-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathimprime_palavras_regex.py
232 lines (194 loc) · 8.08 KB
/
imprime_palavras_regex.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
# -*- coding: utf-8 -*-
'''
Este programa analisa os processos da pasta de decisões e constrói uma
tabela intitulada Resultados_palavras.xlsx que contém todas as palavras que
estão nos processos e que casam com cada uma das seguintes expressões regulares:
- (fake\s?.*?)\W
- \W(sabidament.{,20}inver.dic.*?)\W
- \bfato.{,20}inver.dic\w*|\bfato.{,20}fals\w*|\bnot.cia.{,20}inver.dic\w*|
\bnot.cia.{,20}fals\w*|\bnot.cia.{,20}fraudulent\w*|\bnot.cia.{,20}enganos\w*|
\bmat.ria.{,20}inver.dic\w*|\bmat.ria.{,20}fals\w*|\bmat.ria.{,20}fraudulent\w*|
\bconte.do.{,20}inver.dic\w*|\bconte.do.{,20}fals\w*|\bconte.do.{,20}fraudulent\w*|
\bconte.do.{,20}enganos\w*|\binforma.{,20}inver.dic\w*|\binforma.{,20}fals\w*|
\binforma..{,20}fraudulent\w*|\binforma..{,20}enganos\w*|\bsabidament.{,20}fals\w*|
\bsabidament.{,20}enganos\w*
- (desinform.*?)\W
- \bcal[uú]ni[aeiou]\w* (grupo calúnia/calunios_)
- \binj[uú]ri[aeiou]\w* (grupo injúria/injurios_)
- \bdifam\w* (grupo difamação/difamatóri_)
- \bofen[sd]\w* (grupo ofensiv_, ofensa)
- \bpropagandas?.{,15}irregulare?s?
- \bpropagandas?.{,15}negativas?
- \bfidedig.{,20} inform.*?\b|\binform.{,20} fidedig.*?\b
'''
import os
import time
import re
import xlsxwriter
from urllib.request import urlopen
from bs4 import BeautifulSoup
''' Retorna 1 se "string" estiver em "novaLista" e 0 caso contrário. '''
def estaNaNovaLista (string, novaLista):
i = 0
while (i < len (novaLista)):
if (string == novaLista[i]):
return 1
i = i + 1
return 0
''' Recebe "lista" e devolve uma "novaLista", uma lista que contém os mesmos
elementos de lista, mas sem repetições. '''
def monta (lista):
novaLista = []
i = 0
while (i < len (lista)):
if (estaNaNovaLista (lista[i], novaLista) == 0):
novaLista.append (lista[i])
i = i + 1
return novaLista
def main ():
camDirAtual = os.getcwd ()
camDirJurisdicoes = camDirAtual + "/2021.07.05 - decisoes_444"
novoArquivo = xlsxwriter.Workbook ("Resultados_palavras.xlsx")
novaPlanilha = novoArquivo.add_worksheet ("Resultados")
fakeFinal = []
sabInverFinal = []
inverFinal = []
desinfFinal = []
calunFinal = []
injurFinal = []
difamFinal = []
ofensFinal = []
propIrregFinal = []
propNegFinal = []
fidedigInfoFinal = []
cont = 0
''' Jurisdições '''
listaJurisdicoes = os.listdir (camDirJurisdicoes)
for i in range (len (listaJurisdicoes)):
caminhoJurisdicaoAtual = camDirJurisdicoes + "/" + listaJurisdicoes[i]
''' Números de processos '''
listaProcessos = os.listdir (caminhoJurisdicaoAtual)
for j in range (len (listaProcessos)):
cont = cont + 1
caminhoProcessoAtual = caminhoJurisdicaoAtual + "/" + listaProcessos[j]
listaArquivos = os.listdir (caminhoProcessoAtual)
''' arquivos de um processo '''
for k in range (len (listaArquivos)):
caminhoArquivoAtual = caminhoProcessoAtual + "/" + listaArquivos[k]
print (caminhoArquivoAtual)
html = urlopen ("file:///" + caminhoArquivoAtual)
res = BeautifulSoup (html.read (), "html5lib")
texto = res.get_text ()
fake = re.findall (r"(fake\s?.*?)\W", texto)
sabInver = re.findall (r"\W(sabidament.{,20}inver.dic.*?)\W", texto)
