Dodana tika & format (v swagger definiciji se ni nic novega v tem commitu)
This commit is contained in:
+1
-1
@@ -179,7 +179,7 @@
|
||||
"tags": [
|
||||
"doc-2text"
|
||||
],
|
||||
"summary": "Pretvori datoteko formata pdf, doc, docx, ppt, xls,... v besedilo",
|
||||
"summary": "Pretvori datoteko formata pdf, doc, docx, ppt, xls,... vraca besedilo",
|
||||
"requestBody": {
|
||||
"content": {
|
||||
"multipart/form-data": {
|
||||
|
||||
@@ -1,8 +1,10 @@
|
||||
from tempfile import TemporaryFile
|
||||
|
||||
import connexion
|
||||
import six
|
||||
# import tika
|
||||
import requests
|
||||
|
||||
import json
|
||||
from swagger_server import util
|
||||
import pandas as pd
|
||||
import docx
|
||||
@@ -10,6 +12,11 @@ import codecs
|
||||
import xml.etree.ElementTree as ET
|
||||
from PyPDF2 import PdfReader
|
||||
|
||||
tika_server = "http://tika:9998/tika"
|
||||
|
||||
|
||||
tika_server = "http://rsdo.lhrs.feri.um.si:9998/tika"
|
||||
|
||||
|
||||
def datoteka_v_besedilo_post(file=None): # noqa: E501
|
||||
"""Pretvori datoteko formata pdf, doc, docx, ppt, xls,... v besedilo
|
||||
@@ -21,25 +28,33 @@ def datoteka_v_besedilo_post(file=None): # noqa: E501
|
||||
|
||||
:rtype: str
|
||||
"""
|
||||
#zakaj ? tika server se požene zraven v dodatnem containerju in se datoteka samo pošlje tja, nazaj pa se dobi čisto besedilo...
|
||||
#tika ima rest api
|
||||
if file is None:
|
||||
return "No file provided", 400
|
||||
|
||||
tika_server="http://tika:9998/tika"
|
||||
response=requests.post(tika_server, data=file)
|
||||
return response.text, 200
|
||||
try:
|
||||
response = requests.put(tika_server, data=file)
|
||||
return response.text, 200
|
||||
except Exception as e:
|
||||
return str(e), 500
|
||||
|
||||
|
||||
def get_text_ocr(file=None): # noqa: E501
|
||||
def get_text_ocr(file=None):
|
||||
"""Pretvori datoteko formata pdf, doc, docx, ppt, xls,... v besedilo s pomočjo ocr razpoznavanja
|
||||
|
||||
|
||||
# noqa: E501
|
||||
|
||||
:param file:
|
||||
:type file: strstr
|
||||
|
||||
:rtype: str
|
||||
"""
|
||||
|
||||
if file is None:
|
||||
return "No file provided", 400
|
||||
|
||||
tika_server="http://tika:9998/tika"
|
||||
#za ocr se zraven samo doda header
|
||||
response=requests.post(tika_server, data=file,headers={"X-Tika-PDFOcrStrategy":"ocr_only","X-Tika-OCRLanguage":"slv+eng"})
|
||||
return response.text, 200
|
||||
|
||||
try:
|
||||
response = requests.put(tika_server, data=file,
|
||||
headers={"X-Tika-PDFOcrStrategy": "ocr_only", "X-Tika-OCRLanguage": "slv+eng"})
|
||||
return response.text, 200
|
||||
except Exception as e:
|
||||
return str(e), 500
|
||||
|
||||
|
||||
@@ -19,53 +19,52 @@ def get_candidates(body): # noqa: E501
|
||||
if connexion.request.is_json:
|
||||
body = IzlusciBody.from_dict(connexion.request.get_json()) # noqa: E501
|
||||
|
||||
|
||||
data={
|
||||
terminoloski_kandidati:[
|
||||
{
|
||||
data = {
|
||||
"terminoloski_kandidati": [
|
||||
{
|
||||
"POSoznake": "Ncmsn",
|
||||
"kandidat": "vpliv",
|
||||
"kanonicnaoblika": "vpliv",
|
||||
"nosilnautez": 0.8008282,
|
||||
"podporneutezi": [
|
||||
6.0274563,
|
||||
6.0274563
|
||||
6.0274563,
|
||||
6.0274563
|
||||
],
|
||||
"pogostostpojavljanja": [101,71]
|
||||
},
|
||||
{
|
||||
"pogostostpojavljanja": [101, 71]
|
||||
},
|
||||
{
|
||||
"POSoznake": "Agpnsg Ncnsg",
|
||||
"kandidat": "bivalen okolje",
|
||||
"kanonicnaoblika": "bivalno okolje",
|
||||
"nosilnautez": 0.60254,
|
||||
"podporneutezi": [
|
||||
3.263,
