-
Notifications
You must be signed in to change notification settings - Fork 1
/
processrada.pl
464 lines (399 loc) · 14.6 KB
/
processrada.pl
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
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
#!/usr/bin/perl -w
#
# Extract information from rada dump
#
# Copyright (c) 2010, Eugene Sandulenko <[email protected]>
#
# This file is provided under GPLv2 license.
#
use Text::CSV;
use utf8;
BEGIN { $| = 1; }
my $radadir = shift(@ARGV) || "rada";
my $outfile = shift(@ARGV) || "rada.csv";
my $csv = Text::CSV->new ( { binary => 1 } ) # should set binary attribute.
or die "Cannot use CSV: ".Text::CSV->error_diag ();
$csv->eol("\n");
open $csvf, ">:encoding(utf8)", $outfile or die "$outfile: $!";
my @fields1 = qw(oldname formdate categorydate zipname zip admcenter water areaga aream areakm populationt populationm populations density adminvalue distanceto distancerail distanceroad nearestrail distancenearestrail populationcity populationmiskradat populationmiskradam populationmiskradas);
my @fields2 = qw(amts phone fax rada email site type parentname parentref);
my @fieldsp = qw(radapriynyala priynaladate priynalanum priynyalazmist priynalavru priynyalapubdate priynyalapubstor priynyalatype radapriynyala2 priynaladate2 priynalanum2 priynyalazmist2 priynalavru2 priynyalapubdate2 priynyalapubstor2 priynyalatype2);
my @fields3 = qw(numsilw numsil numselradw numselrad nummistrayw nummistray nummiskradw nummiskrad numselw numsel numsilradw numsilrad numselw numsel dummyw dummy numrayonsmistw numrayonmist numrayradmistw numrayradmist numrayonsw numrayons nummistoblw nummistres nummistrespww nummistobl numrayradw numrayrad);
print $csvf "\"num\",\"name\"";
for my $f (@fields1) {
print $csvf ",\"$f\"";
}
for my $f (@fields2) {
print $csvf ",\"$f\"";
}
for my $f (@fieldsp) {
print $csvf ",\"$f\"";
}
for my $f (@fields3) {
print $csvf ",\"$f\"";
}
print $csvf "\n";
for my $f (<${radadir}/*.html>) {
my %entry = ();
my $fields1num = -1;
my $fields2num = -1;
my $fieldspnum = -1;
my $fieldspcoeff = 0;
my $fields3num = -1;
print "\r$f";
open $in, "<:encoding(cp1251)", $f;
$f =~ m"${radadir}/([0-9]+).html";
$entry{num} = $1;
my $fields2val = "";
my $fields2priynyala = 0;
my $contd = 0;
while (<$in>) {
if ($contd) {
if (/<\/td>/) {
s/<\/td>//i;
$contd = 0;
}
s/ / /g;
chomp;
$entry{$contdname} .= " $_";
next;
}
next unless /class="AllNews"/ or /class="topTitle"/;
if (/h3 align=center.*AllNews">(.*)<\/h3>/) {
$entry{name} = $1;
} elsif (/THEAD3.*align=right\s+width="2%".*AllNews">(.*)<\/td>/) {
# Just skip it
} elsif (/THEAD3.*AllNews">(.*)<\/td>/) {
if ($1 =~ /^Колишня назва/) {
$fields1num = 0;
} elsif ($1 =~ /^Історична дата утворення/) {
$fields1num = 1;
} elsif ($1 =~ /^Дата віднесення до категорії/) {
$fields1num = 2;
} elsif ($1 =~ /^Поштове відділення/) {
$fields1num = 3;
} elsif ($1 =~ /^Поштовий індекс/) {
$fields1num = 4;
} elsif ($1 =~ /^Адміністративний центр/) {
$fields1num = 5;
} elsif ($1 =~ /^Річка, озеро/) {
$fields1num = 6;
} elsif ($1 =~ /^Територія \(тис.га/) {
