Spaces:
Runtime error
Runtime error
File size: 14,713 Bytes
876403c 7d61140 876403c a8dc9d8 876403c |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 |
from yargy import (
Parser,
rule,
and_, or_
)
from yargy.interpretation import fact
from yargy.predicates import (
eq, gte, lte, length_eq,
dictionary, normalized,
)
import pandas as pd
import streamlit as st
DateRange = fact(
'DateRange',
['start_day', 'start_month', 'start_year', 'stop_day', 'stop_month', 'stop_year']
)
class DateRange(DateRange):
years_collection = [1900]
@property
def normalized(self):
if self.start_year != None:
self.years_collection.append(self.start_year)
else:
self.start_year = self.years_collection[-1]
if self.start_day == None:
self.start_day = 0
if self.start_month == None:
self.start_month = 0
if self.stop_year == None:
self.stop_year = self.start_year
if self.stop_month == None:
self.stop_month = self.start_month
if self.stop_day == None:
self.stop_day = self.start_day
return self
@property
def get_start_date(self):
return str(self.start_year) + '-' + str(self.start_month).zfill(2) + '-' + str(self.start_day).zfill(2)
@property
def get_stop_date(self):
return str(self.stop_year) + '-' + str(self.stop_month).zfill(2) + '-' + str(self.stop_day).zfill(2)
MONTHS = {
'январь': 1,
'февраль': 2,
'март': 3,
'апрель': 4,
'май': 5,
'июнь': 6,
'июль': 7,
'август': 8,
'сентябрь': 9,
'октябрь': 10,
'ноябрь': 11,
'декабрь': 12,
}
MONTHS_LATIN = {
'I': 1,
'II': 2,
'III': 3,
'IV': 4,
'V': 5,
'VI': 6,
'VII': 7,
'VIII': 8,
'IX': 9,
'X': 10,
'XI': 11,
'XII': 12
}
DAY_START = and_(
gte(1),
lte(31)
).interpretation(
DateRange.start_day.custom(int)
)
DAY_STOP = and_(
gte(1),
lte(31)
).interpretation(
DateRange.stop_day.custom(int)
)
MONTH_NAME_START = dictionary(MONTHS).interpretation(
DateRange.start_month.normalized().custom(MONTHS.__getitem__)
)
MONTH_NAME_STOP = dictionary(MONTHS).interpretation(
DateRange.stop_month.normalized().custom(MONTHS.__getitem__)
)
MONTH_LATIN_NAME_START = dictionary(MONTHS_LATIN).interpretation(
DateRange.start_month.custom(MONTHS_LATIN.__getitem__)
)
MONTH_LATIN_NAME_STOP = dictionary(MONTHS_LATIN).interpretation(
DateRange.stop_month.custom(MONTHS_LATIN.__getitem__)
)
MONTH_START = and_(
gte(1),
lte(12)
).interpretation(
DateRange.start_month.custom(int)
)
MONTH_STOP = and_(
gte(1),
lte(12)
).interpretation(
DateRange.stop_month.custom(int)
)
YEAR_START = and_(
gte(1800),
lte(2100)
).interpretation(
DateRange.start_year.custom(int)
)
YEAR_STOP = and_(
gte(1800),
lte(2100)
).interpretation(
DateRange.stop_year.custom(int)
)
YEAR_SHORT_START = and_(
length_eq(2),
gte(0),
lte(99)
).interpretation(
DateRange.start_year.custom(lambda _: 1900 + int(_))
)
YEAR_SHORT_STOP = and_(
length_eq(2),
gte(0),
lte(99)
).interpretation(
DateRange.stop_year.custom(lambda _: 1900 + int(_))
)
YEAR_WORD = or_(
rule('г', eq('.').optional()),
rule(normalized('год'))
)
PUNCT_DIVISION_DATES = or_(
rule('-'), # дефис
rule('—'), # короткое тире
rule('—') # длинное тире
)
PUNCT = or_(
rule('.'),
rule('/')
)
DATE_RANGE = or_(
# 1-2 января 1900
rule(
DAY_START,
PUNCT_DIVISION_DATES,
DAY_STOP,
PUNCT.optional(),
or_(
MONTH_NAME_START,
MONTH_START,
MONTH_LATIN_NAME_START
),
PUNCT.optional(),
or_(
YEAR_START,
YEAR_SHORT_START
).optional(),
YEAR_WORD.optional()
),
# 1 января - 2 февраля 1900
rule(
DAY_START,
PUNCT.optional(),
or_(
MONTH_NAME_START,
MONTH_START,
MONTH_LATIN_NAME_START
),
PUNCT_DIVISION_DATES,
DAY_STOP,
PUNCT.optional(),
or_(
MONTH_NAME_STOP,
MONTH_STOP,
MONTH_LATIN_NAME_STOP
),
PUNCT.optional(),
or_(
YEAR_START,
YEAR_SHORT_START
).optional(),
YEAR_WORD.optional()
),
# 1 января 1900 - 2 февраля 1901
rule(
DAY_START,
PUNCT.optional(),
or_(
MONTH_NAME_START,
MONTH_START,
MONTH_LATIN_NAME_START
),
PUNCT.optional(),
or_(
YEAR_START,
YEAR_SHORT_START
),
PUNCT_DIVISION_DATES,
DAY_STOP,
PUNCT.optional(),
or_(
MONTH_NAME_STOP,
MONTH_STOP,
MONTH_LATIN_NAME_STOP
),
PUNCT.optional(),
or_(
YEAR_STOP,
YEAR_SHORT_STOP
),
YEAR_WORD.optional()
),
# 1/I-1900 - 2/II-1901
rule(
DAY_START,
PUNCT,
MONTH_LATIN_NAME_START,
'-',
or_(
YEAR_START,
YEAR_SHORT_START
),
PUNCT_DIVISION_DATES,
DAY_STOP,
PUNCT,
MONTH_LATIN_NAME_STOP,
'-',
or_(
YEAR_STOP,
YEAR_SHORT_STOP
),
YEAR_WORD.optional()
),
# 1.1.1900 / 1/II/1900 / 1 января
rule(
DAY_START,
PUNCT.optional(),
or_(
MONTH_START,
MONTH_NAME_START,
MONTH_LATIN_NAME_START
),
PUNCT.optional(),
or_(
YEAR_START,
YEAR_SHORT_START
).optional(),
YEAR_WORD.optional()
),
# 1/II-1900
rule(
DAY_START,
PUNCT,
MONTH_LATIN_NAME_START,
'-',
or_(
YEAR_START,
YEAR_SHORT_START
),
YEAR_WORD.optional()
),
# 1900 год
rule(
YEAR_START,
YEAR_WORD.optional()
),
# январь 1900 года
rule(
MONTH_NAME_START,
or_(
YEAR_START,
YEAR_SHORT_START
),
YEAR_WORD.optional()
),
).interpretation(
DateRange
)
def date_extractor_for_diary(text):
res = {
'date_start' : [],
'date_stop' : [],
'text' : []
}
try:
entry = ''
for paragraph in text.split('\n'):
parser = Parser(DATE_RANGE)
for match in parser.findall(paragraph):
record = match.fact.normalized
if record.spans[0].start in range (0, 3):
start = record.get_start_date
stop = record.get_stop_date
if entry != '':
res['text'].append(entry)
entry = ''
res['date_start'].append(start)
res['date_stop'].append(stop)
# if entry != '':
# res['text'].append(entry)
# entry = ''
break
entry += paragraph
entry += '\n'
if entry != '':
res['text'].append(entry)
df = pd.DataFrame(res)
return df.drop(df.loc[df['text'].str.len() < 10].index)
except:
return pd.DataFrame(res)
def normalize_dates(start, stop):
if start == stop:
return start
else:
return f'{start} - {stop}'
######## USAGE ###########
# parser = Parser(DATE_RANGE)
# text = '''
# 1943
# 24 марта. Челябинск
# Сегодня кончается третья четверть. Потом каникулы до 1/IV — неделю. Говорили с Москвой. Папка может предет в апреле. Хорошо бы приехал.
# Я немного болел. Теперь выздоровел. От класса отстал не намного. За каникулы догоню. Во дворе у нас несколько ребят уехало. Г.Л. обещала написать письмо. Посмотрим.
