OneNewDev/Tagger
1
0
Fork 0
Code Issues Pull requests Projects Releases Wiki Activity

update code comments

Browse source
This commit is contained in:
OneNewDev 2022-06-08 18:48:04 +02:00
parent 760dd97855
commit 73708fffd8
1 changed files with 12 additions and 6 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

18
tagger.py
View file

@ -37,7 +37,7 @@ class FileScanner(HTMLParser):
def scan_file(self):
# Datei einlesen
content = read_file(self.file)
# HTMLParser aufrufen um HTML-Syntax-Elemente zu entfernen.
# HTMLParser aufrufen, um HTML-Syntax-Elemente zu entfernen.
self.feed(content)
words_with_usage = {}
@ -78,13 +78,14 @@ class FileScanner(HTMLParser):
upper_letters_count = len(_UPPER_CHECK.findall(tag_name))
# ... und die Bewertung entsprechen der Anzahl verbessern.
score += upper_letters_count * 10
# Die Bewertung leicht erhöhen, wenn ein Bindestrich im Wort enthalten ist.
if '-' in word:
score += 1
# Die Bewertung für das Wort speichern.
# Wenn das Wort bereits eine Bewertung besitzt werden die beiden Bewertungen zusammen gerechnet.
if word not in words_with_usage:
# Die Bewertung für das Wort speichern.
words_with_usage[word] = Tag(name=tag_name, score=score)
else:
# Wenn das Wort bereits eine Bewertung besitzt, werden die beiden Bewertungen zusammen gerechnet.
words_with_usage[word].score += score
link_words = []
@ -94,7 +95,10 @@ class FileScanner(HTMLParser):
# Link-Teile in einzelne Wörter aufteilen
words += re.split(r'[/\-_#.?&=]', link)
for link_word in link_words:
# Alle Buchstaben verkleinern
link_word = link_word.lower()
# Wenn ein Wort aus dem Text auch in einem Link vorkommt, wird die Bewertung erhöht.
# Somit kann verhindert werden, dass Link-Bestandteile als Tags vorgeschlagen werden (z.B. E7xcsFpR).
if link_word in words_with_usage:
words_with_usage[link_word] += 10
@ -112,14 +116,16 @@ class FileScanner(HTMLParser):
break
def handle_data(self, data):
# Den Text innerhalb eines HTML-Elements mit einbeziehen.
# Den Inhalt des aktuellen HTML-Tags ignorieren, wenn dieser auf der Liste der ausgeschlossenen HTML-Tags steht.
if self._current_html_tag in EXCLUDED_HTML_TAGS:
return
data = _LINK_PATTERN.sub(self._link_result, data)
# Links aus dem HTML-Text extrahieren und entfernen
data = _LINK_PATTERN.sub(self._link_replace, data)
# Den restlichen Text (ohne Links) innerhalb eines HTML-Elements mit einbeziehen.
self.texte.append(data)
def _link_result(self, link_match):
def _link_replace(self, link_match):
self.links.append(link_match.group(0))
return ''