$fields1num = 7;
} elsif ($1 =~ /^Територія \(тис.кв.м/) {
$fields1num = 8;
} elsif ($1 =~ /^Територія \(тис.кв.км/) {
$fields1num = 9;
} elsif ($1 =~ /^Населення всього/) {
$fields1num = 10;
} elsif ($1 =~ /^Населення міське/) {
$fields1num = 11;
} elsif ($1 =~ /^Населення сільське/) {
$fields1num = 12;
} elsif ($1 =~ /^Щільність населення/) {
$fields1num = 13;
} elsif ($1 =~ /^Адміністративне значення/) {
$fields1num = 14;
} elsif ($1 =~ /^Відстань до/) {
$fields1num = 15;
} elsif ($1 =~ /^залізницею/) {
$fields1num = 16;
} elsif ($1 =~ /^шосейними шляхами/) {
$fields1num = 17;
} elsif ($1 =~ /^Найближча залізнична станція/) {
$fields1num = 18;
} elsif ($1 =~ /^відстань/) {
$fields1num = 19;
} elsif ($1 =~ /^Населення міста \(тис.осіб/) {
$fields1num = 20;
} elsif ($1 =~ /^Населення \(міськрада\) всього \(тис.осіб/) {
$fields1num = 21;
} elsif ($1 =~ /^Населення \(міськрада\) міське \(тис.осіб/) {
$fields1num = 22;
} elsif ($1 =~ /^Населення \(міськрада\) сільське \(тис.осіб/) {
$fields1num = 23;
} else {
die "$f: Unknown field: $1 <$_> at $.";
}
} elsif (/THEAD21.*AllNews">(.*)<\/td>/) {
if ($fields1num == -1) {
my $p = $fields3num;
if ($1 =~ /^ сіл /) {
$fields3num = 0;
} elsif ($1 =~ /^ селищних рад /) {
$fields3num = 2;
} elsif ($1 =~ /^ міст районного значення /) {
$fields3num = 4;
} elsif ($1 =~ /^ міських рад /) {
$fields3num = 6;
} elsif ($1 =~ /^ селищ міського типу /) {
$fields3num = 8;
} elsif ($1 =~ /^ сільських рад /) {
$fields3num = 10;
} elsif ($1 =~ /^ селищ /) {
$fields3num = 12;
} elsif ($1 =~ /^ $/) {
$fields3num = 14;
} elsif ($1 =~ /^ районів у містах /) {
$fields3num = 16;
} elsif ($1 =~ /^ районних рад у містах /) {
$fields3num = 18;
} elsif ($1 =~ /^ районів /) {
$fields3num = 20;
} elsif ($1 =~ /^ міст обласного значення /) {
$fields3num = 22;
} elsif ($1 =~ /^ міст республіканського значення /) {
$fields3num = 24;
} elsif ($1 =~ /^ районних рад /) {
$fields3num = 26;
} else {
die "$f:(3) $_ at $.";
}
if ($fields3num <= $p and $p != 14) {
die "$f: Wrong field seq ($fields3num > $p): $_ at $.";
}
$fields2priynyala = 0;
}
if ($fields3num == -1) {
die "$f: Bad field composition: $_ at $." if $fields1num == -1;
my $res = $1;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$entry{$fields1[$fields1num]} = $res;
$fields1num = -1;
}
} elsif (/THEAD21.*topTitle"><a href="(.*)">(.*)<\/a>/) {
if ($fields3num == -1) {
die "$f: unknown thead21 $_ at $.";
}
my $res = $1;
my $res2 = $2;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$res2 =~ s/ / /g;
$res2 =~ s/^\s+|\s+$//g;
$entry{$fields3[$fields3num]} = $res;
$entry{$fields3[$fields3num+1]} = $res2;
$fields3num = -1;
} elsif ($fields3num == 24 and /THEAD21.*topTitle">(.*)<\/td>/) {
my $res = $1;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$entry{$fields3[$fields3num]} = $res;
} elsif (/THEAD21.*topTitle">/) {
die "$f: Bad format: $_ at $." unless $fields3num == 14;
} elsif (/THEAD00.*AllNews">(.*)<\/td>/) {
if ($1 =~ /^Код АМТС/) {
die "$f: bad thead00 seq ($fields2num) $_ at $." unless ($fields2num == 6 or $fields2num == -1);
