Spaces:
Sleeping
Sleeping
File size: 2,990 Bytes
86c402d |
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 |
#!/usr/bin/env python3
"""
Скрипт для тестирования парсера DOCX документов
и сохранения результатов в JSON формате.
Положите ваш файл test.docx в директорию test_input и запустите скрипт.
Результат будет сохранен в файл test_output/test.json
"""
from datetime import datetime
import json
import logging
import sys
from pathlib import Path
# Добавляем родительскую директорию в sys.path, чтобы импорты работали корректно
# при запуске скрипта из верхнего уровня
sys.path.insert(0, str(Path(__file__).parent.parent.parent))
from parser import UniversalParser # type: ignore
logging.basicConfig(level=logging.INFO, handlers=[logging.StreamHandler()])
def main():
"""
Основная функция скрипта.
1. Считывает файл test_input/test.docx
2. Парсит его с помощью UniversalParser
3. Сохраняет результат в test_output/test.json
"""
# Получаем абсолютные пути к файлам относительно корневой директории проекта
project_root = Path(__file__).parent.parent
input_file = project_root / "test_input" / "test.docx"
output_file = project_root / "test_output" / "test.json"
# Проверяем существование входного файла
if not input_file.exists():
print(
f"Ошибка: Файл {input_file} не найден. Пожалуйста, поместите файл test.docx в директорию test_input."
)
return 1
# Создаем директорию для выходных файлов, если она не существует
output_file.parent.mkdir(parents=True, exist_ok=True)
print(f"Парсинг файла: {input_file}")
# Создаем экземпляр универсального парсера
parser = UniversalParser()
# Парсим документ
parsed_document = parser.parse_by_path(str(input_file))
if parsed_document is None:
print("Ошибка: Не удалось распарсить документ.")
return 1
# Преобразуем документ в словарь
document_dict = parsed_document.to_dict()
# Сохраняем результат в JSON
with open(output_file, "w", encoding="utf-8") as f:
json.dump(document_dict, f, ensure_ascii=False, indent=2)
print(f"Результат сохранен в файле: {output_file}")
return 0
if __name__ == "__main__":
time_start = datetime.now()
for i in range(3):
main()
time_end = datetime.now()
print(f"Время выполнения: {(time_end - time_start).total_seconds()} секунд")
|