GroupChatReader/Lector.py at master · TomeuRamis/GroupChatReader · GitHub

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
import json
import sys
from collections import OrderedDict
from operator import itemgetter

mode = "T"
file = "a.txt"

if(mode == "WP"):
    fecha = []
    hora = []
    usuario = []
    mensaje = []

    Nmsg = 0

    kicks = []

    with open("a.txt", "r", encoding="utf-8") as f:
        print("Leeamos el fichero!")

        line = f.readline()
        while line:
            msg = []
            j = 0
            try:
            #mensajes de otro chat pegados
                if(line[0]!="["):
                    aux = line.split(",", 1)
                    fecha.append(aux[0])
                    j += 1
                    aux = aux[1].split("-", 1)
                    hora.append(aux[0])
                    j += 1
                    aux = aux[1].split(":", 1)
                    usuario.append(aux[0])
                    j += 1
                    #elimiación de miembro del grupo
                    if(len(aux) > 1):
                        mensaje.append(aux[1][:-1])
                        Nmsg += 1
                    else:
                        kicks=[fecha[Nmsg], hora[Nmsg], usuario[Nmsg]]
                        fecha = fecha[:-1]
                        hora = hora[:-1]
                        usuario = usuario[:-1]
            except:
                #Error en el formato de la linea (pasamos de ella)
                if j >= 1:
                    fecha = fecha[:-1]
                if j >= 2:
                    hora = hora[:-1]
                if j >= 3:
                    usuario = usuario[:-1]

            line = f.readline()

    print("Lectura terminada.")
    print("Inicio del análisis de la conversación")

    #variables
    multimedia = 0
    enlaces = 0
    avglen = 0

    usrs = {}

    words = {}
    letras = {}

    years = {}
    months = [0,0,0,0,0,0,0,0,0,0,0,0]
    hours = [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]

    char = "ABCÇDEFGHIJKLMNÑOPQRSTXYZ1234567890"
    i = 0
    while(i<Nmsg):

        line = mensaje[i].upper()
        avglen += len(line)
        for ltr in line:

            if(ltr in char):
                aux = letras.get(ltr)
                if(aux == None):
                    letras.update({ltr : 1})
                else:
                    letras.update({ltr: aux+1})

        if("<FITXERS" in line or "HTTP" in line):
            if("<FITXERS" in line):
                multimedia += 1
            if("HTTP" in line):
                enlaces += 1
        else:
            aux = line.split(" ")
            for wrd in aux:
                aux = words.get(wrd)
                if(aux == None):
                    words.update({wrd : 1})
                else:
                    words.update({wrd: aux+1})


        aux = usrs.get(usuario[i])
        if(aux == None):
            usrs.update({usuario[i] : 1})
        else:
            usrs.update({usuario[i]: aux+1})

        line = fecha[i].split("/")
        #años
        aux = years.get(line[2])
        if(aux == None):
            years.update({line[2] : 0})
        else:
            years.update({line[2]: aux+1})
        #meses
        months[int(line[1])-1] += 1
        #horas
        line = hora[i].split(":")
        hours[int(line[0])] += 1

        i += 1


    avglen = avglen/Nmsg
    puretxt = Nmsg - multimedia - enlaces

    sorted_words = OrderedDict(sorted(words.items(), key = itemgetter(1), reverse = True))
    with open('ordenacion.txt', 'w', encoding="utf-8") as fi:
        for k, v in sorted_words.items():
            fi.write(str(k) + ' >>> '+ str(v) + '\n')

    letras = sorted(letras.items(), key = itemgetter(1), reverse = True)

    print("--- RESULTADOS ---")
    print("Total de mensajes: "+ str(Nmsg))
    print("Total de mensajes sin multimedia ni enlaces: "+str(puretxt))
    print("Total de mensajes multimedia (foto/video/audio): "+ str(multimedia))
    print("Total de mensajes con enlaces web: "+ str(enlaces))
    #Mensajes por persona
    print()
    for u in usrs:
        print("Total de mensajes de "+u+" : "+ str(usrs[u]))
    #Estadísiticas
    print()
    print("Las 5 palabras más usadas: "+ str(list(sorted_words.items())[:5] ))
    print("Letra más usada: "+str(letras))
    print("Longitud media de mensaje: "+ str(avglen))
    print("Distribución de mensajes por año: "+ str(years))
    print("Distribución de mensajes por mes: "+ str(months))
    print("Distribución de mensajes por hora: "+ str(hours))
    #Media de mensajes seguidos enviados (siempre >=1)
    print("Mensajes en cadena: ")

    print("Fin.")

else: