Referentiels/python/ressourcedocx.py

539 lines
22 KiB
Python

import re
from officiel import *
from modeles import *
from officiel import supprime_accent_espace, get_code_from_nom_using_dict
import ruamel.yaml
from ruamel.yaml.scalarstring import FoldedScalarString as folded
from tools import caracteres_recalcitrants
__LOGGER = logging.getLogger(__name__)
class Docx():
"""Classe de base pour les ressources/saé/exemples du docx"""
__LOGGER = logging.getLogger(__name__)
def __init__(self, nom, brut):
self.nom = nom
self.brut = brut # les données brutes de la ressource/saé
self.semestre = None # le semestre de la ressource/saé (chargé ultérieurement)
self.apprentissages = None # les acs (chargés ultérieurement)
self.mots = None # les mots-clés chargés ultérieurement
def charge_ac(self, apprentissages):
self.apprentissages = apprentissages
def __str__(self):
print(self.nom + " " + self.code)
def nettoie_semestre(self):
"""Pour une ressource, ou une SAE, nettoie le champ semestre"""
if self.semestre:
if "1" in self.semestre:
self.semestre = "S1"
elif "2" in self.semestre:
self.semestre = "S2"
else:
Docx.__LOGGER.warning(f"nettoie_semestre : dans \"{self.nom}, PAS de semestre => rattaché au S2")
self.semestre = "S2"
else:
Docx.__LOGGER.warning(f"nettoie_semestre : dans \"{self.nom}, PAS de semestre => rattaché au S2")
self.semestre = "S2"
def nettoie_acs(self):
"""Nettoie les acs d'une ressource ou d'une saé,
en les remplaçant par leur code pour les 3 compétences"""
if len(self.apprentissages) != 3:
Docx.__LOGGER.warning(f"nettoie_acs : Problème dans le nombre de compétences de {self.nom}")
dico = {}
for comp in range(3):
donnees = self.apprentissages[comp] # chaine de caractères listant les ACS
acs_avec_code = devine_acs_by_code(donnees) # récupère les codes des acs
acs_avec_code = [ac.replace(" ", "") for ac in acs_avec_code] # supprime les espaces inutiles
acs_avec_nom = devine_code_by_nom_from_dict(donnees, DATA_ACS) # récupère les codes en utilisant les noms
acs_avec_nom = [ac.replace(" ", "") for ac in acs_avec_nom] # supprime les espaces inutiles
if acs_avec_code and set(acs_avec_nom).intersection(set(acs_avec_code)) != set(acs_avec_nom):
Docx.__LOGGER.warning(f"Dans {self.nom}, revoir les ACS : {acs_avec_code} vs {acs_avec_nom}")
acs_finaux = sorted(list(set(acs_avec_code + acs_avec_nom)))
dico["RT" + str(comp + 1)] = acs_finaux
self.apprentissages = dico # Mise à jour du champ
def nettoie_mots_cles(self):
mots = self.mots # .encode('utf8', 'ignore').decode('utf8')
mots = mots.replace(".", "").replace(";", ",")
liste_mots = mots.split(",")
liste_mots = [l.rstrip() for l in liste_mots] # supprime les espaces inutiles
mots = ", ".join(liste_mots)
self.mots = mots
def nettoie_titre(self, data_titres):
"""Nettoie le titre d'une ressource ou d'une SAE en utilisant les titres officiels
fournis dans le yaml (via le dictionnaire DATA_RESSOURCES)"""
def devine_nom(champ):
champ_purge = supprime_accent_espace(champ)
for sem in data_titres:
for code in data_titres[sem]:
nom_purge = supprime_accent_espace(data_titres[sem][code])
if champ_purge.startswith(nom_purge):
return data_titres[sem][code] # le bon nom
old = self.nom
titre = devine_nom(self.nom)
if titre and titre != old:
Docx.__LOGGER.warning(f"nettoie_titre : {old} => titre \"{titre}\"")
self.nom = titre
def dico_to_yaml(self, dico):
if self.code == "R108":
print("ici")
output = ruamel.yaml.dump(dico, Dumper=ruamel.yaml.RoundTripDumper,
allow_unicode=True, width=100)
# Purge les lignes vides en trop
lignes = output.split("\n")
lignes_finales = []
for (i, ligne) in enumerate(lignes):
if ligne.rstrip() == "":
if i != len(lignes)-1 and lignes[i+1].rstrip() != "":
lignes_finales.append(ligne) # ajoute la ligne si la suivante n'est pas vide
else:
lignes_finales.append(ligne)