inver = re.findall (r"\bfato.{,20}inver.dic\w*|\bfato.{,20}fals\w*|\bnot.cia.{,20}inver.dic\w*|\bnot.cia.{,20}fals\w*|\bnot.cia.{,20}fraudulent\w*|\bnot.cia.{,20}enganos\w*|\bmat.ria.{,20}inver.dic\w*|\bmat.ria.{,20}fals\w*|\bmat.ria.{,20}fraudulent\w*|\bconte.do.{,20}inver.dic\w*|\bconte.do.{,20}fals\w*|\bconte.do.{,20}fraudulent\w*|\bconte.do.{,20}enganos\w*|\binforma.{,20}inver.dic\w*|\binforma.{,20}fals\w*|\binforma..{,20}fraudulent\w*|\binforma..{,20}enganos\w*|\bsabidament.{,20}fals\w*|\bsabidament.{,20}enganos\w*", texto)
desinf = re.findall (r"(desinform.*?)\W", texto)
calun = re.findall (r"\bcal[uú]ni[aeiou]\w*", texto)
injur = re.findall (r"\binj[uú]ri[aeiou]\w*", texto)
difam = re.findall (r"\bdifam\w*", texto)
ofens = re.findall (r"\bofen[sd]\w*", texto)
propIrreg = re.findall (r"\bpropagandas?.{,15}irregulare?s?", texto)
propNeg = re.findall (r"\bpropagandas?.{,15}negativas?", texto)
fidedigInfo = re.findall (r"\bfidedig.{,20} inform.*?\b|\binform.{,20} fidedig.*?\b", texto)
fakeFinal = fakeFinal + fake
sabInverFinal = sabInverFinal + sabInver
inverFinal = inverFinal + inver
desinfFinal = desinfFinal + desinf
calunFinal = calunFinal + calun
injurFinal = injurFinal + injur
difamFinal = difamFinal + difam
ofensFinal = ofensFinal + ofens
propIrregFinal = propIrregFinal + propIrreg
propNegFinal = propNegFinal + propNeg
fidedigInfoFinal = fidedigInfoFinal + fidedigInfo
novaPlanilha.write (0, 0, "fake")
montaFake = monta (fakeFinal)
i = 0
while (i < len (montaFake)):
print (montaFake[i])
novaPlanilha.write (i + 1, 0, montaFake[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 1, "sab_inver")
montaSabInver = monta (sabInverFinal)
i = 0
while (i < len (montaSabInver)):
print (montaSabInver[i])
novaPlanilha.write (i + 1, 1, montaSabInver[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 2, "inver_amplo")
montaInver = monta (inverFinal)
i = 0
while (i < len (montaInver)):
print (montaInver[i])
novaPlanilha.write (i + 1, 2, montaInver[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 3, "desinformacao")
montaDesinf = monta (desinfFinal)
i = 0
while (i < len (montaDesinf)):
print (montaDesinf[i])
novaPlanilha.write (i + 1, 3, montaDesinf[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 4, "calunia")
montaCalun = monta (calunFinal)
i = 0
while (i < len (montaCalun)):
print (montaCalun[i])
novaPlanilha.write (i + 1, 4, montaCalun[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 5, "injuria")
montaInjur = monta (injurFinal)
i = 0
while (i < len (montaInjur)):
print (montaInjur[i])
novaPlanilha.write (i + 1, 5, montaInjur[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 6, "difamacao")
montaDifam = monta (difamFinal)
i = 0
while (i < len (montaDifam)):
print (montaDifam[i])
novaPlanilha.write (i + 1, 6, montaDifam[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 7, "ofensa")
montaOfens = monta (ofensFinal)
i = 0
while (i < len (montaOfens)):
print (montaOfens[i])
novaPlanilha.write (i + 1, 7, montaOfens[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 8, "prop_irreg")
montaPropIrreg = monta (propIrregFinal)
i = 0
while (i < len (montaPropIrreg)):
print (montaPropIrreg[i])
novaPlanilha.write (i + 1, 8, montaPropIrreg[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 9, "prop_neg")
montaPropNeg = monta (propNegFinal)
i = 0
while (i < len (montaPropNeg)):
print (montaPropNeg[i])
novaPlanilha.write (i + 1, 9, montaPropNeg[i])
i = i + 1
print (" ")
novaPlanilha.write (0, 10, "fidedig_info")
montaFidedigInfo = monta (fidedigInfoFinal)
i = 0
while (i < len (montaFidedigInfo)):
print (montaFidedigInfo[i])
novaPlanilha.write (i + 1, 10, montaFidedigInfo[i])
i = i + 1
print (" ")
novoArquivo.close ()
print (cont)
main ()