$fields2num = 0;
} elsif ($1 =~ /^Телефон/) {
die "$f: bad thead00 seq $_ at $." unless $fields2num == 0;
$fields2num = 1;
} elsif ($1 =~ /^Факс/) {
die "$f: bad thead00 seq $_ at $." unless $fields2num == 1;
$fields2num = 2;
} elsif ($1 =~ /^Адреса ради/) {
die "$f: bad thead00 seq $_ at $." unless $fields2num == 2;
$fields2num = 3;
} elsif ($1 =~ /^E-mail/) {
die "$f: bad thead00 seq $_ at $." unless $fields2num == 3;
$fields2num = 4;
} elsif ($1 =~ /^Адреса сайту/) {
die "$f: bad thead00 seq $_ at $." unless $fields2num == 4;
$fields2num = 0;
} elsif ($1 =~ /^У складі району:/) {
die "$f: doubled type: $_ at $." if $fields2val ne "";
$fields2num = 6;
$fields2val = "rayon";
} elsif ($1 =~ /^У системі місцевого самоврядування:/) {
} elsif ($1 =~ /^У складі міста:/) {
die "$f: doubled type: $_ at $." if $fields2val ne "";
$fields2num = 6;
$fields2val = "misto";
} elsif ($1 =~ /^У складі області:/) {
die "$f: doubled type: $_ at $." if $fields2val ne "";
$fields2num = 6;
$fields2val = "oblast";
} elsif ($1 =~ /^У складі автономії:/) {
die "$f: doubled type: $_ at $." if $fields2val ne "";
$fields2num = 6;
$fields2val = "avtonomia";
} elsif ($1 =~ /^Рада, що прийняла<br>рішення/) {
die "$f: Priynyala: $_ at $." if $fields2priynyala;
$fields2priynyala = 1;
$fieldspnum = 0;
} elsif ($1 =~ /^Дата<br>рішення/) {
die "$f: Priynyala: $_ at $." if $fields2priynyala != 1 or $fieldspnum != 0;
$fieldspnum = 1;
} elsif ($1 =~ /^№<br>рішення/) {
die "$f: Priynyala: $_ at $." if $fields2priynyala != 1 or $fieldspnum != 1;
$fieldspnum = 2;
} elsif ($1 =~ /^Зміст рішення/) {
die "$f: Priynyala: $_ at $." if $fields2priynyala != 1 or $fieldspnum != 2;
$fieldspnum = 3;
} elsif ($1 =~ /^Відомості ВРУ/) {
die "$f: Priynyala: $_ at $." if $fields2priynyala != 1 or $fieldspnum != 3;
$fieldspnum = 4;
} else {
die "$f: Bad typedef $_ at $.";
}
} elsif (/THEAD01.*AllNews">(.*)<\/td>/) {
if ($fields2priynyala < 1 and $fieldspcoeff == -1) {
die "$f: Unexpected thead01 ($fields2priynyala $fieldspcoeff): $_ at $.";
} elsif ($1 =~ /^Дата<br>опубліку-<br>вання/) {
if ($fields2priynyala == 2) {
$fieldspcoeff++;
}
$fieldspnum = 5;
$fields2priynyala = 1;
} elsif ($1 =~ /^№, стаття<br>\(сторінка\)/) {
die "$f: Priynyala: $_ at $." if $fieldspnum != 5;
$fieldspnum = 6;
$fields2priynyala = 2;
} else {
die "$f: Priynyala: $_ ($1) at $.";
}
} elsif ($fields2num == 4 and (m'THEAD02.*topTitle"><a href="mailto:(.*)\?subject.*">(.*)</a>'i or
m'THEAD02.*topTitle"><a href="http://(.*)">(.*)</a>'i)) {
my $res = $1;
my $res2 = $2;
if ($fields2num != 4) {
die "$f: Unexpected mailto: $_ at $.";
}
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$res2 =~ s/ / /g;
$res2 =~ s/^\s+|\s+$//g;
if ($res ne $res2) {
die "$f: bad mailto format: $_ at $.";
}
$entry{$fields2[$fields2num]} = $res;
$fields2num++;
} elsif (/THEAD02.*AllNews">(.*)<\/td>/ or (($fieldspnum == 3 or $fields2num == 3) and /THEAD02.*AllNews">(.*)/)) {
if ($fields2priynyala == 0) {
if ($fields2num > 6 || $fields2num == -1) {
die "$f: bad thead02 num $_ at $.";