output = "\n".join(lignes_finales)
lignes = output.split("\n") # pour vérif
return output
class RessourceDocx(Docx):
"""Classe modélisant les ressources, lorsqu'elles sont extraites du docx"""
__LOGGER = logging.getLogger(__name__)
def charge_informations(self, code, semestre, heures_encadrees, tp, sae, prerequis, description, mots):
self.code = code
self.semestre = semestre # <--
self.heures_encadrees = heures_encadrees
self.tp = tp
self.sae = sae
self.prerequis = prerequis
self.description = description
self.contexte = None
self.contenu = None
self.mots = mots
def nettoie_titre_ressource(self):
"""Nettoie le titre d'une ressource ou d'une SAE en utilisant les titres officiels
fournis dans le yaml (via le dictionnaire DATA_RESSOURCES)"""
self.nettoie_titre(DATA_RESSOURCES)
def nettoie_code(self):
"""Recherche le code de la forme RXXX"""
if self.code:
codes = devine_ressources_by_code(self.code)
if len(codes) == 1:
self.code = codes[0]
else:
code_devine = get_code_from_nom_using_dict(self.nom, DATA_RESSOURCES)
if code_devine:
RessourceDocx.__LOGGER.warning(f"nettoie_code : \"{self.nom}\" => code {code_devine}")
self.code = code_devine
else:
self.code = None
if not self.code:
RessourceDocx.__LOGGER.warning(f"nettoie_code : \"{self.nom}\" => code manquant")
def nettoie_prerequis(self):
"""Nettoie les prérequis"""
if self.prerequis:
self.prerequis = nettoie_liste_ressources(self.prerequis)
if not self.prerequis:
self.prerequis = "Aucun"
def nettoie_sae(self):
"""Nettoie le champ SAe d'une ressource en détectant les codes"""
SAE_avec_code = devine_sae_by_code(self.sae)
liste = [l.rstrip() for l in SAE_avec_code]
self.sae = liste
if not self.sae:
RessourceDocx.__LOGGER.warning(f"nettoie_sae: dans {self.nom} pas de SAE (:")
def nettoie_heures(self):
"""Nettoie le champ (horaire) (de la forme 46h ou 33...) pour en extraire la valeur numérique :
le champ peut contenir 2 volumes (heures formation puis heures tp), auquel cas les 2 valeurs sont renvoyées
dans un tuple"""
if self.heures_encadrees: # si les heures encadrées sont renseignées
volumes = nettoie_champ_heure(self.heures_encadrees)
if self.tp:
self.tp = nettoie_champ_heure(self.tp)
if isinstance(volumes, int):
self.heures_encadrees = volumes
elif isinstance(volumes, tuple):
self.heures_encadrees = volumes[0]
if not self.tp:
self.tp = volumes[1]
elif self.tp != volumes[1]:
RessourceDocx.__LOGGER.warning(r"nettoie_heure: ans {self.nom}, pb dans les heures tp/td")
else:
self.heures_encadrees = None
def split_description(self):
"""Découpe le champ description en un contexte+un contenu ; si pas possible """
champs = self.description.split("\n")
champs = [c for c in champs if c] # supprime les lignes vides
indicea = 0 # la ligne mentionnant le contexte
if True in [ligne.startswith("Contexte et ") for ligne in champs]: # la ligne commençant par Contenus
indicea = [ligne.startswith("Contexte et ") for ligne in champs].index(True)
indicec = 0
contexte = []
if True in [ligne.startswith("Contenus") for ligne in champs]: # la ligne commençant par Contenus
indicec = [ligne.startswith("Contenus") for ligne in champs].index(True)
if True in [ligne.startswith("Contexte et ") for ligne in champs]:
contexte = champs[indicea + 1:indicec]
else:
contexte = champs[:indicec]
# suppression des lignes vides
contexte = "\n".join(remove_ligne_vide(contexte))
# suppression des liens
contexte = remove_link(contexte)
if not contexte:
contexte = "Aucun"
contenu = "\n".join(champs[indicec + 1:])
# sauvegarde des champs
self.contexte = contexte
self.contenu = contenu
def nettoie_contenu(self):
"""Partant du contenu détaillé d'une ressource, la transforme
en markdown en générant les listes à puces"""
contenu = self.contenu.replace(" / ", "/")
self.contenu = convert_to_markdown(contenu)
