de un evento guardado en la BD'''
id_ultimo_tweet = 0
try:
id_ultimo_tweet = evento['datosTwitter'][0]['id']
except IndexError:
self.log.escribir(u'Aun no hay tweets en el evento',
self.log.DEBUG)
finally:
return id_ultimo_tweet
@staticmethod
def obtener_centroide_estacion(estacion_evento):
try:
return (estacion_evento['coordenadas']['lon'],
estacion_evento['coordenadas']['lat'])
except AttributeError as atterr:
raise AttributeError(
u'Error obteniendo centroide de un evento. {0}'.format(
atterr.message))
class Analisis(object):
"""Clase encargada del analisis y postproceso de un evento de inundación"""
def __init__(self, cfg, log):
self.cfg = cfg
self.log = log
self.twitter = Twitter(self.cfg, self.log)
self.cliente_mongo = repo.inicializar_cliente(cfg.URI_MONGODB,
cfg.NOMBRE_BD)
self.repo_estaciones = RepoEstaciones(cfg, self.cliente_mongo)
self.repo_eventos = RepoEventos(cfg, self.cliente_mongo)
self.tipo_json = 'json'
self.tipo_binario = 'octet-stream'
self.campos_analisis_foto = 'Categories, Tags, Description, Faces, ImageType, Adult'
def post_proceso_de_evento(self, evento):
'''Analiza las fotos y textos, procesa las medidas de los sensores,
extrae estadisticas y metadatos y guarda todo en un objeto PostEvento en la BD'''
# Analisis ia de fotos y textos de los tweets
self.log.escribir(u'2) Procesar tweets', self.log.INFO)
tweets_post_procesados = self.analisis_tweets(evento['datosTwitter'])
# Analizar datos del medio
self.log.escribir(u'3) Procesar medidas de sensores', self.log.INFO)
medidas_in_situ = evento['datosConfederaciones'] + evento[
'datosPuertos']
medidas_post_procesadas = self.procesar_medidas(medidas_in_situ)
# Guardar PostEvento en BD
self.log.escribir(u'4) Insertar PostEvento en BD', self.log.INFO)
post_evento = self.crear_post_evento(evento, tweets_post_procesados,
medidas_post_procesadas)
repo_eventos = RepoEventos(self.cfg, self.cliente_mongo)
return repo_eventos.insertar_post_evento(post_evento)
def analisis_tweets(self, tweets):
tweets_postevento = []
for tweet in tweets:
try:
tweets_postevento.append(self.procesar_tweet(tweet))
except Exception as ex:
self.log.escribir(
u'Se ha producido un error analizando el tweet. {0}'.
format(ex.message), self.log.WARNING)
continue
return tweets_postevento
def procesar_tweet(self, tweet):
self.log.escribir(u' Analizar tweet:', self.log.INFO)
foto_procesada = self.analizar_foto_del_tweet(tweet)
texto_procesado = self.analizar_texto_del_tweet(tweet)
metadatos = self.extraer_metadatos_del_tweet(tweet)
tweet_postevento = {
'id_tweet': str(tweet['id']),
'metadatos': metadatos,
'datos_foto': foto_procesada,
'datos_texto': texto_procesado
}
return tweet_postevento
def analizar_foto_del_tweet(self, tweet):
self.log.escribir(u' - Buscar fotos asociadas', self.log.INFO)
try:
foto = None
url_foto = self.twitter.obtener_url_foto_de_tweet(tweet)
if url_foto is not None:
self.log.escribir(
u' Ejecución de análisis i.a. de la foto',
self.log.INFO)
datos_analisis = self.analizar_foto_externa(
self.campos_analisis_foto, url_foto)
foto = self.crear_objeto_foto(self.campos_analisis_foto,
datos_analisis, url_foto)
else:
self.log.escribir(u' Tweet sin foto asociada',
self.log.INFO)
except Exception as ex:
self.log.escribir(
u'No se ha podido hacer el análisis de imagen. {0}'.format(
ex.message), self.log.WARNING)
finally:
return foto
def analizar_foto_externa(self, campos_busqueda, url_foto):
(cabeceras,
parametros) = self.config_peticion_api_vision(campos_busqueda,
self.tipo_json)
datos_analisis = cpu_vision.process_request({'url': url_foto}, None,
cabeceras, parametros)
return datos_analisis
def analizar_foto_en_disco(self, campos_busqueda, ruta_en_disco):
with open(ruta_en_disco, 'rb') as fichero:
datos = fichero.read()
(cabeceras,
parametros) = self.config_peticion_api_vision(campos_busqueda,
self.tipo_binario)
datos_analisis = cpu_vision.process_request(None, datos, cabeceras,
parametros)
return datos_analisis
def config_peticion_api_vision(self, campos_busqueda, tipo):
'''Genera las cabeceras y parametros necesarios para la peticion a la api'''
cabeceras = dict()
cabeceras[
'Ocp-Apim-Subscription-Key'] = self.cfg.COMPUTER_VISION_API_KEY
cabeceras['Content-Type'] = 'application/{0}'.format(tipo)
parametros = {
'visualFeatures': campos_busqueda,
'language': 'en',
'details': 'Landmarks'
}
return (cabeceras, parametros)
# pylint: disable=R0201
def crear_objeto_foto(self, campos, datos_analisis, url_foto):
foto_procesada = {}
for campo in campos.replace(' ', '').split(','):
campo_camelcase = campo[:1].lower() + campo[1:]
foto_procesada[campo] = datos_analisis[campo_camelcase]
# Añadir la url original de la foto
foto_procesada['url'] = url_foto
return foto_procesada
def analizar_texto_del_tweet(self, tweet):
try:
self.log.escribir(u' - Análisis semántico del texto',
self.log.INFO)
(palabras_clave, sentimiento) = text_analytics.analisis_texto(
tweet['id'], tweet['text'])
texto_procesado = {
'texto': tweet['text'],
'palabras_clave': palabras_clave,
'sentimiento': sentimiento
}
except Exception as ex:
self.log.escribir(
u'No se ha podido hacer el análisis del texto. {0}'.format(
ex.message), self.log.WARNING)
texto_procesado = {
'texto': tweet['text'],
'palabras_clave': [],
'sentimiento': 1
}
finally:
return texto_procesado
def extraer_metadatos_del_tweet(self, tweet):
self.log.escribir(u' - Extracción de metadatos del tweet',
self.log.INFO)
return {
'coordenadas': tweet.get('coordinates'),
'hashtags': tweet.get('entities').get('hashtags', []),
'n_retweets': tweet.get('retweet_count', 0),
'n_likes': tweet.get('favorite_count', 0),
#'sensible': tweet['possibly_sensitive'],
'fecha_creacion': tweet.get('created_at'),
'verified': tweet.get('user').get('verified'),
'account': tweet.get('user').get('screen_name')
#todo: guardar si tiene enlaces o no. links:true
}
def procesar_medidas(self, medidas):
'''Estandarizacion de los datos de los sensores'''
self.log.escribir(u' - Estandarización de datos', self.log.INFO)
# Pasar las fechas internas de las medidas a cadena para poder insertar
# en BD
for medida in medidas:
medida['fecha'] = util.convertir_fecha_a_cadena(
medida['fecha'], self.cfg.FORMATO_FECHA)
return medidas
def crear_post_evento(self, evento, tweets_procesados, medidas_procesadas):
tipo = self.repo_eventos.obtener_tipo_evento(evento['codigoTipo'])
estacion = self.repo_estaciones.obtener_estacion(evento['idEstacion'])
try:
nuevo_post_evento = PostEvento({
'idEvento':
str(evento['_id']),
'tipo':
tipo['nombre'],
'lugar':
estacion['nombre'],
'idEstacion':
evento['idEstacion'],
'coords':
estacion['coordenadas'],
'medidas':
medidas_procesadas,
'tweets':
tweets_procesados,
'fechaInicio':
util.convertir_fecha_a_cadena(evento['fechaInicio'],
self.cfg.FORMATO_FECHA),
'fechaFin':
util.convertir_fecha_a_cadena(evento['fechaFin'],
self.cfg.FORMATO_FECHA)
})
return nuevo_post_evento
except AttributeError as aterr:
raise AttributeError(u'Error creando post evento. {0}'.format(
aterr.message))
def test_fuerza_error_autenticacion_control_excepcion(self):
app_key_fake = 'dHWe2sdfyco9wgfda0cr'
app_secret_key_fake = 't8sBz4asdffffDRjZLf7BUUxmGYCVqrtZeimzHFoEium'
with self.assertRaises(TwythonAuthError):
Twitter.autenticar_cuenta(app_key_fake, app_secret_key_fake)
def test_autentica_cuenta(self):
twython_obj = Twitter.autenticar_cuenta(config_twitter.APP_KEY,
config_twitter.APP_SECRET)
self.assertIsNotNone(twython_obj.access_token)