}
my $res = $1;
$res = $fields2val if $fields2num == 6;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
if ($_ !~ /<\/td>/i) {
$contd = 1;
$contdname = $fields2[$fields2num];
}
$entry{$fields2[$fields2num]} = $res;
$fields2num++;
} else {
if ($fieldspnum == 6 and not /colspan=6/) {
$fields2priynyala = 2;
$fieldspnum = 0;
}
if ($fieldspnum == 6) {
if (/Зміна категорії \(статусу\) населеного пункту/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "StatusChange";
$fieldspnum = 0;
next;
} elsif (/Перейменування/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "Rename";
$fieldspnum = 0;
next;
} elsif (/Ліквідація АТО \(зняття з обліку, об'єднання\)/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "Delete";
$fieldspnum = 0;
next;
} elsif (/Зміна центра АТО/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "CentreChange";
$fieldspnum = 0;
next;
} elsif (/Перепідпорядкування/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "ChangeSuper";
$fieldspnum = 0;
next;
} elsif (/Зміна меж АТО/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "BorderChange";
$fieldspnum = 0;
next;
} elsif (/Утворення АТО/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "BorderCreate";
$fieldspnum = 0;
next;
} elsif (/Відновлення колишнього найменування/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "NameRestore";
$fieldspnum = 0;
next;
} elsif (/Уточнення найменування/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "NameClarification";
$fieldspnum = 0;
next;
} elsif (/Ліквідація ОМС/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "OMSRemove";
$fieldspnum = 0;
next;
} elsif (/Утворення ОМС/) {
$entry{$fieldsp[7 + 8 * $fieldspcoeff]} = "OMSCreate";
$fieldspnum = 0;
next;
} else {
die "$f: Bad priynyalatype: $_ at $.";
}
} elsif ($fieldspnum > 5 || $fieldspnum < 0) {
die "$f: bad thead02 num ($fieldspnum) $_ at $.";
}
my $res = $1;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
if ($fieldspnum == 3) {
if ($res =~ /<\/td>/i) {
$res =~ s/<\/td>//i;
} else {
$contd = 1;
$contdname = $fieldsp[$fieldspnum + 8 * $fieldspcoeff];
}
}
$entry{$fieldsp[$fieldspnum + 8 * $fieldspcoeff]} = $res;
$fieldspnum++;
if ($fieldspnum == 6) {
$fieldspnum = -1;
$fields2priynyala = 0;
}
}
} elsif (/THEAD02.*topTitle"><a href="(.*)">(.*)<\/a><\/td>/) {
my $res = $1;
my $res2 = $2;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$entry{parentref} = $res;
$res2 =~ s/ / /g;
$res2 =~ s/^\s+|\s+$//g;
$entry{parentname} = $res2;
} elsif ($fields2num == 5 and /THEAD02.*topTitle"><a href="(.*)">(.*)<\/a>/i) {
my $res = $1;
$res =~ s/ / /g;
$res =~ s/^\s+|\s+$//g;
$entry{$fields2[$fields2num]} = $res;
$fields2num++;
} elsif (/THEAD02/) {
die "$f: Unknown thead02 ($fields2num): $_ at $.";
}
}
close $in;
my @cols = ();
push @cols, $entry{num};
push @cols, $entry{name};
for my $f (@fields1) {
push @cols, $entry{$f}
}
for my $f (@fields2) {
push @cols, $entry{$f}
}
for my $f (@fieldsp) {
push @cols, $entry{$f}
}
for my $f (@fields3) {
push @cols, $entry{$f}
}
$csv->print ($csvf, \@cols);
}
close $csvf;
print "\n";