def to_yaml(self):
"""Exporte la ressource en yaml"""
dico = {"nom": self.nom,
"code": self.code,
"semestre" : int(self.semestre[1]),
"heures_formation": self.heures_encadrees if self.heures_encadrees else "???",
"heures_tp": self.tp if self.tp else "???",
"acs": self.apprentissages,
"sae": self.sae,
"prerequis": self.prerequis,
"contexte": folded(self.contexte),
"contenu": folded(self.contenu),
"motscles": self.mots if self.mots else ""
}
return self.dico_to_yaml(dico)
def nettoie_champ_heure(champ):
try: # champ contenant uniquement un nbre d'heure
volumes = int(champ)
return volumes
except:
volumes = re.findall("(\d{2}\D|\d{1}\D)", champ)
if len(volumes) == 1:
return int(volumes[0][:-1])
elif len(volumes) == 2:
volumes = sorted(volumes, reverse=True)
return (int(volumes[0][:-1]), int(volumes[1][:-1]))
def nettoie_liste_ressources(contenu):
"""Nettoie un contenu contenant une liste ressources, en extrayant les codes ressources
et en les fournissant les codes extraits dans une liste
"""
R_avec_code = devine_ressources_by_code(contenu)
R_avec_nom = devine_code_by_nom_from_dict(contenu, DATA_RESSOURCES)
liste = R_avec_code + R_avec_nom
liste = [l.rstrip().replace(",", "").replace(".", "") for l in liste] # supprime les espaces et les ponctuations restantes
return sorted(list(set(liste)))
def devine_acs_by_code(champ):
"""Recherche les codes ressources de la forme ACXXX ou AC0XXX dans champ ;
ramène les codes AC0XXX à 3 chiffres.
"""
codes3 = re.findall(r"(AC[0-9][0-9][0-9]\D)", champ) # de code à 3 chiffres
codes4 = re.findall(r"(AC0[0-9][0-9][0-9])", champ)
codes3 = [c.rstrip() for c in codes3]
codes4 = [c.rstrip() for c in codes4]
codes4 += [ "AC0" + c[-3:] for c in codes3] # ajoute les 0 manquants des acs (codage AC0111)
return sorted(list(set(codes4)))
def devine_ressources_by_code(champ):
"""Recherche les codes ressources de la forme RXXX dans champ ;
"""
codes = re.findall(r"(R\d{3}\D)", champ) # de code à 3 chiffres
return sorted(list(set(codes)))
def devine_ressources_by_nom(donnees):
"""Partant d'une chaine de caractères, détermine les ressources
présentes dans la donnée, en utilisant les infos officielles de
ressources.yml"""
donnees_purge = supprime_accent_espace(donnees)
codes = []
for sem in DATA_RESSOURCES:
for code in DATA_RESSOURCES[sem]:
nom_purge = supprime_accent_espace(DATA_RESSOURCES[sem][code])
if nom_purge in donnees_purge:
codes += [code]
return sorted(list(set(codes)))
def devine_sae_by_code(donnees):
"""Partant d'une chaine de caractères, détermine les codes des SAE"""
codes = re.findall(r"(SAE\d\d)", donnees)
codes += re.findall(r"(SAÉ\d\d)", donnees)# de code à 3 chiffres
for (i, code) in enumerate(codes):
codes[i] = codes[i].replace("E", "É")
return sorted(list(set(codes)))
def remove_link(contenu):
liens = re.findall("(<a\s.*\">)", contenu)
for m in liens:
contenu = contenu.replace(m, "")
contenu = contenu.replace("</a>", "")
return contenu
def remove_ligne_vide(contenus):
"""Supprime les lignes vides"""
if isinstance(contenus, list):
return [c for c in contenus if c.rstrip()]
else: # contenu = chaine
temp = contenus.split("\n")
temp = [t for t in temp if t.replace("\t", "").rstrip()]
return "\n".join(temp)
def get_marqueur_numerique(contenu):
"""Revoie la liste des marqueurs numériques"""
m = re.findall(r"(\d/|\d\s/)", contenu)
m += re.findall(r"(\d\s\)|\d\))", contenu) # les marqueurs de la forme 1)
m += re.findall(r"(--\s|--\t)", contenu)
return m
def get_marqueurs(contenu):
"""Renvoie la liste des marqueurs (à 1 caractère) partant d'un contenu - splitable en plusieurs lignes
(éventuellement vide)"""
contenus = [ligne.rstrip() for ligne in contenu.split("\n")] # les contenus
marqueurs = []
for ligne in contenus:
m = re.search(r"(\t)*", ligne) # y a-t-il des tabulations ?
