-
Notifications
You must be signed in to change notification settings - Fork 0
/
ExtracaoTexto.py
306 lines (193 loc) · 10.2 KB
/
ExtracaoTexto.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
# -*- coding: utf-8 -*-
"""
Created on Tue Aug 02 17:37:43 2016
@author: Claudio
"""
import re
import string
from Utilitarios import Ferramentas
from ExpressoesRegulares import DicionarioRegEx, DicionarioStrings
#from etl_pdf import Ferramentas
#from Mapeamento import DicionarioStrings
class ExtrairDados():
# extrai dados de um objeto bs a partir da posição dos elementos da tag desejada
def dados_objeto_bs(self, objeto_bs, tag, left_tx, top_tx):
# import re
tag_encontrada = objeto_bs.find(tag, style=re.compile(r''+ left_tx+'.*?'+top_tx))
# print "tag"
# print tag_encontrada
conteudo_tag = tag_encontrada.contents
texto_extraido_unicode =''
tam = len(conteudo_tag)
for item in xrange(0, tam):
# extrai o texto do objeto conteudo_tag
texto_extraido_unicode = texto_extraido_unicode + ';' .join(conteudo_tag[item].stripped_strings)
texto_extraido_unicode = texto_extraido_unicode + ';'
texto_extraido_str = string.split(texto_extraido_unicode.encode('utf-8'), ';')
# print texto_extraido_str
return texto_extraido_str
############################################################################
# Página 1
class BalancoEnergeticoResumido():
# Extrai a data do arquivo do IPDO
def extrair_data_arquivo_ipdo(self, objeto_bs, tag, top_tx):
tag_encontrada = objeto_bs.find('div', style=re.compile(r''+top_tx))
conteudo_tag = tag_encontrada.contents
texto_extraido_unicode = ' ' .join(conteudo_tag[0].stripped_strings)
texto_extraido_str = texto_extraido_unicode.encode('utf-8')
texto_extraido_str = string.split(texto_extraido_str, ',')
texto_extraido_str = texto_extraido_str[1] # Data do IPDO
return texto_extraido_str
# Extrai os dados do resumo do Balanço de Energia (programado e verificado)
def extrair_dados_sistema(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
return texto_extraido_str
############################################################################
# Página 2
class BalancoEnergeticoDetalhado():
def fontes_energeticas(self, objeto_bs, tag, left_tx, top_tx):
# objeto_bs-> objeto beautifulSoup, tag='div', tag_positions -> (top_tx,left_tx)
extrair = ExtrairDados()
fontes_lista = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
fontes_json ={}
subsistemas = ['Sudeste', 'Sul', 'Nordeste', 'Norte']
# tratamento de strings
posicao = 1
for item in list(fontes_lista):
if item in subsistemas:
fontes_lista.remove(item)
continue
elif((item == 'Produção (MWmed/dia)') or (item == '')):
fontes_lista.remove(item)
continue
elif (item == 'Termo (**)'):
fontes_lista.remove(item)
item = 'Termo'
fontes_lista.insert(posicao, item)
fontes_json[item] = ""
continue
posicao += 1
fontes_json[item] = ""
fontes_lista_ordenada =[]
fontes_relatorio = ["Hidro","Termo","Nuclear","Eólica","Solar","Total"]
for fonte_in in fontes_relatorio:
for fonte in fontes_json:
if (fonte == fonte_in):
fontes_lista_ordenada.append(fonte_in)
return fontes_lista_ordenada, fontes_json
# Produção de energia programada e verificada por subsistema
def producao(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
dim = len(texto_extraido_str)
producao_extraida = texto_extraido_str[0:(dim-1)] # retira [dim]=''
return producao_extraida
# Carga demandada por subsistema
def carga(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
dim = len(texto_extraido_str)
carga_extraida = texto_extraido_str[0:(dim-1)] # retira [dim]=''
return carga_extraida
# Energia Itaipu
def energia_itaipu(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
