-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathUntitled-1.py
207 lines (153 loc) · 11.3 KB
/
Untitled-1.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
import spacy
from spacy.matcher import Matcher
import pdfplumber
import re
from spacy.tokens import DocBin
def generar_diccionario_proyectos_v2(file):
diccionario_obras_nuevas = {}
diccionario_lineas_nuevas = {}
paginas = [1,2]
lista_titulos_largos = []
with pdfplumber.open(file) as pdf:
text = ""
for i in paginas:
text += pdf.pages[i].extract_text()
matches = re.finditer(r'(Nueva (S/E|S/E Seccionadora|línea|líneas|Línea|Líneas).*?)(?=\n\S)', text, re.DOTALL)
try:
for match in matches:
line = match.group(0)
if not re.match(r".*[0-9]{2}$", line):
lista_titulos_largos.append(line)
print("Título largo: ", line)
titulo = input("Ingrese el título del proyecto según el índice del pdf: ")
pag_inicio = int(input("Ingrese la página de inicio del proyecto según el índice del pdf: ")) - 1
pag_final = pag_inicio + 3
##############################################################################################
if "s/e" in titulo.lower() and "nuevas líneas" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva s/e y nuevas lineas.
# Por lo tanto, separaremos el titulo para almacenar cada titulo en un diccionario
# EJ: Nueva S/E Caracoles, nuevas líneas 2x220 kV Caracoles – Liqcau y 2x110 kV Guardiamarina – Caracoles
# Se almacenará en el diccionario de la siguiente manera:
aux = titulo.split(", nuevas líneas")
if len(aux) > 1:
titulo_se_nva = aux[0].strip()
titulo_lineas_nvas = aux[1].split(" y ")
else:
aux = titulo.split(" y nuevas líneas")
if len(aux) > 1:
titulo_se_nva = aux[0].strip()
titulo_lineas_nvas = aux[1].split(" y ")
else:
print("No se pudo clasificar el proyecto: ", titulo)
continue
diccionario_obras_nuevas[titulo_se_nva] = (pag_inicio, pag_final)
for linea in titulo_lineas_nvas:
diccionario_lineas_nuevas[linea.strip()] = (pag_inicio, pag_final)
elif "nueva línea" in titulo.lower() and "s/e" in titulo.lower():
print(f"El proyecto es una línea nueva y una subestación nueva: {titulo}")
# Por lo tanto, el proyecto se compone de una nueva s/e y una nueva linea.
# Por lo tanto, separaremos el titulo para almacenar cada titulo en un diccionario
# EJ: Nueva S/E Alto Molle y nueva línea 2x110 kV Alto Molle – Cóndores
aux = titulo.split(" y nueva línea")
titulo_se_nva = aux[0].strip()
titulo_linea_nva = aux[1].strip()
diccionario_obras_nuevas[titulo_se_nva] = (pag_inicio, pag_final)
diccionario_lineas_nuevas[titulo_linea_nva] = (pag_inicio, pag_final)
elif "nueva línea" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva linea.
# Por lo tanto, almacenaremos el titulo en el diccionario de lineas nuevas
titulo = titulo.replace("Nueva línea", "").strip()
diccionario_lineas_nuevas[titulo] = (pag_inicio, pag_final)
elif "s/e" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva s/e.
# Por lo tanto, almacenaremos el titulo en el diccionario de obras nuevas
diccionario_obras_nuevas[titulo.strip()] = (pag_inicio, pag_final)
else:
print(f"No se pudo clasificar el proyecto: {titulo}")
##############################################################################################
else:
match = re.match(r'^(.*?)\s+(\d+)$', line)
if match:
titulo = match.group(1).replace(".", "")
pag_inicio = int(match.group(2)) - 1
pag_final = pag_inicio + 3
if "s/e" in titulo.lower() and "nuevas líneas" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva s/e y nuevas lineas.
# Por lo tanto, separaremos el titulo para almacenar cada titulo en un diccionario
# EJ: Nueva S/E Caracoles, nuevas líneas 2x220 kV Caracoles – Liqcau y 2x110 kV Guardiamarina – Caracoles
# Se almacenará en el diccionario de la siguiente manera:
aux = titulo.split(", nuevas líneas")
titulo_se_nva = aux[0]
titulo_lineas_nvas = aux[1].split(" y ")
diccionario_obras_nuevas[titulo_se_nva] = (pag_inicio, pag_final)
for linea in titulo_lineas_nvas:
diccionario_lineas_nuevas[linea] = (pag_inicio, pag_final)
elif "nueva línea" in titulo.lower() and "s/e" in titulo.lower():
print(f"El proyecto es una línea nueva y una subestación nueva: {titulo}")
# Por lo tanto, el proyecto se compone de una nueva s/e y una nueva linea.
# Por lo tanto, separaremos el titulo para almacenar cada titulo en un diccionario
# EJ: Nueva S/E Alto Molle y nueva línea 2x110 kV Alto Molle – Cóndores
aux = titulo.split(" y nueva línea")
titulo_se_nva = aux[0]
titulo_linea_nva = aux[1]
diccionario_obras_nuevas[titulo_se_nva] = (pag_inicio, pag_final)
diccionario_lineas_nuevas[titulo_linea_nva] = (pag_inicio, pag_final)
elif "nueva línea" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva linea.