if m.group() != "":
ajout = m.group()
else:
ajout = ""
ligne = ligne.replace("\t","").rstrip() # supprime les tabulations pour rapatrier le marqueur en début de ligne
if ligne: # si la ligne n'est pas vide, cherche le marqueur en début de ligne (si 1 caractère)
if ligne[0] not in string.ascii_letters and ligne[0] != "É" and ligne[0] != "/":
marqueurs += [ajout + ligne[0]] # tous les symboles
marqueurs_finaux = [] # tri les marqueurs en supprimant les doublons et en gardant un ordre (pour détecter les sous listes)
for m in marqueurs:
if m not in marqueurs_finaux:
marqueurs_finaux.append(m)
return marqueurs_finaux
def get_marqueur_from_liste(ligne, marqueurs):
"""Renvoie le marqueur qui marque le début d'une ligne parmi une liste de marqueurs recherchés"""
for m in marqueurs:
if ligne.startswith(m):
return m
def remplace_marqueur_numerique_with_caracteres(contenu):
"""Remplace les marqueurs numériques par des marqueurs > lorsque présents dans un contenu"""
marqueurs_numeriques = get_marqueur_numerique(contenu)
for m in marqueurs_numeriques: # remplace les marqueurs numériques
contenu = contenu.replace(m, ">")
return contenu
def convert_to_markdown(contenu):
"""Convertit un contenu avec des marqueurs en markdown"""
contenu = remove_link(contenu) # supprime les liens
contenu = remplace_marqueur_numerique_with_caracteres(contenu)
marqueurs_finaux = get_marqueurs(contenu)
lignes = contenu.split("\n")
contenus_fin = lignes[:] # copie des ligne
for (i, ligne) in enumerate(lignes):
m = get_marqueur_from_liste(ligne, marqueurs_finaux) # identifie la présence d'un marqueur dans la ligne
if m:
pos = marqueurs_finaux.index(m)
contenus_fin[i] = "\t" * (pos) + "* " + ligne.replace(m, "").replace("\t", "").rstrip()
contenu = "\n\n".join(contenus_fin)
return contenu
class SAEDocx(Docx):
"""Classe modélisant un chapeau de SAé relu dans les docx"""
__LOGGER = logging.getLogger(__name__)
def charge_informations(self, code, semestre, heures_encadrees, tp, projet, description, ressources, livrables, mots):
self.code = code
self.semestre = semestre # <--
self.heures_encadrees = heures_encadrees
self.tp = tp
self.projet = projet
self.description = description
self.ressources = ressources
self.livrables = livrables
self.mots = mots
def nettoie_titre_sae(self):
"""Nettoie le titre d'une SAE en utilisant les titres officiels
fournis dans le yaml (via le dictionnaire DATA_RESSOURCES)"""
self.nettoie_titre(DATA_SAES)
def nettoie_code(self):
"""Recherche les codes de la forme SAE|éXX """
if self.code:
codes = devine_sae_by_code(self.code)
if len(codes) == 1:
self.code = codes[0]
else:
code_devine = get_code_from_nom_using_dict(self.nom, DATA_SAES)
if code_devine:
SAEDocx.__LOGGER.warning(f"nettoie_code : \"{self.nom}\" => code {code_devine}")
self.code = code_devine
else:
self.code = None
if not self.code:
SAEDocx.__LOGGER.warning(f"nettoie_code : \"{self.nom}\" => code manquant")
def nettoie_heures_sae(self):
"""Nettoie les champs (horaires) des saes"""
if self.heures_encadrees: # si les heures encadrées sont renseignées
self.heures_encadrees = nettoie_champ_heure(self.heures_encadrees)
else:
SAEDocx.__LOGGER.warning(f"nettoie_heures_sae: dans {self.nom}, manque les heures de formation")
self.heures_encadrees = "???"
