mp-votes

Какво прави

Скриптът извлича информация за дейността на всеки народен представител от стенограмите налични в XLS формат на http://www.parliament.bg/bg/plenaryst .

За момента информацията е сведена до:

• присъствие
• избор за всяко гласуване

Очакван резултат

Дейността на 1 народен представеител за всеки 1 работен ден е представена като JSON документ под формата:

{
    "name": "Иван Иванов",
    "date": "21/05/2013",
    "votes": [
        {
            "topic": "Увеличение на бюджета",
            "val": "yes",
            "time": "21-05-2013 11:54"
        },
        {
            "topic": "Решение за избор на председател",
            "val": "yes",
            "time": "21-05-2013 09:21"
        }
    ],
    "registration": {
        "time": "21-05-2013 11:30",
        "val": "present"
    }
}

Demo

Изисквания

• php 5.3+
• nodejs (тествано с 0.10.13)

и техните "package manager"-и:

• composer
• npm

За инсталацията на точна, лесно сменима версия на nodejs е удобно да се ползва nvm

Инсталация

bash ./build.sh

Което просто ще ползва npm и composer да свали нужните библиотеки.

Употреба

node run.js --url=http://www.parliament.bg/bg/plenaryst

което ще изведе поредица от json документи, с по един документ на 1 ред, тоест:

{"name":"Иван Иванов","date":"21/05/2013","votes":[{"topic":"Budget increase","val":"yes","time":"21-05-2013 11:54"}, /*...*/],"registration":{/*...*/}}

Ето и "help"-а на скрипта за повече яснота:

Crawls parliament.bg and extracts MPs' voting infromation.
Usage: node ./run.js

Options:
  -u, --url   Url to act as a start page for the crawl          [required]
  -d, --date  Date as unix time. Start date for the crawl       [default: null]
  -t, --temp  Temporary directory to store the raw transcripts  [default: "/var/tmp"]

Детайли

URL

URL-то фактически определя кое (42ро, 41во...) народно събание ще се "crawl"-ва.

Date

Може да се подаде и стартова дата, преди която стенограмите нямат да бъдат обработвани. Дататата трябва да е "unix timestamp":

node run.js --url=http://www.parliament.bg/bg/plenaryst --date=1374418193

Чрез нея е планирано да може скрипта да се изпълнява всеки ден и да обработва само нови стенограми.

Списък от години, месеци или дати, които трябва отново да се обработят

Възможно е и да се подава списък на години, месеци и дати, които трябва отново да се обработят. Списъкът трябва да е под формата на json документ.

Подаването на този списък към скрипта става като се подаде съдържанието на json документа към него. Или иначе казано списъка се "pipe"-не:

cat listOfForcedTimeSpans.json | node run.js --url=http://www.parliament.bg/bg/plenaryst

като listOfForcedTimeSpans.json файлът може да изглежда така (за години):

[2013,2014]

или така (за месеци):

{
   "2013": [8,9]
}

или (за точни дати):

{
  "2013": {
    "8": [14,24]
  }
}

Оформяне на изведената информация за запис

Записа на информацията зависи от желаната база данни. За всяка различна DB, документите ще се трансформират за да паснат на нейната структура.

Примерен "декоратор" за SQL база данни има в decorator/sql.js. Дадения декоратор-скрипт се ползва като се пренасочи извежданата информация от run.js към него. Или иначе казано "pipe":

node run.js --url=http://www.parliament.bg/bg/plenaryst | node decorator/sql.js

което ще превърне описания горе JSON документ в:

{"destination":"mp_presence","data":{"name":"Иван Иванов","registration":"absent","commenced_at":"21-05-2013 11:30"}}
{"destination":"mp_vote","data":{"name":"Иван Иванов","vote":"yes","topic":"Увеличение на бюджета","time":"21-05-2013 11:54"}}
{"destination":"mp_vote","data":{"name":"Иван Иванов","vote":"yes","topic":"Решение за избор на председател","time":"21-05-2013 09:21"}}

Което на свой ред са нови JSON документи, като всеки 1 документ съдържа:

• 1 поредица от данни съответстващи на точно 1 ред в базата данни
• име на таблицата, където ще бъде запазен реда

Това вече може да се подаде към трети скрипт, които ще извършва самото записване в базата данни.