# Сегодня мне сообщили что И[нна].Д[митриева]. в меня втрескалась[.] Чтоб ей лопнуть! Неужели без любви нельзя обойтись. У наших ребят какое-то странное понимание о дружбе. Если увидят что стоишь и разговариваешь с какой-нибудь девочкой. Сразу дразнить: влюбился, влюбился. А для того что-бы влюбиться по моему надо подрасти. А у нас во дворе нет таких что-бы не перелюбились. В половине этого случая не исключая и меня.
# В школе то-же. Какие-то идиоты кругом. Как дикари. Ну, а я то-же не лучше. Я могу влюбиться сердцем, умом никогда.
# 25 марта. «И в какой стороне я не буду по какой не пройду я тропе, друга я никогда незабуду если с ним подружился в Москве…»
# Друга хорошего нельзя позыбыть не только если с ним подружишь в Москве.
# «В какой точке Союза не буду, и где не встречу мой друг я тебя, я тебя никогда не забуду, если ты не забудешь меня».
# «Я сейчас сижу в тюрьме и не светит
# Солнце мне, Кашмари, кашмари, кашмари[»].
# Эх! Не знаю что у меня на душе, что в животе я знаю там глисты, сегодня получил анализ кала.
# Чорт меня побрал! Что это на меня нашло такое настроение влюбленного. Ну, ка пошлю вон. Быть тебе только другом но…
# Опять!?
# Последнее время я не знаю что со мной творится, но примерно догадываюсь, [запись обрывается]
# 5 апреля. Началась последняя четверть. А там испытания. Кончу 6-й кл[асс]. наверно в Челябинске. В апреле в Москву конечно не поедем.
# В выходной ходил стрелять в тир. Сдал на «Юный ворошиловский стрелок» .
# Книга — лучший друг мой. Но такие книги что я читаю не могут заменить друга — человека. Друг. Как это слово звучит для меня непривычно. О нем я могу лишь мечтать. Дружба. Я так нуждаюсь в тебе.
# 26/VIII-38 г. Весь день приготовления. Завтра едем совсем в Гдов. Вообще весь день шаталась из угла в угол, но ничего хорошего не сделала. Кой-чего выстирала. Читала. Много брусники ела. Вечером были в бане с Валей Павловой в нашей. Идем в баню, а на реке Беляев, Ванька дядин Мишкин, потом пришел Петька. Долго с ними ругались, но они ушли и мы вымылись. К школе не пошла. Весь вечер читала. Слышу, пошли от школы. Беляев остановился над окном и кричит — Марготя!
# Я нисколько не изменила своего положения, только чуть улыбнулась. Он больше ничего не сказал. Я после читала очень долго. Вообще, я сказала, что сегодня спать не буду. Немного пописала дневник, но спать все же захотелось. Легла, а Ляля сидит. Велела ей разбудить как будет ложиться.
# 27/VIII-38 г. Через час как раз она пошла спать. Я встала. Опять читала. Валя начала плакать. С ней долго возилась. Начинает светлеть. Уже три. Еще в первом часу у меня были Валя Павлова с Тоней Ефремовой — она сегодня ночует у Вали и с нами вместе едет. Сговорились в четыре ехать. Разбудила маму. Быстро собрались, поехали. Павловы проспали, даже и тетя Настя. Ну поехали. До свиданье Заовражье! Сегодня все наши едут в Ленинград. За Рудном я захотела спать и легла, но спала не много, а только лежала. В Вейне остановились, по кушали немного. Конфет 300 гр. взяла. Поехали дальше. Всю дорогу хохотали. Ну Ефремова — это черт! Так и смешит. На поезд опоздали. За железной дорогой, не доезжая еще деревни Добручи, опять кормили лошадь и сами обедали. Я очень замаялась и спать хочу, но надо размаяться. За Добручи заехали, стало веселее. Дорога прямая. Только и отсчитываем верстовые столбы.
# 17 сентября (четверг), 1970 год
# 18 сентября (пятница), 1970 год
# Юрка, Юрка, ты не сдерживаешь свое слово
# 1-12.1. Рло
# 1/I - 2/II лоиывал
# '''
# for match in parser.findall(text):
# record = match.fact.normalized
# # print(record.spans)
# start = record.get_start_date
# stop = record.get_stop_date
# if start != stop:
# print(f'{start} - {stop}')
# else:
# print(start) |