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
|
#!/usr/bin/env python3
import argparse, sys, json, os, re
try:
from termcolor import cprint
colors_supported = True
except ImportError:
colors_supported = False
CWD = os.path.dirname(os.path.realpath(__file__))
def print_colored(s, color, fallback_prefix=''):
if colors_supported:
cprint(s, color)
else:
print(fallback_prefix + s)
def load_data():
with open(os.path.join(CWD, "data.json")) as f:
data = json.loads(f.read())
# ignore placeholders
data = list(filter(lambda i: i['text'] != '', data))
return data
def clean_string(s, remove_junk=False):
s = s.replace(')', ') ')
s = re.sub(r'(\!|\.)([^\)])', r'\1 \2', s)
#s = s.replace('/', ' ')
s = s.upper()
s = re.sub(r'\s+', ' ', s).strip()
junks = [
'ВОЕННОЕ',
'ВЫШЕСТОЯЩИХ',
'ПРАВО',
'ПРАВИЛАМ ВОЙНЫ',
'ВЫПИСКА',
'КОНТРОЛЬ',
'ИХ',
'ПО',
'НАВЫКИ',
'С ВЫШЕСТОЯЩИМИ',
#'ПРИСУТСТВИЕ',
#'ЛИНЕЙНО',
'ЗАКОННО!',
'ПОХЛЕБКА',
'СВЯЗЕЙ',
'ЖУЮЩЕГО ХРЯЩИ',
'ИНДЕКСИРОВАН БЕЗУКОРИЗНЕННО',
'ОТКЛАДЫВАЕТСЯ ЛИНЕЙНО',
'- ЕГО ВЕЛИЧЕСТВО',
'ГУБЕРНИЯ',
'С ВЫШЕСТОЯЩИМИ КОНТРОЛЬ',
'С ЛОКАЦИИ',
'SEARCHED',
#'КАЗНЬ',
'ГУБЕРНИЯ',
'ПРОВЕРКИ',
'УСТАНОВЛЕНО',
'ПОБЕДИТЕЛЕМ',
#'СТАЛЬНЫЕ',
'НЕРВЫ',
'ДАРОВАНО',
#'ТРАНСПОРТИРОВКА',
'ОДОБРЕНО',
'ПРОЯВЛЕНИЯ',
'УЗАКОНЕНО',
'ИМЕЕТСЯ',
'ЗНАЛ',
'НЕ ПРИМЕЧЕНО',
'НА СЕВЕР',
'ПРИГОВОРИТЬ',
'ШЕСТВУЕМ',
'ДАГОН',
'ДА МЕРЗНУЩИЙ',
'КОФЕ',
#'РЕАГИРОВАНИЕ',
'УКАЗАНО',
'- ВЫСОКИЙ ТИТУЛ',
'ЗАКАЗ',
'ЧЕРТЫ ЛИЦА',
# english
'SCHOOL ON THE RIGHT',
'WILL NOT ALLOW',
'FLYWHEEL',
'TRIUMPHANTLY',
#'UNACCEPTABLE',
'BEING USED',
'NICE',
'UMBRELLA',
#'BIOROBOT',
'CONSERVATISM',
'WAS ESTABLISHED',
'WITH A PASSWORD',
'ANT',
'YEAR',
'RECOGNIZED',
#'SEARCHED'
#'LEGAL',
#'FIGHTING'
]
# только без пробелов
junks_words = list(filter(lambda w: ' ' not in w, junks))
# только с пробелами
junks_nwords = list(filter(lambda w: w not in junks_words, junks))
if remove_junk:
s = s.split(' ')
s = list(filter(lambda l: re.sub(r'\.|\!$', '', l) not in junks_words, s))
s = ' '.join(s)
for j in junks_nwords:
s = s.replace(j, '')
# хортица - это буква Х
s = s.replace('Х О Р Т И Ц А', 'Х_О_Р_Т_И_Ц_А')
s = re.sub(r'\s+', ' ', s).strip()
return s
def decode(s, is_url=False):
buf = ''
for word in s.split(' '):
word = word.strip()
if word == '':
continue
if re.match(r'^\d+\%$', word):
buf += word
elif is_url and word.endswith('://'):
buf += word[0]
buf += '://'
else:
letter = word[0]
buf += letter
return buf
def main():
parser = argparse.ArgumentParser()
parser.add_argument('--decode', action='store_true')
parser.add_argument('--stats', action='store_true')
parser.add_argument('--decode-string')
parser.add_argument('--with-junk', action='store_true')
parser.add_argument('--is-url', action='store_true')
args = parser.parse_args()
data = load_data()
if args.decode:
# ignore type2
data = list(filter(lambda i: 'type' not in i, data))
# sort by text length
data = sorted(data, key=lambda i: len(i['text']))
for obj in data:
text = obj['text']
text = clean_string(text, remove_junk=(not args.with_junk))
print(obj['text'])
print_colored(text, 'green', fallback_prefix='[CLEANED] ')
print_colored(decode(text), 'cyan', fallback_prefix='[DECODED] ')
if 'pic' in obj:
pic = obj['pic'] if isinstance(obj['pic'], list) else [obj['pic']]
print_colored(', '.join(pic), 'red', fallback_prefix='[PICS] ')
print("\n")
elif args.decode_string:
text = clean_string(args.decode_string, remove_junk=(not args.with_junk))
print(args.decode_string)
print_colored(text, 'green', fallback_prefix='[CLEANED] ')
print_colored(decode(text, is_url=args.is_url), 'cyan', fallback_prefix='[DECODED] ')
elif args.stats:
count = len(data)
print("Total texts: %s" % count)
if __name__ == '__main__':
sys.exit(main())
|