|
||||
2.134
|
||||
3.263,
|
||||
2.134
|
||||
],
|
||||
"pogostostpojavljanja": [27,11]
|
||||
},
|
||||
{
|
||||
"pogostostpojavljanja": [27, 11]
|
||||
},
|
||||
{
|
||||
"POSoznake": "Agpmsny Ncmsn Ncmpg",
|
||||
"kandidat": "motorični status otrok",
|
||||
"kanonicnaoblika": "motorični status otrok",
|
||||
"nosilnautez": 0.3324,
|
||||
"podporneutezi": [
|
||||
1.221,
|
||||
3.323
|
||||
1.221,
|
||||
3.323
|
||||
],
|
||||
"pogostostpojavljanja": [31,51]
|
||||
},
|
||||
{
|
||||
"pogostostpojavljanja": [31, 51]
|
||||
},
|
||||
{
|
||||
"POSoznake": "Agpnsn Ncnsn",
|
||||
"kandidat": "diplomsko delo",
|
||||
"kanonicnaoblika": "diplomsko delo",
|
||||
"nosilnautez": 0.2008282,
|
||||
"podporneutezi": [
|
||||
0.883,
|
||||
1.02
|
||||
0.883,
|
||||
1.02
|
||||
],
|
||||
"pogostostpojavljanja": [1241,111]
|
||||
}
|
||||
]
|
||||
}
|
||||
"pogostostpojavljanja": [1241, 111]
|
||||
}
|
||||
]
|
||||
}
|
||||
return data
|
||||
|
||||
+261
-253
@@ -3,33 +3,33 @@ info:
|
||||
title: OpenAPI definition
|
||||
version: v0
|
||||
servers:
|
||||
- url: http://localhost:8089
|
||||
description: Generated server url
|
||||
- url: http://localhost:8089
|
||||
description: Generated server url
|
||||
paths:
|
||||
/job/{job_id}:
|
||||
get:
|
||||
tags:
|
||||
- jobs
|
||||
- jobs
|
||||
summary: Vrne status
|
||||
operationId: get_job_status
|
||||
parameters:
|
||||
- name: job_id
|
||||
in: path
|
||||
required: true
|
||||
style: simple
|
||||
explode: false
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: show_estimated_completion
|
||||
in: query
|
||||
description: Calculate estimate time remaining based on various factors (could
|
||||
be inaccurate)
|
||||
required: false
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: boolean
|
||||
- name: job_id
|
||||
in: path
|
||||
required: true
|
||||
style: simple
|
||||
explode: false
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: show_estimated_completion
|
||||
in: query
|
||||
description: Calculate estimate time remaining based on various factors (could
|
||||
be inaccurate)
|
||||
required: false
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: boolean
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -41,7 +41,7 @@ paths:
|
||||
/oznaciBesedilo:
|
||||
post:
|
||||
tags:
|
||||
- marktext
|
||||
- marktext
|
||||
summary: Označi besedilo s classlo/stanzo z uporabo slovenskih modelov ter vrne
|
||||
conll-u format
|
||||
operationId: get_text
|
||||
@@ -63,7 +63,7 @@ paths:
|
||||
/izlusci:
|
||||
post:
|
||||
tags:
|
||||
- extract
|
||||
- extract
|
||||
summary: Izlusci terminološke kandidate iz seznama besedil v conllu obliki
|
||||
operationId: get_candidates
|
||||
requestBody:
|
||||
@@ -86,7 +86,7 @@ paths:
|
||||
/datotekaVBesedilo/ocr:
|
||||
post:
|
||||
tags:
|
||||
- doc-2text
|
||||
- doc-2text
|
||||
summary: "Pretvori datoteko formata pdf, doc, docx, ppt, xls,... v besedilo\
|
||||
\ s pomočjo ocr razpoznavanja"
|
||||
operationId: get_text_ocr
|
||||
@@ -107,7 +107,7 @@ paths:
|
||||
/datotekaVBesedilo/:
|
||||
post:
|
||||
tags:
|
||||
- doc-2text
|
||||
- doc-2text
|
||||
summary: "Pretvori datoteko formata pdf, doc, docx, ppt, xls,... v besedilo"
|
||||
operationId: datoteka_v_besedilo_post
|
||||
requestBody:
|
||||
@@ -127,48 +127,48 @@ paths:
|
||||
/oss/steviloBesedilPoIskanju:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne število besedil glede na iskalne pogoje
|
||||
operationId: get_number_texts
|
||||
parameters:
