def text_al(self, dosya_yolu):
p = []
t1 = []
t2 = []
flag = 0
if (dosya_yolu.endswith("doc")):
cwd = os.getcwd()
#libreoffice --convert-to docx 0020.doc
dir_path = os.path.dirname(os.path.realpath(dosya_yolu))
#output_file = dosya_yolu + "x"
rc = subprocess.call([
'libreoffice', '--convert-to', 'docx', '--outdir', dir_path,
dosya_yolu
])
output_file = os.path.join(
cwd, "tmp/" + os.path.basename(dosya_yolu + "x"))
for _ in range(5):
try:
shutil.move(dosya_yolu + "x", output_file)
except:
time.sleep(1)
else:
print("file moved")
time.sleep(1)
break
return self.text_al(output_file)
if (dosya_yolu.endswith("xls")):
cwd = os.getcwd()
#libreoffice --convert-to docx 0020.doc
dir_path = os.path.dirname(os.path.realpath(dosya_yolu))
#output_file = dosya_yolu + "x"
rc = subprocess.call([
'libreoffice', '--convert-to', 'xlsx', '--outdir', dir_path,
dosya_yolu
])
output_file = os.path.join(
cwd, "tmp/" + os.path.basename(dosya_yolu + "x"))
for _ in range(5):
try:
shutil.move(dosya_yolu + "x", output_file)
except:
time.sleep(1)
else:
print("file moved")
time.sleep(1)
break
return self.text_al(output_file)
if (dosya_yolu.endswith("ppt")):
cwd = os.getcwd()
#libreoffice --convert-to docx 0020.doc
dir_path = os.path.dirname(os.path.realpath(dosya_yolu))
#output_file = dosya_yolu + "x"
rc = subprocess.call([
'libreoffice', '--convert-to', 'pptx', '--outdir', dir_path,
dosya_yolu
])
output_file = os.path.join(
cwd, "tmp/" + os.path.basename(dosya_yolu + "x"))
for _ in range(5):
try:
shutil.move(dosya_yolu + "x", output_file)
except:
time.sleep(1)
else:
print("file moved")
time.sleep(1)
break
return self.text_al(output_file)
# docx uzantili
if (dosya_yolu.endswith("docx")) or (flag == 1):
doc = Document(dosya_yolu)
paragraphs = doc.paragraphs
tables = doc.tables
fullText = ""
for paragraph in paragraphs:
if paragraph != "\n":
p.append(paragraph.text)
fullText = fullText + paragraph.text + "\n"
for table in tables:
t1.append(table)
#print(table)
tmp_t = []
for row in table.rows:
tmp_r = []
for cell in row.cells:
tmp_r.append(cell.text)
#print(cell.text)
tmp_t.append(tmp_r)
t2.append(tmp_t)
#print(tmp_t)
return fullText, p, t1, t2
# odt uzantili
elif (dosya_yolu.endswith("odt")):
#text1 = textract.process(dosya_yolu)
doc = load(dosya_yolu)
paragraphs = []
txt1 = ""
for paragraph in doc.getElementsByType(text.P):
if paragraph != "\n":
paragraphs.append(paragraph)
txt1 += str(paragraph)
return txt1, paragraphs
#print text1
# pptx uzantili
elif (dosya_yolu.endswith("pptx")) or (flag == 2):
paragraphs = []
prs = Presentation(dosya_yolu)
text_runs = ""
for slide in prs.slides:
for shape in slide.shapes:
if not shape.has_text_frame:
continue
for paragraph in shape.text_frame.paragraphs:
tmp = ""
for run in paragraph.runs:
tmp += run.text
text_runs += run.text
paragraphs.append(tmp)
for p in paragraphs:
if p == "":
del p
return text_runs, paragraphs
# odp uzantili
elif (dosya_yolu.endswith("odp")):
doc = load(dosya_yolu)
paragraphs = []
txt1 = ""
for paragraph in doc.getElementsByType(text.P):
if paragraph != "\n":
paragraphs.append(paragraph)
txt1 += str(paragraph)
#print (unicode(paragraph))
return txt1, paragraphs
# xlsx, xls, ods uzantili
elif (dosya_yolu.endswith("xlsx")) or (dosya_yolu.endswith("ods")):
data = get_data(dosya_yolu)
df_ = []
#print(data)
#print(json.dumps(data))
for sheet in data:
#print(json.dumps(data[sheet]))
try:
df = pd.DataFrame(data=data[sheet][1:],
columns=data[sheet][0])
except:
df = None
#df = pd.DataFrame(data[sheet])
#df = pd.DataFrame(data=data[sheet][1:][1:],index=data[sheet][1:][0],columns=data[sheet][0][1:])
df_.append(df)
#print(df)
#print(data)
#print(df_)
return data, df_