# Por lo tanto, almacenaremos el titulo en el diccionario de lineas nuevas
titulo = titulo.replace("Nueva línea", "")
diccionario_lineas_nuevas[titulo] = (pag_inicio, pag_final)
elif "s/e" in titulo.lower():
# Por lo tanto, el proyecto se compone de una nueva s/e.
# Por lo tanto, almacenaremos el titulo en el diccionario de obras nuevas
diccionario_obras_nuevas[titulo] = (pag_inicio, pag_final)
else:
print(f"No se pudo clasificar el proyecto: {titulo}")
else:
print(f"No se pudo clasificar el proyecto: {line}")
except Exception as e:
print(f"Error en la ejecución del análisis: {e}")
try:
patron_final = r"El C.O.M.A"
for diccionario in [diccionario_obras_nuevas, diccionario_lineas_nuevas]:
for titulo, paginas in diccionario.items():
for i in range(paginas[0], paginas[1]):
text = pdf.pages[i].extract_text()
if re.search(patron_final, text, re.DOTALL):
diccionario[titulo] = (paginas[0], i)
print("Obras nuevas: ")
for titulo, paginas in diccionario_obras_nuevas.items():
print(f"{titulo}: {paginas}")
print("Lineas nuevas: ")
for titulo, paginas in diccionario_lineas_nuevas.items():
print(f"{titulo}: {paginas}")
except Exception as e:
print(f"Error en la ejecución del análisis: {e}")
return diccionario_obras_nuevas, diccionario_lineas_nuevas
def extraer_descripciones(file, diccionario):
descripciones = {}
try:
with pdfplumber.open(file) as pdf:
for titulo, paginas in diccionario.items():
texto = ""
for i in range(paginas[0], paginas[1] + 1):
texto += pdf.pages[i].extract_text()
texto = texto.replace("\n", " ")
texto = texto.replace(" ", " ")
descripcion_definitiva = extraer_texto_entre_delimitadores_v2(texto, "Descripción general y ubicación", "moneda de los Estados Unidos de América")
descripciones[titulo] = descripcion_definitiva
except Exception as e:
print(f"Error en la ejecución del análisis: {e}")
return descripciones
def extraer_texto_entre_delimitadores_v2(texto, delimitador_inicial, delimitador_final):
pattern = re.compile(f"{delimitador_inicial}(.*?{delimitador_final}.*?)\.", re.DOTALL)
match = pattern.search(texto)
return match.group(0) if match else "ERROR EXTRAYENDO TEXTO"
#vamos a cargar el modelo entrenado, que se encuentra en la carpeta output
nlp = spacy.load("output/model-best")
texto = "El proyecto incluye la construcción de una nueva subestación, denominada Tomeco, trol,feis madness."
texto2 = "4.2.1.1 Descripción general y ubicación de la obra El proyecto consiste en la construcción de una nueva subestación seccionadora, denominada Linderos, mediante el seccionamiento de las líneas 2x154 kV Alto Jahuel – Punta de Cortés y 1x66 kV Fátima – Buin, con sus respectivos paños de línea y patios en 154 kV, 66 kV y 15 kV. A su vez, el proyecto considera la instalación de un transformador de 154/66 kV de 75 MVA de capacidad y un transformador de 66/15 kV de 30 MVA de capacidad, ambos con Cambiador de Derivación Bajo Carga (CDBC) y sus respectivos paños de conexión en sus niveles de tensión correspondientes. Adicionalmente, el proyecto considera la construcción de enlaces para el seccionamiento de las líneas mencionadas en la subestación Linderos, manteniendo, al menos, las características técnicas de la línea que se secciona en 154 kV, mientras que, para la línea que se secciona de 66 kV, el enlace debe poseer un conductor con capacidad de trasmisión de, al menos, 58 MVA a 35°C temperatura ambiente con sol."
doc = nlp(texto2)
print("Entidades encontradas: ")
for ent in doc.ents:
print(ent.text, ent.label_)