if self.tp:
self.tp = nettoie_champ_heure(self.tp)
else:
SAEDocx.__LOGGER.warning(f"nettoie_heures_sae: dans {self.nom}, manque les heures de tp")
self.tp = "???"
if self.projet:
self.projet = nettoie_champ_heure(self.projet)
else:
SAEDocx.__LOGGER.warning(f"nettoie_heures_sae: dans {self.nom}, manque les heures de projet")
self.projet = "???"
try:
if self.heures_encadrees < self.tp:
SAEDocx.__LOGGER.warning(f"nettoie_heures_sae: dans {self.nom}, pb dans les heures formations/tp")
except:
pass
def nettoie_livrables_sae(self):
"""Partant du contenu détaillé d'une ressource, la transforme
en markdown en générant les listes à puces"""
self.livrables = convert_to_markdown(self.livrables)
def nettoie_ressources(self):
"""Nettoie le champ ressource d'une sae en détectant les codes"""
self.ressources = nettoie_liste_ressources(self.ressources)
if not self.ressources:
SAEDocx.__LOGGER.warning(f"nettoie_ressources: dans {self.nom} pas de ressources (:")
def nettoie_description(self):
"""Nettoie le champ description"""
self.description = convert_to_markdown(self.description)
def to_yaml(self):
"""Exporte la ressource en yaml"""
dico = {"titre": self.nom,
"code": self.code,
"semestre": int(self.semestre[1]),
"heures_encadrees": self.heures_encadrees if self.heures_encadrees else "???",
"tp": self.tp if self.tp else "???",
"projet": self.projet if self.projet else "???",
"description": folded(self.description),
"acs": self.apprentissages,
"ressources": self.ressources,
"livrables": folded(self.livrables),
"motscles": self.mots if self.mots else ""
}
return self.dico_to_yaml(dico)
class ExempleSAEDocx(Docx):
"""Classe modélisant les exemples de SAE tel que relu dans les Docx"""
def __init__(self, nom, brut, code):
self.nom = nom.rstrip()
self.brut = brut # les données brutes de la ressource
self.code = code # code de la SAE à laquelle l'exemple est raccroché
# Ajoute le semestre de la SAE
self.semestre = int(get_officiel_sem_sae_by_code(code)[1])
def charge_informations(self, description, formes, problematique, modalite):
self.description = description
self.formes = formes # <--
self.problematique = problematique
self.modalite = modalite
def nettoie_description(self):
"""Nettoie la description d'un exemple de SAE"""
self.description = convert_to_markdown(self.description)
def nettoie_problematique(self):
"""Nettoie la description d'un exemple de SAE"""
if self.code=="SAÉ15":
print("ici")
if self.problematique:
self.problematique = convert_to_markdown(self.problematique)
else:
self.problematique = ""
def nettoie_modalite(self):
"""Nettoie les modalités (d'évaluation) d'un exemple de SAE"""
if self.modalite:
self.modalite = convert_to_markdown(self.modalite)
else:
self.modalite = f"Les même que les livrables et les productions de la {self.code}"
def nettoie_champs(self):
"""Déclenche le nettoyage des champs de l'exemple"""
self.nettoie_modalite()
self.nettoie_description()
self.nettoie_problematique()
def to_yaml(self):
"""Exporte la ressource en yaml"""
dico = {"titre": self.nom,
"code": self.code,
"semestre": self.semestre,
"description": folded(self.description),
"formes": self.formes,
"problematique": folded(self.problematique) if self.problematique !="" else "",
"modalite": folded(self.modalite),
}
return self.dico_to_yaml(dico)
if __name__=="__main__":
# Eléments de test
for sem in DATA_RESSOURCES:
for code in DATA_RESSOURCES[sem]:
nom_data = supprime_accent_espace(DATA_RESSOURCES[sem][code])
print(nom_data)