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -182,48 +182,48 @@ paths:
|
||||
/oss/izlusciPoIskanju:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: 'Vrne terminloške kandidate glede na '
|
||||
operationId: get_extracted_words
|
||||
parameters:
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -238,49 +238,49 @@ paths:
|
||||
/oss/datotekePoIskanju:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne seznam binarnih zapisov v originalnem formatu glede na iskalne
|
||||
pogoje
|
||||
operationId: get_files
|
||||
parameters:
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -298,18 +298,18 @@ paths:
|
||||
/oss/datotekaPoId:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne binarni zapis v originalnem formatu po id-ju datoteke
|
||||
operationId: get_file
|
||||
parameters:
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -325,48 +325,48 @@ paths:
|
||||
/oss/conlluPoIskanju:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne seznam CoNNL-U-jev glede na iskalne pogoje
|
||||
operationId: get_conllus
|
||||
parameters:
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -381,18 +381,18 @@ paths:
|
||||
/oss/conlluPoId:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne CoNNL-U po id-ju datoteke
|
||||
operationId: get_conllu
|
||||
parameters:
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -405,18 +405,18 @@ paths:
|
||||
/oss/besediloPoId:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne besedilo po id-ju datoteke
|
||||
operationId: oss_besedilo_po_id_get
|
||||
parameters:
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: file_id
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -429,48 +429,48 @@ paths:
|
||||
/oss/besedilaPoIskanju:
|
||||
get:
|
||||
tags:
|
||||
- oss
|
||||
- oss
|
||||
summary: Vrne seznam besedil glede na iskalne pogoje
|
||||
operationId: get_texts
|
||||
parameters:
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: leta
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
- name: vrste
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: kljucnebesede
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: string
|
||||
- name: cerifpodrocja
|
||||
in: query
|
||||
required: true
|
||||
style: form
|
||||
explode: true
|
||||
schema:
|
||||
type: array
|
||||
items:
|
||||
type: integer
|
||||
format: int64
|
||||
responses:
|
||||
"200":
|
||||
description: OK
|
||||
@@ -508,18 +508,18 @@ components:
|
||||
format: int64
|
||||
example:
|
||||
podporneutezi:
|
||||
- 6.0274563
|
||||
- 6.0274563
|
||||
- 6.0274563
|
||||
- 6.0274563
|
||||
pogostostpojavljanja:
|
||||
- 1
|
||||
- 1
|
||||
- 1
|
||||
- 1
|
||||
POSoznake: POSoznake
|
||||
kanonicnaoblika: kanonicnaoblika
|
||||
nosilnautez: 0.8008282
|
||||
kandidat: kandidat
|
||||
JobResponse:
|
||||
required:
|
||||
- finished_job
|
||||
- finished_job
|
||||
type: object
|
||||
properties:
|
||||
finished_job:
|
||||
@@ -555,7 +555,7 @@ components:
|
||||
type: string
|
||||
datotekaVBesedilo_ocr_body:
|
||||
required:
|
||||
- file
|
||||
- file
|
||||
type: object
|
||||
properties:
|
||||
file:
|
||||
@@ -563,7 +563,15 @@ components:
|
||||
format: binary
|
||||
datotekaVBesedilo_body:
|
||||
required:
|
||||
- file
|
||||
- file
|
||||
type: object
|
||||
properties:
|
||||
file:
|
||||
type: string
|
||||
format: binary
|
||||
datotekaVBesediloSync_body:
|
||||
required:
|
||||
- file
|
||||
type: object
|
||||
properties:
|
||||
file:
|
||||
|
||||
Reference in New Issue
Block a user