dim = len(texto_extraido_str)
energia_extraida = texto_extraido_str[0:(dim-1)] # retira [dim]=''
return energia_extraida
# Energia Natural Afluente
def energia_narutal_afluente(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
dim = len(texto_extraido_str)
ena_extraida = texto_extraido_str[0:(dim-1)] # retira [dim]=''
return ena_extraida
## varrer a lista de dados para encontrar o valor ear
# Energia Armazenada nos Reservatórios
def energia_armazenada_reservatorio(self, objeto_bs, subsistema):
# def energia_armazenada_reservatorio(self, objeto_bs, tag, left_tx, top_tx):
tag = 'div'
dicionario_expressoes = DicionarioRegEx()
# dicionario_strings = DicionarioStrings()
# subsistemas = dicionario_strings.subsistemas
sistema_interligado = dicionario_expressoes.sistema_interligado
extrair = ExtrairDados()
ferramenta = Ferramentas()
ear_extraida = {}
# for sub in subsistemas:
texto_extraido_str = \
extrair.dados_objeto_bs(objeto_bs, tag,
sistema_interligado[subsistema]['ear_lf'],
sistema_interligado[subsistema]['ear_tp']
)
ear_extraida = {'verificada' : texto_extraido_str[0].replace('.','')}
print "ear_extraida 1"
print ear_extraida
eh_numerico = ferramenta.eh_numerico(sistema_interligado[subsistema]['nome'], "ear", ear_extraida['verificada'])
if not eh_numerico:
# print sub
texto_extraido_str = \
extrair.dados_objeto_bs(objeto_bs, tag,
sistema_interligado[subsistema]['ear1_lf'],
sistema_interligado[subsistema]['ear1_tp']
)
ear_extraida = {'verificada' : texto_extraido_str[0].replace('.','')}
print "ear_extraida 2"
print ear_extraida
eh_numerico = ferramenta.eh_numerico(sistema_interligado[subsistema]['nome'], "ear", ear_extraida['verificada'])
# print ear_extraida
return ear_extraida
# Intercambio de Energia entre subsistemas
def intercambio_entre_subsistemas(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
# print "intercambio_extraido"
# print texto_extraido_str
intercambio_extraido = texto_extraido_str[0:2]
return intercambio_extraido
############################################################################
# Página 3
class VariacaoEnergiaArmazenada():
# Energia Armazenada Máxima
def capacidade_maxima(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
dim = len(texto_extraido_str)
capacidade_maxima_extraida = texto_extraido_str[0:(dim-1)] # retira [dim]=''
return capacidade_maxima_extraida
## TODO implementar extração
############################################################################
# Página 14
class DemandasMaximas():
# Demanda Máxima instantânea
def demanda_instantanea_verificada(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
# print 'demanda_instantanea_verificada'
# print texto_extraido_str
if len(texto_extraido_str) == 2:
texto_extraido_lista = string.split(texto_extraido_str[0], ' ')
elif len(texto_extraido_str) == 3:
texto_extraido_lista = string.split(texto_extraido_str[1], ' ')
# print texto_extraido_lista
if len(texto_extraido_lista) == 4:
demanda, data = [texto_extraido_lista[0], texto_extraido_lista[3]]
elif len(texto_extraido_lista) == 5:
demanda, data = [texto_extraido_lista[0], texto_extraido_lista[4]]
# print demanda + ' ' + data
return demanda, data
def carga_historica_recorde(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
# print "carga histórica"
# print texto_extraido_str
texto_extraido_lista = string.split(texto_extraido_str[0], ' ')
return texto_extraido_lista[0]
def data_carga_recorde(self, objeto_bs, tag, left_tx, top_tx):
extrair = ExtrairDados()
texto_extraido_str = extrair.dados_objeto_bs(objeto_bs, tag, left_tx, top_tx)
# print "data_carga_recorde"
# print texto_extraido_str
return texto_extraido_str[0]