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
|
#!/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', 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',
#'КАЗНЬ',
'ГУБЕРНИЯ',
]
# 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'\.$', '', l) not in junks_words, s))
s = ' '.join(s)
for j in junks_nwords:
s = s.replace(j, '')
# хортица - это буква Х
s = s.replace('Х О Р Т И Ц А', 'Х_О_Р_Т_И_Ц_А')
s = re.sub(r'\s+', ' ', s).strip()
return s
def decode(s, optimize=False):
buf = ''
for word in s.split(' '):
word = word.strip()
if word == '':
continue
if re.match(r'^\d+\%$', word):
buf += word
else:
letter = word[0]
buf += letter
if optimize:
buf = re.sub(r'ппв', '', buf, flags=re.I)
return buf
def main():
parser = argparse.ArgumentParser()
parser.add_argument('--remove-junk', action='store_true')
parser.add_argument('cmd', type=str)
args = parser.parse_args()
data = load_data()
if args.cmd == '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[6:]:
text = obj['text']
text = clean_string(text, remove_junk=args.remove_junk)
print(obj['text'])
print_colored(text, 'green', fallback_prefix='[CLEANED] ')
print_colored(decode(text, optimize=False), '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.cmd == 'stats':
count = len(data)
print("Total texts: %s" % count)
if __name__ == '__main__':
sys.exit(main())
|
